rollapply

    1热度

    1回答

    我想使用dplyr将多个事物组合在一起:鉴于我有多个返回的时间序列,我想计算平均相关性(我简化了我的实际任务以提供最简单可能的例子)所有的回报与所有其他回报。当然(与下面的例子不同),我的真实数据集相当大(并且还没有spread(stock,ret))包含多个NA。此外,在第二步中,我将不得不创建自己的功能并将其提供给rollapply。因此,如果您有使用RCpproll软件包的建议,我将非常高兴

    1热度

    1回答

    请注意,以前可能已经问过这个问题,但我还没有找到明确的解决方案来处理数据框。 我想在5天的后面运行滚动线性回归。 (小,所以可以在这里说明) 到目前为止,我想: rollingbeta <- rollapply(df, width=5, FUN = function(Z) { t = lm(formula=y_

    0热度

    1回答

    好了,所以我期待创建滚动滞后于R. vec <- c(43.79979, 44.04865, 44.17308, 44.54638, 44.79524, 44.79524, 44.79524, 44.42195, 44.54638, 44.79524, 44.42195, 43.30206, 43.30206, 43.17764, 43.30206) > length(vec) [1] 15

    1热度

    1回答

    我想使用rollapply或rollapplyr将modwt函数应用于我的时间序列数据。 我很熟悉rollapply/r是如何工作的,但我需要一些帮助来设置输出,以便在使用rollapply时能够正确存储我的结果。 波浪边缘包中的modwt函数需要一个时间序列并将其分解为J个等级,对于我的特殊问题J = 4,这意味着我将从我的单个时间序列中存储4个系列集合,存储在5个列表中。在这个列表中,我只关心

    0热度

    1回答

    我有3个时间序列,我可以将小波变换应用到滚动窗口。滚动窗口采用长度为200的单个时间序列,并在前30个样本上应用waveslim::modwt函数。此输出5只列出其中我只对感兴趣的(D1,D2,D3,D4),并且这些各自具有30的长度一个简单的例子可以在这里找到: library(waveslim) J <- 4 #no. of levels in decomposition data(ar1

    0热度

    1回答

    我正在寻找一种方法来计算像here但根据特定的观察(移动计数)来改变标准的能力的观察。 例如 - (从最后的50)计数的MAG的观测数其比MAG的特定观察更大。 代码我有: rollapplyr(zoo(mag),50,function(i){sum(mag>i)},partial=T,by.column=F,fill=NA)) 此代码取50个最后观测的平均MAG和计算高于平均观测值的数目(在

    -1热度

    2回答

    我有我已经检查几个复选框已经使用了NG-INIT <div class="checkbox"> <label> <input type="checkbox" ng-init="model.A='A'" ng-model="model.A" ng-true-value="'A'" ng-false-value="'nope'"/>A </label> </div>

    4热度

    1回答

    我的第一个问题这里:) 我的目标是:考虑到与预测的数据帧(每列一个预测器/行的观察结果)使用LM拟合回归,然后预测使用滚动窗口使用上次观察的值。 数据帧看起来像: > DfPredictor[1:40,] Y X1 X2 X3 X4 X5 1 3.2860 192.5115 2.1275 83381 11.4360 8.7440 2

    0热度

    1回答

    为了从去年的观测值(不是每年!)中获取变量的最大值,并将其实施到每一行(观测值),我非常努力。 我认为最好的方法是使用rollapply函数,但我无法弄清楚宽度应该是什么样子,因为每个观察结果可能会有所不同(每个观察结果代表一天,但并非所有天都有观察结果)。我知道使用列表会产生偏移值,所以这些值看起来如何? 我得到的代码:一排具有31/8/2016日期:为了澄清 mutate(data,"Feat

    5热度

    2回答

    我想估计大约2250万观测数据集的滚动值风险,因此我想使用sparklyr进行快速计算。下面是我做的(使用的样本数据库): library(PerformanceAnalytics) library(reshape2) library(dplyr) data(managers) data <- zerofill(managers) data<-as.data.frame(data)