Question

我有一个大型（150,000x7）数据框，我打算用它来进行金融市场的回溯测试和实时分析。数据代表投资工具每隔5分钟的条件（虽然确实存在漏洞）。它看起来像这样（但更长）：

        pTime     Time  Price       M1       M2        M3        M4
1  1212108300 20:45:00 1.5518 12.21849 -0.37125   4.50549 -31.00559
2  1212108900 20:55:00 1.5516 11.75350 -0.81792  -1.53846 -32.12291
3  1212109200 21:00:00 1.5512 10.75070 -1.47438  -8.24176 -34.35754
4  1212109500 21:05:00 1.5514 10.23529 -1.06044  -8.46154 -33.24022
5  1212109800 21:10:00 1.5514  9.74790 -1.02759 -10.21978 -33.24022
6  1212110100 21:15:00 1.5513  9.31092 -1.17076 -11.97802 -33.79888
7  1212110400 21:20:00 1.5512  8.84034 -1.28428 -13.62637 -34.35754
8  1212110700 21:25:00 1.5509  8.07843 -1.63715 -18.24176 -36.03352
9  1212111000 21:30:00 1.5509  7.39496 -1.49198 -20.65934 -36.03352
10 1212111300 21:35:00 1.5512  7.65266 -1.03717 -18.57143 -34.35754

数据已预先加载到R中，但在我的反向测试期间，我需要按两个标准对其进行子集化：

第一个标准是一个滑动窗口，以避免窥视未来。窗口必须是这样的，在后面测试中每个新的5分钟间隔将整个窗口移动到未来5分钟。这部分我可以这样做：

require(zoo)
zooser <- zoo(x=tser$Close, order.by=as.POSIXct(tser$pTime, origin="1970-01-01"))
window(zooser, start=A, end=B)

第二个标准是另一个滑动窗口，但是可以滑过time of day并且仅包含输入时间<{1>}分钟内<{1}}分钟内的条目任何一天。

示例：如果窗口大小为N，输入时间为2 hours，则窗口必须包含12:00PM和{{1}之间Time的所有行}

这是我无法搞清楚的部分。

编辑：我的数据中有漏洞，连续两行可能超过5分钟。数据看起来像这样（非常放大） enter image description here

当窗户穿过这些间隙时，窗户内的点数会有所不同。

以下是我的MySQL代码，它执行我想要在R中执行的操作（相同的表结构）：

10:00AM

Answer 1

1）如果DF是问题中显示的数据框，则按照您的方式从中创建一个zoo对象，并将其拆分为zs天。然后lapply您的函数f到每个组件中每个连续的w点集（即每天）。例如，如果您希望一次将数据应用于2小时数据，并且数据定期间隔5分钟数据，则w = 24（因为在两小时内有24个五分钟时段）。在这种情况下，f每次被调用时将24行数据作为矩阵传递。此外，align已设置为"right"，但可以将其设置为align="center"，条件ix可以更改为双面等。有关rollapply的详情，请参阅{ {1}}请参阅：?rollapply

library(zoo)
z <- zoo(DF[-2], as.POSIXct(DF[,1], origin = "1970-01-01"))
w <- 3 # replace this with 24 to handle two hours at a time with five min data
f <- function(x) {
            tt <- x[, 1]
            ix <- tt[w] - tt <= w * 5 * 60 # RHS converts w to seconds
            x <- x[ix, -1]
            sum(x) # replace sum with your function
    }
out <- rollapply(z, w, f, by.column = FALSE, align = "right")

使用问题中的数据框，我们得到了这个：

> out
$`2008-05-30`
2008-05-30 02:00:00 2008-05-30 02:05:00 2008-05-30 02:10:00 2008-05-30 02:15:00 
          -66.04703           -83.92148           -95.93558          -100.24924 
2008-05-30 02:20:00 2008-05-30 02:25:00 2008-05-30 02:30:00 2008-05-30 02:35:00 
         -108.15038          -121.24519          -134.39873          -140.28436

顺便提一下，请务必阅读this post。

2）这可以替换为w和f如下所示：

n <- nrow(DF)
m <- as.matrix(DF[-2])
sapply(w:n, function(i) { m <- m[seq(length = w, to = i), ]; f(m) })

如果需要，将sapply替换为lapply。此外，这可能看起来比第一个解决方案短，但是一旦您添加代码来定义f和w（它出现在第一个但不是第二个），它的差别不大。

如果白天没有漏洞，而且天之间只有漏洞，那么这些解决方案可以简化。

Answer 2

假设您的目标时间t0与pTime相同的比例：自纪元以来的秒数。然后t0-pTime =（两者之间的纪元以来的天数差异）+（剩余秒数的差异）。取t0 - pTime %%（每天的数字秒数）将使我们得到时钟算术的秒数差异（如果差值为负则包裹）。这表明了以下功能：

SecondsPerDay <- 24 * 60 * 60
within <- function(d, t0Sec, wMin) {
  diff <- (d$pTime - t0Sec) %% SecondsPerDay
  wSec <- 60 * wMin
  return(d[diff < wSec | diff > (SecondsPerDay - wSec), ])
}

R：基于一天中的时间有效地对数据帧进行子集化

2 个答案: