createYieldCurveEngine

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

创建利率（或收益率）曲线引擎，将曲线拟合到输入资产值。主要用于金融领域，对各种金融工具的利率和剩余期限之间的关系进行建模。也可以根据所需的剩余期限进行收益率预测。当前支持的资产类型为债券。

引擎根据指定的拟合方法（fitMethod）采用不同的插值或拟合技术来构建和预测收益率曲线。支持的方法包括：线性插值、三次样条插值、Krogh 插值、分段回归、多项式拟合和 NS/NSS 模型。

name 字符串标量，表示引擎的名称。该参数是引擎在一个数据/计算节点上的唯一标识，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，必须和 dummyTable 中的 assetType 里的类型保持一致。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]。

keyColumn字符串标量（“assetType”）或向量。若为字符串向量，则第一个元素是 “assetType”，其他元素作为一个资产内部的分组列，引擎将在分组内拟合模型。

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. 分组列，列顺序与 keyColumn 设置的顺序一致。

3. 模型，BLOB 类型。

frequency 一个正整数或 DOURATION 类型标量，表示模型的更新频率：

• 指定为正整数，将按照数据条数更新模型，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。

• 指定为 DURATION 标量，若同时指定 timeColumn，则根据每组未参与模型拟合的数据时间更新模型。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 = 5m, 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。

• 指定为 DURATION 标量，若同时未指定 timeColumn，则按照系统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。

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，字符串标量或向量，表示分组列，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. 时间列，类型和 predictTimeColumn 保持一致；如果未指定 predictTimeColumn，则输出系统时间（类型为 TIMESTAMP）。

2. 分组列，和 predictKeyColumn 指定的列顺序一致。

3. 预测输入列。

4. 预测结果。

5. extraMetrics 表示额外指定输出的算子。

extraMetrics 可选参数，元代码或元代码元组。可以是 predictDummyTable 中的列（keyColumn 除外）或因子。

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，再使用这些数据拟合模型。

• 如果为 false（默认值），表示仅进行模型拟合而不进行预测。在这种情况下，如果需要进行预测，则必须使用 appendForPredict 函数来完成。

//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