在假设的场景中，我收到大量数据，并且在收到时通常按时间顺序排列，是否有任何方式可以播放＆＃34;数据是向前还是向后，从而根据需要重新创建新信息流？我知道，在一个简单的意义上，我总是有一个脚本（任何输出都不重要），它以一个for循环开始，它接受任意数量的事件或观察并做某事，然后接受更多的观察，更新以前的内容输出带有新结果，依此类推。有没有一种方法比简单的for循环更容易扩展？
基本上，每当我查看这个主题时，我很快就会发现自己导航到高频交易的主题领域，特别是通过对历史数据进行回溯测试的算法效率。虽然我的问题是在更广泛的意义上这样做，我们的观察不需要股票/期权/未来价格点，但必须采用相同的原则。有没有人有过如此平台建立在一个更可扩展的级别上的经验，而不仅仅是一个逻辑低于它的for循环？另一个例子是健康数据/索赔，随着时间的推移，随着时间的推移，人们可以看到发生的事情。
答案 0 :(得分：0)
优化循环的问题是，假设您有3年时间，并且您只有3个感兴趣的事件。然后，您可以使用基于事件的回溯测试，仅使用3次迭代。
这里的问题是你必须预先计算需要数据的事件，并且大多数时候你需要有关你回溯的统计数据，这些数据也需要数据，例如max-drawdown。
所以大多数回溯框架无论如何都会使用循环。或者如果你在R / Matlab Numpy上进行矢量化
如果您真的需要优化它，您可能需要预先计算并存储所有信息，然后进行查找