0
我一直在通過將曲線擬合到價格序列中來運行R中的估計。我想通過對關鍵參數m和ω進行非常小的改變來評估曲線的適應性,使其處於最佳值。要做到這一點,我想看看平方殘差的總和是如何變化的。我對殘差定義的功能如下:在R中重複一段代碼並將結果存儲爲向量
# Define function for sum of squared residuals, to evaluate the fitness of parameters m and omega
residuals <- function(m, omega, tc) {
lm.result <- LPPL(rTicker, m, omega, tc)
return(sum((FittedLPPL(rTicker, lm.result, m, omega, tc) - rTicker$Close) ** 2))
}
然後我就可以在最佳產量爲SSR的絕對值如下:
#To return value of SSR
residvalue <- residuals(m, omega,tc)
我想要做的就是重複這個代碼在m(然後是Ω)的值序列。
例如,如果最佳m = 0.5,我想運行此代碼來計算m值的序列的對象'residvalue',該值位於0 <之間,區間大小= 0.01(即運行100時間爲100個不同的SSR值)。然後,我想將這些結果SSR值存儲在一個向量中(然後我可以將其轉化爲觀察數據幀)。這看起來像一個微不足道的任務,但我不知道如何去做。任何幫助,將不勝感激。