複数の列を持つ xts オブジェクトに対してローリング線形回帰を計算する最も効率的な方法を見つけるのに問題があります。ここで、stackoverflow に関するいくつかの以前の質問を検索して読みました。
この質問と回答は近いですが、すべての回帰で従属変数を変更せずに多重回帰を計算したいので、私の意見では十分ではありません。ランダムデータを使用して例を再現しようとしました:
require(xts)
require(RcppArmadillo) # Load libraries
data <- matrix(sample(1:10000, 1500), 1500, 5, byrow = TRUE) # Random data
data[1000:1500, 2] <- NA # insert NAs to make it more similar to true data
data <- xts(data, order.by = as.Date(1:1500, origin = "2000-01-01"))
NR <- nrow(data) # number of observations
NC <- ncol(data) # number of factors
obs <- 30 # required number of observations for rolling regression analysis
info.names <- c("res", "coef")
info <- array(NA, dim = c(NR, length(info.names), NC))
colnames(info) <- info.names
配列は、複数の変数 (残差、係数など) を経時的に因子ごとに格納するために作成されます。
loop.begin.time <- Sys.time()
for (j in 2:NC) {
cat(paste("Processing residuals for factor:", j), "\n")
for (i in obs:NR) {
regression.temp <- fastLm(data[i:(i-(obs-1)), j] ~ data[i:(i-(obs-1)), 1])
residuals.temp <- regression.temp$residuals
info[i, "res", j] <- round(residuals.temp[1] / sd(residuals.temp), 4)
info[i, "coef", j] <- regression.temp$coefficients[2]
}
}
loop.end.time <- Sys.time()
print(loop.end.time - loop.begin.time) # prints the loop runtime
data[, 1]
ループが示すように、アイデアは、従属変数 (因子) を他の因子の 1 つに対して毎回使用して、30 観測のローリング回帰を実行することです。fastLm
は標準化された残差を計算しないため、それらを標準化するために一時オブジェクトに 30 の残差を保存する必要があります。
xts オブジェクトの列 (因子) の数が約 100 ~ 1,000 列に増えると、ループが非常に遅くなり、面倒になります。大規模なデータセットに対してローリング回帰を作成するためのより効率的なコードがあることを願っています。