查找符合条件的相邻行

Question

我在R中有一个金融时间序列（目前是xts对象，但我现在还在研究tibble）。

如何找到连续两行匹配条件的概率？

例如，我想知道连续两天的值是否高于平均/中位数值的概率。我知道我可以使用lag将前一天的值延迟到下一行，从而获得这个统计数据，但这似乎非常麻烦和不灵活。

有更好的方法来完成这个任务吗？

xts样本数据：

foo <- xts(x = c(1,1,5,1,5,5,1), seq(as.Date("2016-01-01"), length = 7, by = "days"))

两天连续的值都高于中位数的概率是多少？

- TommyF

---

请提供一个最小化的可重现示例（Reproducible example），具体操作请参考此链接：https://dev59.com/eG025IYBdhLWcg3whGSx。 - Heikki

我添加了最小的xts样本数据。 - TommyF

Answer 1

你可以创建一个新列来标识高于中位数的值，然后只选择连续且高于中位数的值。

> foo <- as_tibble(data.table(x = c(1,1,5,1,5,5,1), seq(as.Date("2016-01-01"), length = 7, by = "days")))

步骤1

创建列以查找高于中位数的值。

> foo$higher_than_median <- foo$x > median(foo$x)

步骤2

使用diff比较该列，

只有当两个连续的值都更高或更低时才采用..c(0, diff(foo$higher_than_median) == 0

然后添加条件，它们必须都更高 foo$higher_than_median == TRUE

完整表达式：

foo$both_higher <- c(0, diff(foo$higher_than_median)) == 0 & $higher_than_median == TRUE

第三步

为了找到概率，取 foo$both_higher 的平均值。

mean(foo$both_higher)
[1] 0.1428571

- Matt W.

Answer 2

这里有一个纯xts解决方案。

如何定义中位数？有几种方法。

在在线时间序列使用中，例如计算移动平均值，您可以在固定的回溯窗口内计算中位数（如下所示），或从起点到现在（锚定窗口计算）。在中位数计算中，您将不会知道当前时间步之后的未来值（避免向前看偏差）。

library(xts)
library(TTR)

x <- rep(c(1,1,5,1,5,5,1, 5, 5, 5), 10)
y <- xts(x = x, seq(as.Date("2016-01-01"), length = length(x), by = "days"), dimnames = list(NULL, "x"))

# Avoid look ahead bias in an online time series application by computing the median over a rolling fixed time window:
nMedLookback <- 5
y$med <- runPercentRank(y[, "x"], n = nMedLookback)
y$isAboveMed <- y$med > 0.5

nSum <- 2
y$runSum2 <- runSum(y$isAboveMed, n = nSum)

z <- na.omit(y)
prob <- sum(z[,"runSum2"] >= nSum) / NROW(z)

当你的中位数在整个数据集上时，这个情况显然是一个更容易的修改。

- FXQuantTrader

---

你认为非xts解决方案更适合金融时间序列吗？从你的用户名来看，你在这方面有一些经验;-) - TommyF

你查过xts代表什么了吗？;) 一般来说，如果使用xts对象，我会始终使用通常基于c实现且快速的xts实用程序。尤其是对于很大的对象，例如具有1e8+行的tick数据，这更为重要。不过，总的来说，对于小数据集，请使用您最熟悉的工具。 - FXQuantTrader