高效计算“变量（包含的点数）”移动平均数R

我试图在时间序列的日内数据（即10秒）上实现可变指数移动平均值。通过变量，我的意思是包含在移动平均数中的窗口大小取决于另一个因素（即波动率）。我想的以下内容：高效计算“变量（包含的点数）”移动平均数R

MA（T）=α（t）的*价格（T）+（1-α（t））的MA（T-1），

其中alpha例如对应于到波动性指数的变化。

在一个巨大系列（超过100000）点的回测中，这个计算会导致我“麻烦”。我有完整的矢量alpha和价格，但对于MA的当前值，我总是需要之前计算的值。因此，到目前为止，我没有看到一个矢量化的解决方案？

我的另一个想法是试图直接将实现的EMA（..，n = f（））函数应用于每个数据点，因为f（）始终具有不同的值。但是到目前为止我还没有找到一个快速的解决方案。

如果有人可以帮我解决问题，会非常友善吗???甚至关于如何构建变量移动平均线的其他建议也会很好。

THX很多提前马丁

来源

2010-10-07 Martin

我会在接下来的几天将这个功能添加到TTR包中。 – 2010-10-07 11:48:39

对于时间序列，在动物园里看到包的功能rollmean。

您实际上不计算移动平均数，而是某种加权累积平均数。（加权）移动平均线会是这样的：

price <- runif(100,10,1000) 
alpha <- rbeta(100,1,0.5) 

tp <- embed(price,2) 
ta <- embed(alpha,2) 

MA1 <- apply(cbind(tp,ta),1,function(x){ 
    weighted.mean(x[1:2],w=2*x[3:4]/sum(x)) 
})

确保您重新调整权重，使他们总结到观测的数量。

对于自己的计算，你可以尝试这样的：

MAt <- price*alpha 

ma.MAt <- matrix(rep(MAt,each=n),nrow=n) 
ma.MAt[upper.tri(ma.MAt)] <- 0 

tt1 <- sapply(1:n,function(x){ 
    tmp <- rev(c(rep(0,n-x),1,cumprod(rev(alpha[1:(x-1)])))[1:n]) 
    sum(ma.MAt[i,]*tmp) 
})

这个计算的平均值作为垫的线性组合，由阿尔法的累计产品定义权重。

在一个旁注：我假定索引躺下1.一种非常有效的移动平均运算经由filter()介于0和

来源

2010-10-07 08:31:57

感谢您的回答，但这些函数假设固定的窗口...... – Martin 2010-10-07 09:10:47

@Martin：我也实现了你自己的计算。我误解了你真正想做的事情，希望我现在明白了。干杯 – 2010-10-07 10:00:13

也是可能的：

## create a weight vector -- this one has equal weights, other schemes possible 
    weights <- rep(1/nobs, nobs)  

    ## and apply it as a one-sided moving average calculations, see help(filter) 
    movavg <- as.vector(filter(somevector, weights, method="convolution", side=1))

即仅左侧，其他选择是可能的。

来源

2010-10-07 16:06:48

我非常感谢你的提示， – Martin 2010-10-09 07:02:47

看到你的名字，我知道得到真正有经验的R用户甚至开发者的帮助...... – Martin 2010-10-09 07:04:02

快乐！认识周围的方法是：a）对你觉得有帮助的问题进行“投票”，所以你点击向上三角形（或者如果你不够强烈地反对，就下来），同样b）如果你是“接受”一个问。 – 2010-10-09 15:44:29

我刚刚为TTR包添加了一个VMA函数来执行此操作。例如：

library(quantmod) # loads TTR 
getSymbols("SPY") 
SPY$absCMO <- abs(CMO(Cl(SPY),20))/100 
SPY$vma <- VMA(Cl(SPY), SPY$absCMO) 
chartSeries(SPY,TA="addTA(SPY$vma,on=1,col='blue')") 

x <- xts(rnorm(1e6),Sys.time()-1e6:1) 
y <- xts(runif(1e6),Sys.time()-1e6:1) 
system.time(VMA(x,y)) # < 0.5s on a 2.2Ghz Centrino

从文档一对夫妇说明：

“VMA”计算基于“W”的绝对值值的可变长度移动平均值。 'w'的较高（较低）值将导致'VMA'以更快（较慢）的速度反应。

pre-compiled binaries应在24小时内在R-forge上。

来源

2010-10-09 23:31:17

高效计算“变量（包含的点数）”移动平均数R

回答

相关问题