r - 如何推广这个算法(符号模式匹配计数器)？

Question

我在 R 中有这段代码:

corr = function(x, y) {
    sx = sign(x)
    sy = sign(y)

    cond_a = sx == sy && sx > 0 && sy >0
    cond_b = sx < sy && sx < 0 && sy >0
    cond_c = sx > sy && sx > 0 && sy <0
    cond_d = sx == sy && sx < 0 && sy < 0
    cond_e = sx == 0 || sy == 0

    if(cond_a) return('a')
    else if(cond_b) return('b')
    else if(cond_c) return('c')
    else if(cond_d) return('d')
    else if(cond_e) return('e')
}

它的作用是与 R 中的 mapply 函数结合使用，以便计算时间序列中存在的所有可能符号模式。在这种情况下，模式的长度为 2，所有可能的元组为:(+,+)(+,-)(-,+)(-,-)

我这样使用 corr 函数:

> with(dt['AAPL'], table(mapply(corr, Return[-1], Return[-length(Return)])) /length(Return)*100)

         a          b          c          d          e 
24.6129416 25.4466058 25.4863041 24.0174672  0.3969829 

> dt["AAPL",list(date, Return)]
      symbol       date     Return
   1:   AAPL 2014-08-29 -0.3499903
   2:   AAPL 2014-08-28  0.6496702
   3:   AAPL 2014-08-27  1.0987923
   4:   AAPL 2014-08-26 -0.5235654
   5:   AAPL 2014-08-25 -0.2456037

我想将 corr 函数概括为 n 个参数。这意味着对于每个 n，我都必须写下与所有可能的 n 元组相对应的所有条件。目前我能想到的最好的方法是制作一个 python 脚本来使用循环编写代码字符串，但必须有一种方法可以正确地做到这一点。您是否知道我如何概括复杂的条件编写，也许我可以尝试使用 expand.grid 但如何进行匹配？

Answer 1

我认为你最好使用 rollapply(...)在zoo为此打包。由于您似乎正在使用 quantmod无论如何(加载 xts 和 zoo )，这是一个不使用所有嵌套 if(...) 的解决方案声明。

library(quantmod)
AAPL    <- getSymbols("AAPL",auto.assign=FALSE)
AAPL    <- AAPL["2007-08::2009-03"]    # AAPL during the crash...
Returns <- dailyReturn(AAPL)

get.patterns <- function(ret,n) {
  f <- function(x) {  # identifies which row of `patterns` matches sign(x)
    which(apply(patterns,1,function(row)all(row==sign(x))))
  }
  returns  <- na.omit(ret)
  patterns <- expand.grid(rep(list(c(-1,1)),n))
  labels   <- apply(patterns,1,function(row) paste0("(",paste(row,collapse=","),")"))
  result   <- rollapply(returns,width=n,f,align="left")
  data.frame(100*table(labels[result])/(length(returns)-(n-1)))
}
get.patterns(Returns,n=2)
#      Var1     Freq
# 1 (-1,-1) 22.67303
# 2  (-1,1) 26.49165
# 3  (1,-1) 26.73031
# 4   (1,1) 23.15036

get.patterns(Returns,n=3)
#         Var1      Freq
# 1 (-1,-1,-1)  9.090909
# 2  (-1,-1,1) 13.397129
# 3  (-1,1,-1) 14.593301
# 4   (-1,1,1) 11.722488
# 5  (1,-1,-1) 13.636364
# 6   (1,-1,1) 13.157895
# 7   (1,1,-1) 12.200957
# 8    (1,1,1) 10.765550

基本思路是创建一个patterns矩阵 2^n行和 n 列，其中每行代表一种可能的模式(例如，(1,1)、(-1,1) 等)。然后使用 rollapply(...) 将每日 yield n-wise 传递给此函数并确定 patterns 中的哪一行火柴sign(x)确切地。然后使用这个行号向量和一个索引到 labels ，其中包含模式的字符表示，然后使用 table(...)和你一样。

这对于 n 天模式是通用的，但它忽略了任何返回恰好为零的情况，因此 $Freq列加起来不等于 100。如您所见，这种情况并不经常发生。

有趣的是，即使在崩盘期间，连续两天上涨的可能性(非常小)也高于连续两天下跌的可能性。如果你看plot(Cl(AAPL))在此期间，您可以看到这是一段相当疯狂的旅程。