python - 使用 pandas 进行滚动统计模型协整

Question

我有一个包含两个系列的 DataFrame，我知道如何使用所有数据点来获得它们的协整...

import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as ts

A = pd.Series(np.cumsum(np.random.normal(size=100)) + 50)
B = pd.Series(A + 5 + np.random.normal(size=100))

ts.coint(A, B)

但是，我想通过使用滚动窗口(假设 60 天)探索这种协整随着时间的推移如何变化。如何结合使用 statsmodels 和 pandas 来实现这一目标？

提前致谢!

Answer 1

您可以通过首先创建一个数据框，分配一个整数位置系列，然后使用 pandas rolling 来实现此目的带有 lambda 函数的函数，该函数提取 ts.coint 的第一个元素的回归。

因此修改您的代码我们得到:

import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as ts

A = pd.Series(np.cumsum(np.random.normal(size=1000)) + 50, name='A')
B = pd.Series(A + 5 + np.random.normal(size=1000), name='B')

df = pd.concat([A, B], axis=1)
df['ii'] = range(len(df))

df['ii'].rolling(100).apply(lambda ii: ts.coint(df.loc[ii, 'A'], df.loc[ii, 'B'])[0])

为了说明这一点，我将系列的大小增加到 1000，并将滚动窗口设置为 100(但您可以使用 rolling 中的选项)。