createYieldCurveEngine

createYieldCurveEngine(name, dummyTable, assetType, fitMethod, keyColumn, modelOutput, frequency, [timeColumn], [predictDummyTable],[predictInputColumn], [predictKeyColumn],[predictTimeColumn], [predictOutput], [extraMetrics],[fitAfterPredict=false])

本函数用于计算债券收益率的曲线拟合数据。

注意：

• 可在该引擎中直接进行预测，也可结合函数 appendForPrediction 配套使用。

• 目前仅支持拟合债券收益率曲线，后续将逐步支持其它类型的收益率曲线和衍生品曲线，如期权波动率曲线，远期利率、汇率曲线，信用利差曲线等。

name 字符串标量，表示引擎的名称。该参数是引擎在一个数据节点上的唯一标识，可包含字母，数字和下划线，但必须以字母开头。

dummyTable 表，用于指定输入数据的表结构。如：

assetType 整型/字符串向量，表示资产类型。不同数字/字符串代表不同的资产，且不可重复。通过该参数可以和 fitMethod 指定的拟合方法建立映射关系。输入示例：[0,1,2]。

[<piecewiseLinFit(timetoMaturity, midyield1, 10)>,<nss(timetoMaturity,bidyield1,"ns")>,<cubicSpline(timetoMaturity,askyield1,"not-a-knot")>]

keyColumn 字符串向量，至少传入一列。其中，第一列为 assetType；其他列为分组列，引擎将按分组数据拟合模型。

modelOutput 模型输出表，输出列顺序应遵守下述顺序：

1. 时间列，表示模型更新时间。

2. 指定输出列，与 keyColumn 保持一致。

3. model，BLOB 类型。引擎会通过 toStdJson 函数将模型转成 JSON 格式的字符串进行输出。

frequency 表示模型的更新频率，其使用分三种情况：

• 按照数据条数，传入 INT 类型，即每组未参与模型拟合的数据条数累计到设定值后更新模型。

• 按照数据时间，传入 DURATION 类型，根据每组未参与模型拟合的数据时间更新模型。注意：需要设置参数 timeColumn。每组分开判断，起始时间按每组第一条数据规整，每隔 frequency 时间输出一次拟合模型；如果窗口内没收到数据则不输出。示例：假设收到的数据时间如下：09:30:00.100, 09:32:00.100, 09:35:00.100, 09:45:00.100, 09:50:00.100，同时 frequency = 5 min, 则 model 输出的时间为 09:35:00.000, 09:40:00.000, 09:50:00.000。右边界为开，即 09:35:00.000 输出的 model 的拟合数据不包括 09:35:00.000。

• 按照系统时间，传入 DURATION 类型。注意：此时不能设置参数 timeColumn，将按照固定时间更新每组的模型。起始时间按第一条数据进到引擎的时间规整；如果窗口内没收到数据则不输出。

timeColumn 可选参数，时间类型向量，用于指定输入表中的时间列，进而更新频率。须与参数 frequency 搭配使用。

predictDummyTable 可选参数，表示预测的输入数据表结构。默认和 dummyTable 一致。

predictInputColumn 可选参数，字符串标量，表示预测数据的输入列名。

predictKeyColumn 可选参数，表示用于查找模型的分组列，默认和 keyColumn 一致。

predictTimeColumn 可选参数，表示预测数据的时间列，默认和 timeColumn 一致。

predictOutput 可选参数，表示预测结果输出表。输出列遵循如下顺序：

1. predictTimeColumn 表示时间列，如果没有时间列则输出系统时间。

2. predictKeyColumn 表示查找模型的分组列。

3. predictInputColumn 表示预测数据的输入列名。

4. predict result 表示预测结果。

5. extraMetrics 表示额外指定输出的算子。

注意： 如果不设置参数 predictOutput，则引擎只用于拟合模型。

extraMetrics 可选参数，除预测结果外额外输出的算子。可以是 predictDummyTable 中的列，也可以是在此基础上的一些简单计算。

fitAfterPredict 可选参数，布尔标量。

• 如果为 true，表示 predictDummyTable 和 dummyTable 一样，引擎收到数据后先用之前的模型预测输出，再用收到的数据继续拟合模型。

• 如果为 false，表示只进行拟合运算，不进行预测操作。该种为默认情况。

//指定传入表结构、资产类型、拟合算法
dummyTable = table(1:0, `symbol`sendingtime`askDirtyPrice1`bidDirtyPrice1`midDirtyPirce1`askyield1`bidyield1`midyield1`timetoMaturity`assetType`datasource`clearRate, 
                        [SYMBOL, TIMESTAMP,DECIMAL32(3),DECIMAL32(3),DECIMAL32(3),DECIMAL32(3),DECIMAL32(3),DECIMAL32(3),DOUBLE,INT,INT,STRING])
assetType=[0,1,2]
fitMethod=[<piecewiseLinFit(timetoMaturity, midyield1, 10)>,
            <nss(timetoMaturity,bidyield1,"ns")>,
            <piecewiseLinFit(timetoMaturity, askyield1, 5)>]

//指定模型输出表和预测结果输出表
modelOutput=table(1:0, `time`assetType`dataSource`clearRate`model,
                        [TIMESTAMP,INT,INT,SYMBOL,BLOB])
predictOutput=table(1:0, `time`assetType`dataSource`clearRate`x`y,[TIMESTAMP,INT,INT,SYMBOL,DOUBLE,DOUBLE])

//基于上述参数创建曲线拟合引擎
engine = createYieldCurveEngine(name="test", dummyTable=dummyTable,assetType=assetType,fitMethod=fitMethod,
                                keyColumn=`assetType`dataSource`clearRate, modelOutput=modelOutput,
                                frequency=10,predictInputColumn=`timetoMaturity,predictTimeColumn=`sendingtime, 
                                predictOutput=predictOutput,fitAfterPredict=true)
                                
//创建数据，进行拟合
data = table(take(`a`b`c, 30) as  symbol, take(now(), 30) as time, decimal32(rand(10.0, 30),3) as p1,  decimal32(rand(10.0, 30),3) as p2,  decimal32(rand(10.0, 30),3) as p3, decimal32(rand(10.0, 30),3) as p4,  decimal32(rand(10.0, 30),3) as p5,  decimal32(rand(10.0, 30),3) as p6, (rand(10.0, 30)+10).sort() as timetoMaturity, take(0 1 2, 30) as assetType, take([1], 30) as datasource, take("1", 30) as clearRate)
engine.append!(data)

相关函数 appendForPrediction