2

是否可以优化（使其更快）这段代码：

out <- do.call(rbind,
        lapply(split(Cl(cumulativeBars), "days"), 
                function(x) {
                    previousFullBars <- barsEndptCl[as.Date(index(barsEndptCl), tz=indexTZ(barsEndptCl)) < as.Date(last(index(x)), tz=indexTZ(x)), ]
                    if (NROW(previousFullBars) >= 4) {
                        last(SMA(last(rbind(previousFullBars, x), n=6), n=5))
                    } else {
                        xts(NA, order.by=index(x))
                        }
                    }))

您可以在下面找到我的原始问题，其中包含所有运行的代码示例，但对我的需要有点慢。

原始问题：

在我能够以累积方式将 xts 转换为较低频率之后如何以累积方式将 xts 转换为较低频率感谢阅读此列表的人。

现在我正在尝试使用下面的代码计算移动平均线的“演变”。这对我来说是缓慢的。可以以任何方式优化 tis 代码（来自 # TODO：如何计算移动平均线？，以 out <- do.call(rbind,lapply(split(Cl(cumulativeBars)...) 开头的部分）吗？

to.weekly.cumulative <- function(xts.obj, name="") {
    out <- do.call(rbind, 
            lapply(split(xts.obj, 'weeks'), 
                    function(x) cbind(rep(first(x[,1]), NROW(x[,1])), 
                                cummax(x[,2]),     cummin(x[,3]), x[,4])))
    colnames(out) <- paste(name, c("Open", "High", "Low", "Close"), sep=".")
    out
}

library(quantmod)
data(sample_matrix)
myxts <- as.xts(sample_matrix)

head(to.weekly.cumulative(myxts), 15)

# TODO: How to compute moving average?

# This SMA(Cl(to.weekly.cumulative(myxts)), n=5) would obviously be wrong 

cumulativeBars <- to.weekly.cumulative(myxts)

barsEndptCl <- Cl(cumulativeBars[endpoints(cumulativeBars, 'weeks')])
barsEndptCl <- Cl(to.weekly(myxts))

#all.equal(cumulativeBars[endpoints(cumulativeBars, 'weeks')], to.weekly(myxts))

out <- do.call(rbind,
        lapply(split(Cl(cumulativeBars), "days"), 
                function(x) {
                    previousFullBars <-     barsEndptCl[as.Date(index(barsEndptCl), tz=indexTZ(barsEndptCl)) < as.Date(last(index(x)),     tz=indexTZ(x)), ]
                    if (NROW(previousFullBars) >= 4) {
                                last(SMA(last(rbind(previousFullBars, x), n=6), n=5))
                    } else {
                        xts(NA, order.by=index(x))
                        }
                    }))

colnames(out) <- "SMA5"

out <- lag.xts(out, k=7)

chart_Series(to.weekly(myxts))
add_TA(SMA(to.weekly(myxts), 5), on=1, col="red")
add_TA(out, on=1, col="green")
4

1 回答 1

0

正如您可能试图确定的那样，移动平均线并不完全“演变”。作为一个动量指标，它更多的是关于周期而不是长期的“演变”。

当您看到趋势以某种方式发展时，您绝对可以跳出移动平均线。200 天趋势在 190 天趋势之前，在此之前是 180 天趋势。尝试围绕此构建交易系统可能是一个更易于管理的概念。

于 2016-03-22T19:39:57.847 回答