r - 如何为样本外回测构建循环函数？

Question

R 中的许多统计库提供了拟合模型的可能性，然后使用优化结果来预测未来一些时期的值。但是，许多人无法对样本外的结果进行回测。

因此，我想构建一个允许我（向前走的方法）的 R 函数：

1. 使用移动窗口定义训练集（每个循环时间，删除最旧的观察并添加最新的）
2. 运行优化器从而校准模型
3. 使用校准后的模型生成 n 步提前预测
4. 将新预测存储在样本外预测值的向量中（连同预测日期）
5. 循环 1-4

我尝试了以下方法（x 是样本外集的长度，n 是训练集的固定长度）：

for (j in range (0:x)){
    append <- vector()
    forecast <- vector()
    set <- train [j+1:n+j,]
    fit <- fit(data = set, model) 
    forecast <- predict(fit, ahead = 1) 
    append <- cbind(lubridate::as_date(ts_date[n+j+1]), forecast)
    forc <- rbind(forc, append)
}

但是，矩阵 forc 仅包含循环的第一个和最后一个结果。

任何人都可以在这里发现错误吗？

Answer 1

R中的范围仅返回循环的第一个和最后一个结果