1

我正在分析股票的日内交易量概况。我已经构建了一段（粗略的）代码，它可以很好地完成两件事，但速度很慢。一只股票在给定时期内可以进行超过 20 万次交易，我想分析大约 200 只股票。

我的代码查看了超过 3 个月的交易数据，每天将数据分成 10 分钟的存储桶。我这样做是为了确保一只股票每桶至少交易 x 值。然后，我将日内存储桶聚合为时间存储桶，以了解平均交易量分布。

下面的代码示例仅显示了我如何对数据进行 bin 分类，然后按 bin 进行聚合：

% Totals by time bucket

for i = 1:size(VALUE,1)
    MyDay = day(datenum(sprintf('%d',VALUE(i,1)),'yyyymmdd'));
    MyMonth = month(datenum(sprintf('%d',VALUE(i,1)),'yyyymmdd'));
    MyYear = year(datenum(sprintf('%d',VALUE(i,1)),'yyyymmdd'));
    StartHour = hour(VALUE(i,2));
    StartMinute = minute(VALUE(i,2));
    EndHour = hour(VALUE(i,3));
    EndMinute = minute(VALUE(i,3));
    if StartMinute ~= 50
        t = (day(MyTrades(:,1)) == MyDay & month(MyTrades(:,1)) == MyMonth & year(MyTrades(:,1)) == MyYear & hour(MyTrades(:,1)) == StartHour & minute(MyTrades(:,1)) >= StartMinute & minute(MyTrades(:,1)) <= EndMinute);
    else
        t = (day(MyTrades(:,1)) == MyDay & month(MyTrades(:,1)) == MyMonth & year(MyTrades(:,1)) == MyYear & hour(MyTrades(:,1)) == StartHour & hour(MyTrades(:,1)) < EndHour & minute(MyTrades(:,1)) >= StartMinute);
    end    
    tt = MyTrades(t,:);
    MyVALUE(i,1) = sum(tt(:,5));
end  





% Aggregate totals

for ii = 1:50
    VWAP(ii,1) = datenum(0,0,0,9,0,0)+datenum(0,0,0,0,10,0)*ii-datenum(0,0,0,0,10,0) ;
    VWAP(ii,2) = datenum(0,0,0,9,0,0)+datenum(0,0,0,0,10,0)*ii;
    StartTime = VWAP(ii,1);
    temp = (VALUE(:,2) == StartTime);
    temp2 = VALUE(temp,:);
    VWAP(ii,3) = sum(temp2(:,4))/100;
end

有没有更优雅和（更重要的是）更快的方法来计算这些类型的“蛮力”分析？

4

1 回答 1

1

而不是使用像 DateNumber 这样的复杂数据，而是使用时间戳并使 dateenum 仅值一次。

你必须完全重写你的代码，但是用时间戳来思考对计算（和数据库）更友好

这里有一些帮助从 DateNumber 中的时间戳转换：http: //www.mathworks.it/matlabcentral/newsreader/view_thread/119237

于 2012-09-17T12:13:38.957 回答