[书籍介绍]用Python做时间序列分析

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本书包括以下几个部分：

• 基础（Python简介、什么是时间序列预测、有监督的时间序列）
• 数据准备
• 时间结构
• 评估模型
• 预测模型
• 项目
• 总结
  

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：python 时间序列分析 时间序列 时间序列预测 预测模型

clc, clear % 清除界面 clear the windows
imp_fac = importdata('Factors.CSV'); % import data
factors = imp_fac.data; % 将imp_fac中的data命名为factors
imp_port = importdata('Portfolios.CSV'); % import data
ports = imp_port.data; % 将imp_port中的data命名为ports

time_range = (factors(:,1)>=196301 & factors(:,1)<=201911); % 选取特定时间内的factors
factors = factors(time_range,:); % 同上
ports = ports(time_range,:); % 选取特定时间内的ports

%%%%
T = size(ports, 1); % 将ports的行数记为T
M = size(ports, 2) - 1; % 将ports的列数-1记为T
K = 3;
%%%%

% Average excess return
rf = factors(:,5); % factors的第5列
excess_rtn = ports(:,2:end) - rf; % ports的第2至最后一列都减去rf
avg_ex_rtn = mean(excess_rtn, 1); % 求均值


% alpha
alpha = nan(25, 1); % 初始化alpha
t_alpha = nan(25, 1); % 和上一行类似
beta = nan(25, 1); % 和上一行类似
pred = alpha; % 将alpha赋给pred
for i = 1:25
    reg = fitlm(factors(:,2),excess_rtn(:,i));
    alpha(i) = reg.Coefficients.Estimate(1);
    t_alpha(i) = reg.Coefficients.tStat(1);
    beta(i) = reg.Coefficients.Estimate(2);
    pred(i) = mean(reg.Fitted);
end
% 上面的循环是将factors的第二列作为dependent variable依次和excess_rtn的每列作regression
% 提取出alpha alpha的t值 beta 还有拟合值

% pred = nan(25, 1);
% for i = 1:25
%     pred(i) = mean(alpha(i)+excess_rtn(:,i).*beta(i));
% end
scatter(pred, avg_ex_rtn');
xlabel('pred.rtn')
ylabel('avg.ex.rtn')


alpha_ff3 = nan(25, 1);
t_alpha_ff3 = nan(25, 1);
b = nan(25, 1);
pred_ff3 = nan(25, 1);
h = b;
s = b;
for i = 1:25
    reg = fitlm(factors(:,2:4),excess_rtn(:,i));
    alpha_ff3(i) = reg.Coefficients.Estimate(1);
    t_alpha_ff3(i) = reg.Coefficients.tStat(1);
    b(i) = reg.Coefficients.Estimate(2);
    h(i) = reg.Coefficients.Estimate(4);
    s(i) = reg.Coefficients.Estimate(3);
    pred_ff3(i) = mean(reg.Fitted);
end
% Cross-sectional regression
cs_reg = fitlm([b h s], avg_ex_rtn');

Factor model

好资料