rolling

语法

rolling(func, funcArgs, window, [step=1])

参数

• func 聚合函数或向量函数。若 func 是向量函数，则 step 必须和 window 相等。

• funcArgs 函数 func 的参数。可为向量或矩阵。如果有多个参数，则用元组表示，并且每个参数的长度（向量的元素个数或矩阵的行数）必须相同。

• window 滑动窗口长度。

• step 应用函数的频率。默认值为1。

详情

应用函数/运算符到给定对象的一个滑动窗口（ step 与 window 取相同值时为滚动窗口）上。

当第一个滑动窗口出现时，高阶函数开始计算，然后每经过 step 个元素就进行一次变量计算。

和 moving 高阶函数类似，即对矩阵来说滑动窗口还是按行计算，而其他高阶函数通常是按列计算。

rolling 的 func 支持向量函数和聚合函数，而 moving 的 func 只支持聚合函数。

func 为聚合函数时，rolling 与 moving 的区别是：

1. rolling 支持参数 step，可以指定窗口滑动的步长；而 moving 的滑动步长只能是 1。

2. rolling 不输出前 window - 1 个 NULL 值结果。

例子

func 为向量函数：

m = matrix(3 4 6 8 5 2 0 -2, 2 9 NULL 1 3 -4 2 1, NULL 8 9 8 0 1 9 -3)
rolling(cummax, m, 4, 4)

输出返回：

rolling(cumsum, m, 3, 3)

输出返回：

func 为聚合函数：

rolling(sum, m, 4)

输出返回：

计算APPL相对于市场(SPY)的beta值，滑动窗口长度为10，频率为5。

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：

// 计算滚动beta
betas = rolling(beta, [aaplRet, spyRet], 10,5);
dates = rolling(last, date, 10,5);
table(dates, betas);

输出返回：

生成一个带有行标签的矩阵 m，将其作为参数 funcArgs。

当传入参数 func 是一个聚合函数，输出带有行标签的结果矩阵。

minBar = 2024.03.08T10:00:00 + 0..9
aaplClose = [170.88,170.88,170.90,171.05,171.18,171.30,171.51,171.49,171.31,171.14]
ibmClose = [150.15,150.18,150.20,150.05,150.18,150.25,150.32,150.30,150.31,150.20]
m = matrix(aaplClose, ibmClose).rename!(minBar, `aapl`ibm)

// func 也支持传入自定义的聚合函数
rolling(func=avg, funcArgs=m, window=5, step=2)

输出结果：

承接上例，当传入参数 func 是一个部分应用，也可输出带有行标签的结果矩阵。

defg f1(x,y){
	return (last(x)-first(x))/size(x)+y
}
f2 = f1{,1}
rolling(func=f2, funcArgs=m, window=5, step=2)

输出结果：