在已弃用的 stats/ols 模块中，我很好地利用了 pandas 的 MovingOLS 类(来源 here)。不幸的是，它被 pandas 0.20 彻底破坏了。

在我看来，如何以有效方式运行滚动 OLS 回归的问题已被多次提出(例如 here)，但措辞有点宽泛，没有很好的答案。

这是我的问题:

1. 如何最好地模仿 pandas 的 MovingOLS 的基本框架？这个类最吸引人的特性是能够将多个方法/属性视为单独的时间序列——即系数、r 平方、t 统计量等，而无需重新运行回归。例如，您可以创建类似 model = pd.MovingOLS(y, x) 的内容，然后调用 .t_stat、.rmse、.std_err 等。相反，在下面的示例中，我没有看到强制分别计算每个统计数据的方法。是否有不涉及创建滑动/滚动“ block ”(步幅)和运行回归/使用线性代数获取每个模型参数的方法？

2. 更广泛地说，在 pandas 的底层发生了什么导致 rolling.apply 无法使用更复杂的功能？* 当您创建 .rolling 对象，用外行的话来说，内部发生了什么——它与我在下面做的遍历每个窗口并创建一个更高维的数组有根本的不同吗？

*即，func 传递给 .apply :

Must produce a single value from an ndarray input *args and **kwargs are passed to the function

这是我目前使用的一些样本数据，即贸易加权美元对利率差和铜价的百分比变化的回归。 (这没有多大意义；只是随机选择这些。)我已将其从基于类的实现中取出，并尝试将其剥离为更简单的脚本。

from datetime import date
from pandas_datareader.data import DataReader
import statsmodels.formula.api as smf

syms = {'TWEXBMTH' : 'usd', 
        'T10Y2YM' : 'term_spread', 
        'PCOPPUSDM' : 'copper'
       }

start = date(2000, 1, 1)
data = (DataReader(syms.keys(), 'fred', start)
        .pct_change()
        .dropna())
data = data.rename(columns = syms)
data = data.assign(intercept = 1.) # required by statsmodels OLS

def sliding_windows(x, window):
    """Create rolling/sliding windows of length ~window~.

    Given an array of shape (y, z), it will return "blocks" of shape
    (x - window + 1, window, z)."""

    return np.array([x[i:i + window] for i 
                    in range(0, x.shape[0] - window + 1)])

data.head(3)
Out[33]: 
                 usd  term_spread    copper  intercept
DATE                                                  
2000-02-01  0.012573    -1.409091 -0.019972        1.0
2000-03-01 -0.000079     2.000000 -0.037202        1.0
2000-04-01  0.005642     0.518519 -0.033275        1.0

window = 36
wins = sliding_windows(data.values, window=window)
y, x = wins[:, :, 0], wins[:, :, 1:]

coefs = []

for endog, exog in zip(y, x):
    model = smf.OLS(endog, exog).fit()
        # The full set of model attributes gets lost with each loop
    coefs.append(model.params)

df = pd.DataFrame(coefs, columns=data.iloc[:, 1:].columns,
                  index=data.index[window - 1:])

df.head(3) # rolling 36m coefficients
Out[70]: 
            term_spread    copper  intercept
DATE                                        
2003-01-01    -0.000122 -0.018426   0.001937
2003-02-01     0.000391 -0.015740   0.001597
2003-03-01     0.000655 -0.016811   0.001546

最佳答案

我创建了一个 ols 模块，旨在模仿 pandas 已弃用的 MovingOLS；它是 here .

它有三个核心类:

• OLS :静态(单窗口)普通最小二乘回归。输出是 NumPy 数组
• RollingOLS :滚动(多窗口)普通最小二乘回归。输出是高维 NumPy 数组。
• PandasRollingOLS :将 RollingOLS 的结果包装在 pandas Series & DataFrames 中。旨在模仿已弃用的 pandas 模块的外观。

请注意，该模块是 package 的一部分(我目前正在上传到 PyPi)，它需要一个包间导入。

上面的前两个类完全在 NumPy 中实现，主要使用矩阵代数。 RollingOLS 也广泛利用广播。属性主要模仿 statsmodels 的 OLS RegressionResultsWrapper。

一个例子:

import urllib.parse
import pandas as pd
from pyfinance.ols import PandasRollingOLS

# You can also do this with pandas-datareader; here's the hard way
url = "https://fred.stlouisfed.org/graph/fredgraph.csv"

syms = {
    "TWEXBMTH" : "usd", 
    "T10Y2YM" : "term_spread", 
    "GOLDAMGBD228NLBM" : "gold",
}

params = {
    "fq": "Monthly,Monthly,Monthly",
    "id": ",".join(syms.keys()),
    "cosd": "2000-01-01",
    "coed": "2019-02-01",
}

data = pd.read_csv(
    url + "?" + urllib.parse.urlencode(params, safe=","),
    na_values={"."},
    parse_dates=["DATE"],
    index_col=0
).pct_change().dropna().rename(columns=syms)
print(data.head())
#                  usd  term_spread      gold
# DATE                                       
# 2000-02-01  0.012580    -1.409091  0.057152
# 2000-03-01 -0.000113     2.000000 -0.047034
# 2000-04-01  0.005634     0.518519 -0.023520
# 2000-05-01  0.022017    -0.097561 -0.016675
# 2000-06-01 -0.010116     0.027027  0.036599

y = data.usd
x = data.drop('usd', axis=1)

window = 12  # months
model = PandasRollingOLS(y=y, x=x, window=window)

print(model.beta.head())  # Coefficients excluding the intercept
#             term_spread      gold
# DATE                             
# 2001-01-01     0.000033 -0.054261
# 2001-02-01     0.000277 -0.188556
# 2001-03-01     0.002432 -0.294865
# 2001-04-01     0.002796 -0.334880
# 2001-05-01     0.002448 -0.241902

print(model.fstat.head())
# DATE
# 2001-01-01    0.136991
# 2001-02-01    1.233794
# 2001-03-01    3.053000
# 2001-04-01    3.997486
# 2001-05-01    3.855118
# Name: fstat, dtype: float64

print(model.rsq.head())  # R-squared
# DATE
# 2001-01-01    0.029543
# 2001-02-01    0.215179
# 2001-03-01    0.404210
# 2001-04-01    0.470432
# 2001-05-01    0.461408
# Name: rsq, dtype: float64

关于python - Pandas 滚动回归 : alternatives to looping，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44380068/