Pronóstico de volatilidad realizada con aprendizaje automático

Question

¿Cómo se calcula la varianza diaria realizada para datos intradía de un minuto?

¿Cómo se puede pronosticar la volatilidad realizada utilizando técnicas de aprendizaje automático como redes neuronales y LSTM? ¿Hay algún código de muestra detallado para la técnica de pronóstico, así como el código para HAR-RV?

Answer 1

Solo intenta ejecutar considerando que tienes la columna RV en tu conjunto de datos

Para HAR-RV: 
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# Simular algunos datos para df['RV']
np.random.seed(0)
df = pd.DataFrame({'RV': np.random.rand(100)})

# Calcular características de RV con retardo
df['RV_lag_d'] = df['RV'].shift(1)
df['RV_lag_w'] = df['RV'].rolling(window=5).mean().shift(1)
df['RV_lag_m'] = df['RV'].rolling(window=22).mean().shift(1)

# Eliminar filas NaN
df.dropna(inplace=True)

# Preparar datos
X = df[['RV_lag_d', 'RV_lag_w', 'RV_lag_m']]
y = df['RV']

# Ajustar modelo HAR-RV
modelo = LinearRegression()
modelo.fit(X, y)

# Para ML: 
from sklearn.ensemble import RandomForestRegressor

# Ajustar modelo de Bosque Aleatorio
modelo_rf = RandomForestRegressor(n_estimators=100)
modelo_rf.fit(X, y)