6

我想最小化建模和观察到的价差之间的均方误差（可能使用包中mse()的）。hydroGOF函数定义为：

    KV_CDS <- function(Lambda, s, sigma_S){
     KV_CDS = (Lambda * (1 + s)) / exp(-s * sigma_S) - Lambda^2)
}

目标是mse通过在 KV_CDS 函数中为 Lambda 保留一个自由参数来最小化 KV_CDS 和 C 之间的值。

df <- data.frame(C=c(1,1,1,2,2,3,4),
                 Lambda=c(0.5),s=c(1:7),
                 sigma_S=c(0.5,0.4,0.3,0.7,0.4,0.5,0.8),
                 d=c(20,30,40,50,60,70,80), 
                 sigma_B=0.3, t=5, Rec=0.5, r=0.05)
4

2 回答 2

2

您需要编写一个函数来最小化计算这种特殊情况的均方误差，例如：

calcMSE <- function (Lambda) 
{
        d <- df # best not to use -df- as a variable because of confusion with
                # degrees of freedom
        err <- d$C - KV_CDS(Lambda, d$s, d$sigma_S, d$d, d$sigma_B, d$t, d$Rec, d$r)
        sum(err^2) / length(err)
}

...然后您可以使用optimize()，例如这样（您需要指定可能值的范围Lambda-- 顺便说一句，这不是一个理想的名称，因为它暗示它实际上只是一个变量时可能是一个函数）：

optimize(calcMSE,c(0,1))

我无法完成完整的测试，因为我没有pbivnorm安装，但这应该为你完成。

于 2013-02-28T19:46:23.843 回答
1

感谢西蒙，我找到了一个解决方案：

  d <- df

  TestMSE <- function(LR)
    {

     D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r)
      mse(d$C, D)
     }

  optimize(TestMSE,lower = 0.1, upper =1.5)

或者：

TestMSE2 <- function(LR)
    {
 D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r)
      mean((d$C- D)^2)
     }

  optimize(TestMSE2,lower = 0.1, upper =1.5)

谢谢你们的帮助！

于 2013-03-01T13:42:57.037 回答