Question

我正在尝试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对应于变化的波动率指数。

在大型系列（超过100000）点的回测中，这个计算导致我“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，总是为f（）设置不同的值。但到目前为止我还没有找到快速解决方案。

如果有人可以帮助我处理我的问题，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。

提前做了很多事马丁

Answer 1

通过filter()：

也可以实现非常有效的移动平均操作

  ## create a weight vector -- this one has equal weights, other schemes possible
  weights <- rep(1/nobs, nobs)     

  ## and apply it as a one-sided moving average calculations, see help(filter)
  movavg <- as.vector(filter(somevector, weights, method="convolution", side=1))

这只是左翼，其他选择是可能的。

Answer 2

对于时间序列，请参阅zoo包中的函数rollmean。

您实际上并不计算移动平均线，而是某种加权累积平均值。（加权）移动平均线将类似于：

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))
})

确保重新调整权重，使它们与观察量相加。

对于您自己的计算，您可以尝试类似：

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)
})

这将平均值计算为MAt的线性组合，权重由alpha的累积乘积定义。

在旁注上：我假设指数介于0和1之间。

Answer 3

我刚刚在VMA包中添加了TTR函数来执行此操作。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

文档中的一些注释：

'VMA'计算可变长度基于绝对值的移动平均线 'w'的价值。更高（更低）的值 'w'会导致'VMA'反应更快（更慢）。

pre-compiled binaries应在24小时内R-forge上。

在R中有效计算“变量（包括的点数）”移动平均值

3 个答案: