非標準の依存関係を持つ時系列でブートストラップを実行する必要があります。そのためには、時間ごとに調整して時系列をシミュレートする関数を作成する必要があります。
testing<-function(){
sampleData<-as.zoo(data.frame(index=1:1000,vol=(rnorm(1000))^2,x=NA))
sampleData[,"x"]<-sampleData[,"vol"]+rnorm(1000) #treat this is completely exognenous and unknown in connection to vol
sampleData<-cbind(sampleData,mean=rollmean(sampleData[,"vol"],k=3,align="right"))
sampleData<-cbind(sampleData,vol1=lag(sampleData[,"vol"],k=-1),x1=lag(sampleData[,"x"],k=-1),mean1=lag(sampleData[,"mean"],k=-1))
#get estimate
mod<-lm(vol~vol1+x1+mean1,data=sampleData)
res<-mod$residuals
for(i in 5:1000){
#recursively estimate
sampleData[i,"vol"]<-as.numeric(predict(mod,newdata=data.frame(sampleData[i-1,])))+res[i-3]
#now must update other paramaters
#first our rolled average
sampleData[i,"mean"]<-mean(sampleData[(i-3):i,"vol"])
#reupdate our lagged variables
sampleData[i,"vol1"]<-sampleData[i-1,"vol"]
sampleData[i,"mean1"]<-sampleData[i-1,"mean"]
}
lm(vol~vol1+x1+mean1,data=sampleData)
}
このコードを実行して、取得した実行時間を測定すると、
system.time(testing())
user system elapsed
2.711 0.201 2.915
ブートストラップを構築するためにこのコードを統合するので、これは私にとってわずかな問題です。これは、ここでかかる時間は、各ステップで約100倍されることを意味します。そして、私はこれを数千回更新しています。つまり、1回の実行には数時間(数日)かかります。
このコードを高速化する方法はありますか?
敬具、
マシュー