有效P&L函数
提问于 2013-12-08 10:55:03
我想从权向量和价格向量中得到P&L。
data$weight[] <- c(NA,NA,1,NA,NA,NA,0,NA,NA,1,NA,NA,NA,0,NA,NA,1,NA,0,NA,NA,NA)1表示买入，0表示卖出。
y <- seq(1:length(data$weight))我写过：
na_following_zero <- na.locf(c(1,data$weight))[-1]==0 & is.na(data$weight) #Ben Bolker's code
PL <- rep(NA,length(data$weight))
PL[1]=0
for (i in 2:length(data$weight)) {
if (is.na(data$weight[i]) && i<which.max(data$weight==1)) {PL[i]=PL[i-1]}
if (data$weight[i] %in% 1) {PL[i]=PL[i-1]}
if (is.na(data$weight[i]) && i>which.max(data$weight==1) && !na_following_zero[i]) {PL[i]=PL[i-1]+y[i]-y[i-1]}
if (data$weight[i] %in% 0) {PL[i]=PL[i-1]+y[i]-y[i-1]}
if (na_following_zero[i]) {PL[i]=PL[i-1]}
}预期产出：
[1] 0 0 0 1 2 3 4 4 4 4 5 6 7 8 8 8 8 9 10 10 10 10它完成了任务，但却非常缓慢。我有什么办法改进它吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-12-08 11:30:53
速度问题是常见的，当试图转换为循环思维为R，这是为了处理类似的问题，以矢量化的方式。我想我们都去过那里。
编辑:在评论中，OP指出，权重实际上是交易信号，需要延迟才能用作并发权重。在xts中，这将是lag()操作符，但是对于原始向量，我们必须做一些手帕操作：
wgts <- c(NA,NA,1,NA,NA,NA,0,NA,NA,1,NA,NA,NA,0,NA,NA,1,NA,0,NA,NA,NA)
wgts2 <- c(0, wgts)
wgts2 <- wgts2[1:length(wgts)]一个简单的方法，矢量化你的具体问题是把你的权重作为一个列，在同一时间框架内，你的价格和计算你的PnL相应。使用y作为您的价格系列，我们填充您的权重系列向前：
y <- data.frame(prices=1:length(wgts), weights=na.locf(wgts2))在价格和权重相匹配的情况下，我们可以计算每个观察回报(净变化)并乘以权重得到PnL：
y$rtn <- c(0, diff(y$prices))
y$PnL <- y$weights * y$rtn
cumsum(y$PnL)但是，请注意，R拥有丰富的金融数据管理工具，远远超出了基本向量和data.frames的能力。作为一种方法，上面的代码具有误导性，因为它回答了您的问题(更快的PnL计算)，但没有告诉您语言的优点。相反，看看xts、quantmod和PerformanceAnalytics中可用的工具。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/20457522
复制相关文章
点击加载更多
腾讯云开发者
