使用sparklyr滚动处理大数据

Question

我想为约2250万个观测值的数据集估算滚动风险值，因此我想使用Sparklyr进行快速计算。这是我所做的(使用示例数据库):

library(PerformanceAnalytics)
library(reshape2)
library(dplyr)

data(managers)
data <- zerofill(managers)
data<-as.data.frame(data)
class(data)
data$date=row.names(data)
lmanagers<-melt(data, id.vars=c('date'))

现在，我使用dplyr和PerformanceAnalytics软件包估算VaR:

library(zoo) # for rollapply()
var <- lmanagers %>% group_by(variable) %>% arrange(variable,date) %>% 
  mutate(var=rollapply(value, 10,FUN=function(x) VaR(x, p=.95, method="modified",align = "right"), partial=T))

这很好。现在，我这样做是为了利用sparklyr:

library(sparklyr)
sc <- spark_connect(master = "local")
lmanagers_sp <- copy_to(sc,lmanagers)
src_tbls(sc)

var_sp <- lmanagers_sp %>% group_by(variable) %>% arrange(variable,date) %>% 
  mutate(var=rollapply(value, 10,FUN=function(x) VaR(x, p=.95, method="modified",align = "right"), partial=T)) %>% 
  collect

但这会产生以下错误:

Error: Unknown input type: pairlist

谁能告诉我错误在哪里和正确的代码是什么？或任何其他估计更快的滚动VaR的解决方案也将受到赞赏。

Answer 1

对于像dplyr这样的自定义sparklyr后端，mutate目前不支持其他包中定义的任意R函数；因此，当前不支持rollapply()。

为了计算sparklyr中的风险值，一种方法是对extend sparklyr using Scala and R并遵循类似于Estimating Financial Risk with Apache Spark的方法。