Python中时间序列的牛顿算法函数

Question

亲爱的 StackOverflow 社区，您好，

首先，我要感谢为本论坛做出贡献的所有人，从而直接和间接地帮助了世界上所有编码技能欠发达的人。

现在我的问题。 我有一系列波动率，最后 12 个波动率中的每一个都用于指数加权移动平均线来预测该时期的波动率。见下图中的公式。

https://i.stack.imgur.com/Z7dn3.png

现在我需要使用 Newton Raphson 算法来获得权重值，以最小化不同权重的平方误差之和。 我现在的问题是如何优雅地将其翻译成 Python。 我已经看过有关如何执行牛顿法的教程，但其中大多数都与更简单的函数有关，我找不到有关时间序列的任何内容。

我的想法是在某个权重处开始一个循环，并计算系列和该权重的平方误差之和，然后每次这些平方和误差的结果以 0.1 为增量减小时，在循环中降低该权重然后如果它再次开始上升，则随着重量上升0.01，直到误差结果再次上升。 然而，这似乎是一种相当复杂的方法，如果有人能告诉我是否有另一种更简单甚至内置的方法来处理这个问题，我会非常高兴，因为我在使用 Python 和时间序列。

所以我并不是特别寻找编码示例，而是更多地寻找关于在哪里以及如何为我的问题寻找解决方案的指南，而不是让我自己太难。

提前致谢

尼克

Answer 1

Newton-Ralphson 方法在 scipy see here 中实现。 您可以使用它而不是重新实现代码。 向它传递一个函数，该函数将权重作为计算该权重的平方误差之和的唯一参数。