rollapply

1熱度

1回答

我想使用dplyr將多個事物組合在一起：鑑於我有多個返回的時間序列，我想計算平均相關性（我簡化了我的實際任務以提供最簡單可能的例子）所有的回報與所有其他回報。當然（與下面的例子不同），我的真實數據集相當大（並且還沒有spread(stock,ret)）包含多個NA。此外，在第二步中，我將不得不創建自己的功能並將其提供給rollapply。因此，如果您有使用RCpproll軟件包的建議，我將非常高興

1熱度

1回答

Rolling Regression Data Frame滾動迴歸數據框

請注意，以前可能已經問過這個問題，但我還沒有找到明確的解決方案來處理數據框。我想在5天的後面運行滾動線性迴歸。（小，所以可以在這裏說明）到目前爲止，我想： rollingbeta <- rollapply(df, width=5, FUN = function(Z) { t = lm(formula=y_

0熱度

2回答

如何在R中的data.table中給定條件中的滯後時間數據？

我對R相當陌生，並且經歷了一些教程。我想要做的是找到一種基於某些條件將數據連接到自身的好方法。在這種情況下，我想要做的就是挑選滯後的任意長度和創建滾動窗口。例如，如果滯後= 1和窗口寬度= 2，我想要累計每個月前1個月的2個月（如果存在）。如果我開始用這樣的數據表：（）與寬度 Month Year Company ProducedCereals CommercialsShown 6

0熱度

1回答

滾動滯後差異

好了，所以我期待創建滾動滯後於R. vec <- c(43.79979, 44.04865, 44.17308, 44.54638, 44.79524, 44.79524, 44.79524, 44.42195, 44.54638, 44.79524, 44.42195, 43.30206, 43.30206, 43.17764, 43.30206) > length(vec) [1] 15

1熱度

1回答

使用rollapply輸出到列表清單

我想使用rollapply或rollapplyr將modwt函數應用於我的時間序列數據。我很熟悉rollapply/r是如何工作的，但我需要一些幫助來設置輸出，以便在使用rollapply時能夠正確存儲我的結果。波浪邊緣包中的modwt函數需要一個時間序列並將其分解爲J個等級，對於我的特殊問題J = 4，這意味着我將從我的單個時間序列中存儲4個系列集合，存儲在5個列表中。在這個列表中，我只關心

0熱度

1回答

使用滾動窗口的小波關聯

我有3個時間序列，我可以將小波變換應用到滾動窗口。滾動窗口採用長度爲200的單個時間序列，並在前30個樣本上應用waveslim::modwt函數。此輸出5只列出其中我只對感興趣的（D1，D2，D3，D4），並且這些各自具有30的長度一個簡單的例子可以在這裏找到： library(waveslim) J <- 4 #no. of levels in decomposition data(ar1

0熱度

1回答

計數觀測

我正在尋找一種方法來計算像here但根據特定的觀察（移動計數）來改變標準的能力的觀察。例如 - （從最後的50）計數的MAG的觀測數其比MAG的特定觀察更大。代碼我有： rollapplyr(zoo(mag),50,function(i){sum(mag>i)},partial=T,by.column=F,fill=NA)) 此代碼取50個最後觀測的平均MAG和計算高於平均觀測值的數目（在

4熱度

1回答

滾動軸承預測使用dplyr和rollapply

我的第一個問題這裏:) 我的目標是：考慮到與預測的數據幀（每列一個預測器/行的觀察結果）使用LM擬合迴歸，然後預測使用滾動窗口使用上次觀察的值。數據幀看起來像： > DfPredictor[1:40,] Y X1 X2 X3 X4 X5 1 3.2860 192.5115 2.1275 83381 11.4360 8.7440 2

0熱度

1回答

計算去年觀測值的最大值

爲了從去年的觀測值（不是每年！）中獲取變量的最大值，並將其實施到每一行（觀測值），我非常努力。我認爲最好的方法是使用rollapply函數，但我無法弄清楚寬度應該是什麼樣子，因爲每個觀察結果可能會有所不同（每個觀察結果代表一天，但並非所有天都有觀察結果）。我知道使用列表會產生偏移值，所以這些值看起來如何？我得到的代碼：一排具有31/8/2016日期：爲了澄清 mutate(data,"Feat

5熱度

2回答

使用sparklyr進行大數據滾動

我想估計大約2250萬觀測數據集的滾動值風險，因此我想使用sparklyr進行快速計算。下面是我做的（使用的樣本數據庫）： library(PerformanceAnalytics) library(reshape2) library(dplyr) data(managers) data <- zerofill(managers) data<-as.data.frame(data)