Question

我正在模拟GARCH模型。模型本身并不太相关，我想问你的是如何在R中优化模拟。如果你看到任何矢量化的空间，我已经考虑过但我看不到它。到目前为止我所拥有的是：

让：

#    ht=cond.variance in t
#    zt= random number 
#    et = error term
#    ret= return
#    Horizon= n periods ahead

所以这就是代码：

randhelp= function(horizon=horizon){
    ret <- zt <- et <- rep(NA,horizon)#initialize ret and zt et
    for( j in 1:horizon){
      zt[j]= rnorm(1,0,1)
      et[j] = zt[j]*sqrt(ht[j])
      ret[j]=mu + et[j]

      ht[j+1]= omega+ alpha1*et[j]^2 + beta1*ht[j]
    }
    return(sum(ret))
  }

我想从现在起对5个时期的回报进行模拟，所以我会运行这个让我们说10000。

#initial values of the simulation
ndraws=10000
horizon=5 #5 periods ahead
ht=rep(NA,horizon) #initialize ht
ht[1] = 0.0002
alpha1=0.027
beta1 =0.963
mu=0.001
omega=0


sumret=sapply(1:ndraws,function(x) randhelp(horizon))

我认为这种情况运行得相当快，但我想问你是否有办法以更好的方式解决这个问题。

谢谢！

Answer 1

在Vincent的回复基础上，我改变了所有内容，同时将zt全部转换为apply(ret, 1, sum)并将rowSums(ret)切换为randhelp2 <- function(horizon = 5, N = 1e4, h0 = 2e-4, mu = 0, omega = 0, alpha1 = 0.027, beta1 = 0.963 ){ ret <- et <- ht <- matrix(NA, nc = horizon, nr = N) zt <- matrix(rnorm(N * horizon, 0, 1), nc = horizon) ht[, 1] <- h0 for(j in 1:horizon){ et[, j] <- zt[, j] * sqrt(ht[, j]) ret[,j] <- mu + et[, j] if( j < horizon ) ht[, j + 1] <- omega + alpha1 * et[, j] ^ 2 + beta1 * ht[, j] } rowSums(ret) } system.time(replicate(10,randhelp(N=1e5))) user system elapsed 7.413 0.044 7.468 system.time(replicate(10,randhelp2(N=1e5))) user system elapsed 2.096 0.012 2.112，并且加速了相当多。我尝试了两个编译，但没有主要差异：

{{1}}

可能还有改进的余地： - ）

Answer 2

您可以使用大小为N的向量，而不是在循环中使用数字：删除隐藏在sapply中的循环。

randhelp <- function(
  horizon=5, N=1e4, 
  h0 = 2e-4, 
  mu = 0, omega=0,
  alpha1 = 0.027,
  beta1  = 0.963
){
  ret <- zt <- et <- ht <- matrix(NA, nc=horizon, nr=N)
  ht[,1] <- h0
  for(j in 1:horizon){
    zt[,j]   <- rnorm(N,0,1)
    et[,j]   <- zt[,j]*sqrt(ht[,j])
    ret[,j]  <- mu + et[,j]
    if( j < horizon )
      ht[,j+1] <- omega+ alpha1*et[,j]^2 + beta1*ht[,j]
  }
  apply(ret, 1, sum)
}
x <- randhelp(N=1e5)

R中GARCH的模拟

2 个答案: