高效计算“变量（包含的点数）＆rdquo; R中的移动平均线
我正试图在日内数据的时间序列（即10秒）上实现可变指数移动平均线。通过变量，我的意思是移动平均线中包含的窗口大小取决于另一个因素（即波动率）。我在考虑以下几点：
MA（t）= alpha（t）* price（t）+（1-alpha（t））MA（t-1），
其中alpha对应于例如变化的波动率指数。
在大型系列（超过100000）点的回测中，这种计算会给我带来“麻烦”。我有完整的向量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矢量化解决方案????
我的另一个想法是尝试直接将实现的EMA（..，n = f（））函数应用于每个数据点，总是使用不同的f（）值。但到目前为止我还没有找到快速解决方案。
如果有人可以帮我解决我的问题，那会非常友好吗？甚至关于如何构建可变移动平均线的其他建议也会很棒。
提前做了很多
马丁
没有找到相关结果
已邀请:
3 个回复
门锑腺潮
也可以实现非常有效的移动平均操作：这只是左翼，其他选择是可能的。刷遍派戳
。 实际上，您并不计算移动平均线，而是某种加权累积平均值。 （加权）移动平均线将是这样的：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)) })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) })车料
包中添加了功能来执行此操作。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