0

R 中的 xts 和 zoo 库中有几个函数，它们试图将金融 OHLC(V) 数据从低粒度聚合到更高粒度，以及新来的 tibbletime::to_period，它对 tibble 执行相同的任务。然而，所有这些都遭受同样的低效率：当我们说一小时聚合时，它们将循环时间作为间隔的起点和终点，即边界将是上午 8 点、上午 9 点、上午 10 点,... 如果我有 15 分钟蜡烛的数据，我如何聚合 OHLC(V)，以便按 1 H 间隔而不是轮次聚合？

Time <- seq(from = as.POSIXct("2018-12-28 12:00:00"), to = as.POSIXct("2019-01-02 13:30:00"), by = 900)

Price_Data <- tibble::tibble(Time = Time, 
                             Open = 100 + rnorm(n = length(Time)), 
                             High = 100 + rnorm(n = length(Time)),                   
                             Low = 100 + rnorm(n = length(Time)),                   
                             Close = 100 + rnorm(n = length(Time)),                   
                             Volume = rpois(n = length(Time), lambda = 5000))
tail(Price_Data)

1 2019-01-02 12:15:00  99.7   5074
2 2019-01-02 12:30:00  99.9   4925
3 2019-01-02 12:45:00 101.    5070
4 2019-01-02 13:00:00  98.6   4919
5 2019-01-02 13:15:00  98.6   4925
6 2019-01-02 13:30:00  99.5   5046

如何将上述小标题聚合为 30M、1H、2H 和 4H，以便组具有所需的长度？例如，按 1H 汇总的最后一组将从 12:45:00 到 13:30:00 拿 4 支蜡烛，从 11:45:00 拿 2H，......我试过了

purrr::map(c("30 M","1 H","2 H","4 H")), function(Period) Price_Data %>%
          na.omit() %>% tibbletime::tbl_time(., index = Time) %>%
          tibbletime::collapse_by(Period, side = "end", clean = T) %>%
          dplyr::group_by(Time) %>%
          dplyr::mutate(Open = dplyr::first(Open),
                        High = max(High),
                        Low  = min(Low),
                        Close = dplyr::last(Close),
                        Volume = sum(Volume)) %>%
          dplyr::slice(n = n()) %>% dplyr::ungroup())

具有各种参数组合，但没有产生所需的结果。此外，按特定间隔内的蜡烛数分组也无济于事，因为现实世界的数据存在差距。

4

0 回答 0