Question

随着时间的推移，我正在为订单的开发建模。我有一个xts的初始订单形状，然后是xts中的后续深度更新：

初始订单形状如下所示（所有条目具有相同的时间）：

                            BID.price       size
2014-02-11 23:59:42.494426  508.1000        10.0000000
2014-02-11 23:59:42.494426  509.1200         8.0000000
2014-02-11 23:59:42.494426  509.1000        10.0000000

以及随后的深度udpates如下所示：

                           BID. price       size
2014-02-12 04:57:51.191514 508.1000        -10.00000000
2014-02-12 04:57:51.640302 514.0000         10.00000000

我需要做的是：

1）对于更新中的每一行，将价格与订单簿进行比较：

1a）如果更新价格水平已经在订单中，请相应调整大小，因此上面的示例如下所示：

                            BID.price       size
2014-02-12 04:57:51.191514  509.1200         8.0000000
2014-02-12 04:57:51.291514  509.1000        10.0000000

（价格水平508.10000已删除，时间已更新）

1b）如果深度更新尚未在订单中，请添加给定大小的新奖品级别，因此示例如下：

                            BID.price       size
2014-02-12 04:57:51.640302  509.1200         8.0000000
2014-02-12 04:57:51.640302  509.1000         10.0000000
2014-02-12 04:57:51.640302  514.0000         10.00000000

（增加了514的新价格水平并调整了时间）。

有没有方便快捷的方法如何避免for循环过度更新xts？

谢谢！

Answer 1

我认为不需要在这里使用xts对象，因为索引对于所有观察都是相同的，这里的正确id是bid变量。所以我使用1个简单的data.frame解释我的解决方案，如上所示：

DT                  ## the day before
  day    bid size
1   1 508.10   10
2   1 509.12    8
3   1 509.10   10
DT1                ## the current or last day
  day   bid size
1   2 508.1  -10
2   2 514.0   10

现在使用merge我们几乎有解决方案：

dtm
     bid day.x size.x day.y size.y
1 508.10     1     10     2    -10
2 509.10     1     10    NA     NA
3 509.12     1      8    NA     NA
4 514.00    NA     NA     2     10

现在我们应该调整大小并删除空位置的出价。我在这里调整了一个中间％+％函数来处理缺失的值。

## compute size
"%+%" <- function(x,y) 
     ifelse(is.na(x),
            ifelse(is.na(y),NA,y),
            ifelse(is.na(y),x,NA))
## remove  numm poistion(size==0)
subset(transform(dtm,size=size.x%+%size.y,day=max(day.y,na.rm=T)),
       size !=0,select=c(day,bid,size))

 day    bid size
2   2 509.10   10
3   2 509.12    8
4   2 514.00   10

我认为你可以使用data.table来获得更多的简洁和语法糖解决方案。

通过xts递归循环

1 个答案: