知识卡片
滚动相关需对齐共同有效样本
滚动相关在每个窗口对两条时间序列的共同有效观测计算线性关联。示例125位置、至少100有效项的结果会随窗口变化,不能一律称固定六个日历月。输入价格和收益率的含义不同,单列对多列计算得到各列与参考列的相关,而非完整两两矩阵。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 2 处
- · 查看原书依据
rolling_corr的方式得到该结果(如图10-12所示): In [569]: spx_px = close_px_all ['SPX'] In [570]: spx_rets = spx_px / spx_px.shift(1) - 1 In [571]: returns = close_px.pct_change() In [572]: corr
- · 查看原书依据
window=250) In [143]: model.beta Out[143]: <class 'pandas.core.frame.DataFrame'> DatetimeIndex: 2913 entries, 2000-12-28 00:00:00 to 2012-07-27 00:00:00 Data columns: MSFT 2913 non
参考来源
- 位置:《利用Python进行数据分析》第10章《二元移动窗口函数》(spine316;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0302.html;u244-ch10-041)。
- 结论依据:原文在“rolling_corr”附近的定义、例子或代码支撑本卡核心说明:滚动相关在每个窗口对两条时间序列的共同有效观测计算线性关联。边界按已读前提解释;示例未执行。
- 原始内容:rolling_corr的方式得到该结果(如图10-12所示): In [569]: spx_px = close_px_all ['SPX'] In [570]: spx_rets = spx_px / spx_px.shift(1) - 1 In [571]: returns = close_px.pct_change() In [572]: corr
- 位置:《利用Python进行数据分析》第11章《移动相关系数与线性回归》(spine321;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0307.html;u261-ch10-041)。
- 结论依据:移动回归和相关使用局部样本,同为250位置仍需核对共同有效记录、截距和缺失政策,不能仅从曲线差异归因模型优劣。
- 原始内容:window=250) In [143]: model.beta Out[143]: <class 'pandas.core.frame.DataFrame'> DatetimeIndex: 2913 entries, 2000-12-28 00:00:00 to 2012-07-27 00:00:00 Data columns: MSFT 2913 non