R语言中矩阵的滚动标准差

6
以下是一个股票每日收益矩阵的示例(ret_matriz)。
      IBOV        PETR4        VALE5        ITUB4        BBDC4        PETR3    
[1,] -0.040630825 -0.027795652 -0.052643733 -0.053488685 -0.048455772 -0.061668282
[2,] -0.030463489 -0.031010237 -0.047439725 -0.040229625 -0.030552275 -0.010409016
[3,] -0.022668170 -0.027012078 -0.022668170 -0.050372843 -0.080732363  0.005218051
[4,] -0.057468428 -0.074922051 -0.068414670 -0.044130126 -0.069032911 -0.057468428
[5,]  0.011897277 -0.004705891  0.035489885 -0.005934736 -0.006024115 -0.055017693
[6,]  0.020190656  0.038339130  0.009715552  0.014771317  0.023881732  0.011714308
[7,] -0.007047191  0.004529286  0.004135085  0.017442303 -0.005917177 -0.007047191
[8,] -0.022650593 -0.029481336 -0.019445057 -0.017442303 -0.011940440 -0.046076458
[9,]  0.033137223  0.035274722  0.038519205  0.060452104  0.017857617  0.046076458

举个例子,考虑一个5天的移动窗口,在此情况下我想要一个新的矩阵作为下面所描述的结果:

     IBOV        PETR4    ...       
[1,] 0           0        ...
[2,] 0           0        ... 
[3,] 0           0        ...
[4,] 0           0        ...
[5,] sd[1:5,1]  sd[1:5,2] ...
[6,] sd[2:6,1]  sd[2:6,2] ...
[7,] sd[3:7,1]  sd[3:7,2] ...
[8,] sd[4:8,1]  sd[4:8,2] ... 
[9,] sd[5:9,1]  sd[5:9,2] ...

使用zoo包我能够得出结果,但速度有点慢,有什么建议可以提高速度以达到相同的结果吗?
以下是zoo代码:
require(zoo)

apply(ret_matriz, 2, function(x) rollapply(x, width = 5, FUN = sd, fill = 0, align = 'r')) 

2
不需要使用apply,如果by.column=TRUE(默认值),则我认为rollapply(df, width=5, FUN=sd, fill=0, align="r")就足够了。 - Jilber Urbina
你的数据有多大? - Mike.Gahan
4062个观测值,143个变量。 - RiskTech
2个回答

9

1) 可以省略apply部分,我们也可以使用rollapplyr来简化:

rollapplyr(ret_matriz, 5, sd, fill = 0)

2) 另外,rollmeanrollapply 更快,因此我们可以使用以下公式从中构建:sd = sqrt(n/(n-1) * (mean(x^2) - mean(x)^2)):

sqrt((5/4) * (rollmeanr(ret_matriz^2, 5, fill = 0) - 
              rollmeanr(ret_matriz, 5, fill = 0)^2))

8
您可以使用 TTR::runSD 代替。
library(quantmod)
getSymbols("SPY")
spy <- apply(ROC(SPY), 2, runSD, n=5)
# head(spy)
#         SPY.Open    SPY.High     SPY.Low   SPY.Close SPY.Volume SPY.Adjusted
# [1,]          NA          NA          NA          NA         NA           NA
# [2,]          NA          NA          NA          NA         NA           NA
# [3,]          NA          NA          NA          NA         NA           NA
# [4,]          NA          NA          NA          NA         NA           NA
# [5,]          NA          NA          NA          NA         NA           NA
# [6,] 0.004369094 0.003112967 0.001064232 0.005035266  0.1577499  0.005063025

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文,
原文链接