这篇文章主要讲解了如何使用Python实现滚动回归操作，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。
滚动回归
所谓滚动回归，通常用在时间序列上。记当前时刻为 t，回归时长为 s，则一直使用 当作自变量来预测 。使用滚动回归的目的通常是为了避免未来函数对于回归的影响。
具体来说，如果我们直接用所有数据来建立线性回归模型，则回归系数 ，是关于所有 x 与所有 y 的函数。然而，我们在 时是不知道未来的数据点的！如果使用全部数据进行回归则相当于未卜先知，会造成严重的过拟合。
Python实现
之前 python 的 pandas 与 statsmodels 库均支持滚动回归，但是现在两个都不支持。因此如果大家使用的是最新版的 pandas 与 statsmodels ，那么网上的那些做法均没有用。
目前我找到的唯一可以实现滚动回归的 python 库是 pyfinance，代码如下：
from pyfinance.ols import PandasRollingOLS results = PandasRollingOLS(x, y, window) # window 是滚动回归的自变量个数 results.solution # 每一步估计的截距与斜率 results.beta # 每一步估计的斜率 results.alpha # 每一步估计的截距 results.predicted # 每一步估计的样本内预测值