python garch模型 forecast_python - 使用GARCH模型进行滚动预测 - 堆栈内存溢出

我正在尝试对给定股票未来30天的波动性进行滚动预测(即预测时间t + 1，然后在预测t + 2时使用此预测，依此类推...)

我这样做是使用R的rugarch软件包，该软件包是我使用rpy2软件包在Python中实现的。 (我发现Python软件包的文档记录不清，更难使用。这些软件包中的大多数在R中也已经成熟得多)。

到目前为止，这是我的代码，该模型适用于直到我拥有的最后30天数据的股票回报的整个时间序列。 然后，我对我拥有的未见数据的最后30天进行滚动预测(我认为)。

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from rpy2.robjects.packages import importr

import rpy2.robjects as robjects

from rpy2.robjects import numpy2ri

ticker = 'AAPL'

forecast_horizon = 30

prices = utils.dw.get(filename=ticker, source='iex', iex_range='5y')

df = prices[['date', 'close']]

df['daily_returns'] = np.log(df['close']).diff() # Daily log returns

df['monthly_std'] = df['daily_returns'].rolling