基于函数从不规则间隔的时态计算加权和

Question

给定一个包含时间序列的数据序列，其间隔间隔极短，定义为：

df <- data.frame(date = as.Date("2016-01-01") + ((1:100) + sample(1:5, 100, replace = TRUE)), 
data = rnorm(100) )

如何计算data列在前30天的滚动和，以及由这个衰变函数定义的权重？

tau <- 0.05
decay = function(tau, day){
  exp(-tau * day)
}

现在的数据权重为1，30天前的数据权重为decay(0.05, 30) = 0.2231302。在使用衰减函数计算权重时，仍应考虑输入时间序列中缺少的天数。

如果可能的话，我希望将数据帧转换为zoo或xts对象，然后使用rollapplyr函数或类似的函数，并使用dplyr管道来实现这一点。

Answer 1

定义一个函数weighted，它接受最后的30个点，并且只在最后一个点的30天内保持这些点。然后用这些值乘以权重。

在这个过程中，我们将df转换成动物园，然后在weighted中使用rollapplyr。请注意，我们使用coredata = FALSE非常重要，以便将时间索引传递给weighted。如果没有这一点，它就不会是。

library(dplyr)
library(zoo)

weighted <- function(x, tau) {
  tx <- time(x)
  cx <- coredata(x)[tx > tail(tx, 1) - 30] # only keep if within 30 days
  w <- decay(tau, seq(to = 0, by = -1, length = length(cx)) )
  sum(w * cx)
}

df %>%
  read.zoo %>%
  rollapplyr(30, weighted, tau = tau, partial = TRUE, coredata = FALSE)

如果要将失踪天数视为0，请使用以下方法：

weighted <- function(x, tau) {
  tx <- as.numeric(time(x))
  days <- tail(tx, 1) - tx
  w <- (days < 30) * decay(tau, days)
  sum(w * coredata(x))
}

备注

我们使用了以下从问题中修改的输入，增加了set.seed的可重现性。而且，问题中使用的代码可能会产生多个具有相同date的值，并且我们消除了这样的重复。

set.seed(123)
df <- data.frame(date = as.Date("2016-01-01") + 1:100 + sample(1:5, 100, replace = TRUE), 
  data = rnorm(100) )
df <- df[!duplicated(df$date), ]

tau <- 0.05
decay = function(tau, day){
  exp(-tau * day)
}

Answer 2

我不确定管道，但这应该能让你：

d <- decay(tau, 29:0)
rollapply(df, 30, function(z) {
  data <- as.data.frame(z, stringsAsFactors = FALSE)
  data$data <- as.numeric(data$data)
  sum(data$data * d)
}, by.column = FALSE)