moving

语法

moving(func, funcArgs, window, [minPeriods])

详情

应用函数/运算符到给定对象的一个滚动窗口上。

moving 高阶函数总是返回一个向量，长度与输入参数的长度相同。当第一个滑动窗口出现时高阶函数开始计算，每计算一次，滑动窗口向右移动一个元素。

内置函数 msum, mcount 和 mavg 为各自的计算场景进行了优化，因此比 moving 高阶函数有更好的性能。

参数

• func 是一个聚合函数。

  注： 使用该参数时，用于定义相应聚合函数的关键词为 defg。有关 defg 的详细用法，参考：自定义聚合函数。

• funcArgs 是函数 func 的参数。可为向量、字典或矩阵。如果有多个参数，则用元组表示，并且每个参数的长度（向量/字典的元素个数）必须相同。

• window 是正整型 或 DURATION 标量。

  • 当 window 是整型时，表示以窗口内元素个数衡量的滑动窗口的长度。

  • 当 window 是 DURATION 时，表示以时间衡量的滑动窗口的长度。此时，X 必须是带有时间类型行索引的索引矩阵或者索引序列。

• minPeriods 是一个正整数。为滑动窗口中最少包含的观测值数据。如果滑动窗口中的观测值小于 minPeriods，那么该窗口的结果为 NULL 值。默认值与 window 相等。 如果 window 是 DURATION，且需要设置 minPeriods 时，minPeriods 必须是 1。

有关其他 m 系列函数的参数说明和窗口计算规则，参考: 滑动窗口系列（m 系列）

例子

计算 APPL 相对于市场（SPY） 的 moving beta，移动窗口长度为 10。

date=2016.08.01..2016.08.31
date=date[1<=weekday(date)<=5]
aaplRet=0.0177 -0.0148 0.0125 0.0008 0.0152 0.0083 0.0041 -0.0074 -0.0006 0.0023 0.0120 -0.0009 -0.0015 -0.0013 0.0026 -0.0078 0.0031 -0.0075 -0.0043 -0.0059 -0.0011 -0.0077 0.0009
spyRet=-0.0008 -0.0064 0.0029 0.0011 0.0082 -0.0006 0.0006 -0.0025 0.0046 -0.0009 0.0029 -0.0052 0.0019 0.0022 -0.0015 0.0000 0.0020 -0.0051 -0.0007 -0.0019 0.0049 -0.0016 -0.0028
t=table(date, aaplRet, spyRet);
t;

输出返回：

通过以下语句计算移动 beta：

update t set beta_value=moving(beta, [aaplRet, spyRet],10);
t;

输出返回：

minPeriods 的作用：

moving(avg, 1..4, 3);

输出返回：[,,2,3]

moving(avg, 1..4, 3, 1);

输出返回：[1,1.5,2,3]

v1=indexedSeries(2020.08.01..2020.08.04,1..4)
moving(avg, v1, 3d, 1);

输出返回：

moving 高阶函数的参数 func 的所有参数必须要有相同的长度。如果 func 的参数长度不等，例如 percentile 函数，可以使用 部分应用 产生一个新的函数以满足此要求。请见下例：

moving(percentile{,50},1..20, 10);

输出返回：[,,,,,,,,,5.5,6.5,7.5,8.5,9.5,10.5,11.5,12.5,13.5,14.5,15.5]

性能提示

计算移动均值时，应该使用内置函数 mavg 而不是 moving 高阶函数，这是因为内置版本是经过优化的版本，运行速度比高阶函数更快。

n=1000000
x=norm(0,1, n);
timer mavg(x, 10);

输出返回：Time elapsed: 3.501ms

timer moving(avg, x, 10);

输出返回：Time elapsed: 976.03ms