r - 优化 R 代码 - S&P500 系列的抽样返回

Question

我试图了解“获胜百分比”如何影响交易策略的返回。

我下载了标准普尔的价格并计算每日返回。然后，我随机选择这些返回的 x% 并说我正确预测了它的方向，因此返回为正。对于剩下的 1-x%，我说我错了，返回是负数。我重复这个过程 1000 次并收集年化几何返回。

我以 0.01 的增量间隔将 x 从 0.5 更改为 0.6。

这是我的代码:

library(quantmod)
library(multicore)

getSymbols("^GSPC", from = "1950-1-1")
ret <- ROC(GSPC)[-1,4]

set.seed(123)

winpct <- seq(0.5, 0.6, 0.01)
ret <- coredata(ret)

system.time(res <- simplify2array(mclapply(winpct, function(x) replicate(1000, drawsample(ret, x)))))

drawsample <- function(ret, winpct){
  len = length(ret)
  ret = abs(ret)

  win = sample(1:len, round(winpct * len))
  a = c(ret[win], -ret[-win])
  return(prod(1 + a) ^ (252 / length(a)) - 1)
}

所用时间:

   user  system elapsed 
 18.904   0.842   5.580 

我可以做进一步的优化来加快速度吗？

Answer 1

我做了以下两项调整:

1/使用 exp(sum(a)) 而不是 prod(1+a)。我认为您无论如何都想要这个，因为您已经使用 ROC(GSPC)[-1,6] 创建了一个日志返回系列。根据 rbenchmark，这使我的速度提高了约 7%。

2/从c(-1,-1)中采样得到ret序列的长度，然后与ret序列相乘，得到有符号序列的返回。这让我又赚了 30%。

请注意，在我的代码中，我已将您的 a 重命名为 bin。

drawsample2 <- function(ret, winpct){
  len = length(ret)
  win = sample(c(-1,1), len, replace=TRUE, prob = c((1-winpct), winpct))
  ret <- abs(ret)
  bin <- ret*win
  return(exp(sum(bin))^(252/length(ret)) - 1)
}

针对您的 drawsample() 进行基准测试，我获得了约 37% 的加速。

bb <- benchmark(simplify2array(mclapply(winpct, function(x) replicate(1000, drawsample(ret, x)))), 
          simplify2array(mclapply(winpct, function(x) replicate(1000, drawsample2(ret, x)))),
          columns =c('test', 'elapsed', 'relative'),
          replications = 10,
          order = 'elapsed')

在我的 MBP 上，以下是基准:

> bb

  elapsed relative
2  17.254    1.000
1  27.734    1.607