我对滚动Windows感到很困惑 statsmodels RollingOLS 这在rollingols示例页面中进行了描述。它提到
对估计值进行对齐，以便使用数据点t，（t+1），…，（t+windows）估计的模型存储在位置（t+windows）中。
我有一些问题：
q1：假设我们在t行，如果我设置 RollingOLS(endog, exog, window=60) ，它使用来自[t-60，t]（即（t-60），（t-59），…，t）的数据估计模型，该数据有61个观测值，对吗？但这是一个61天的窗口。
问题2：如果我们使用 model.params 为了提取估计系数，t行的系数是使用[t-60，t]（即（t-60），（t-59），…，t）中的数据得出的ols结果，对吗？
问题3：如果我们使用 model.fit() 为了得到拟合值，第t行的拟合值是通过使用第[t-60，t]（即（t-60），（t-59），…，t）行数据估计的系数和第t行的自变量来计算的，对吗？
问题4：如果我在第三季度的猜测是正确的，我们如何解决这里提到的滚动问题？就是
我想运行一个滚动100天窗口ols回归估计，即：
首先，对于第101行，我使用第1行到第100行对y-x1、x2、x3进行回归，并估计第101行的y；
然后对于第102行，我使用第2行到第101行对y-x1、x2、x3进行回归，并估计第102行的y；
然后，对于第103行，我使用第2行到第101行对y-x1、x2、x3进行回归，并估计第103行的y；
直到最后一排。