有没有一种快速的方法在 data.table 中运行滚动回归?

本文介绍了有没有一种快速的方法在 data.table 中运行滚动回归?的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我在 R 中运行滚动回归，使用存储在 data.table 中的数据.

I am running rolling regressions in R, using with the data stored in a data.table.

我有一个工作版本，但是它感觉就像一个黑客——我真的在使用我从 zoo 包中知道的东西，而 没有任何魔法code>data.table ...因此，感觉比应该的要慢.

I have a working version, however it feels like a hack -- I am really using what i know from the zoo package, and none of the magic in data.table ... thus, it feels slower than it ought to be.

结合 Joshua 的建议 - 下面 - 使用 lm.fit 而不是 lm 可以将速度提高约 12 倍.

Incorporating Joshua's suggestion - below - there is a speedup of ~12x by using lm.fit rather than lm.

(修订)示例代码:

require(zoo)
require(data.table)
require(rbenchmark)
set.seed(1)

tt <- seq(as.Date("2011-01-01"), as.Date("2012-01-01"), by="day")
px <- rnorm(366, 95, 1)

DT <- data.table(period=tt, pvec=px)

dtt <- DT[,tnum:=as.numeric(period)][, list(pvec, tnum)]
dtx <- as.matrix(DT[,tnum:=as.numeric(period)][, tnum2:= tnum^2][, int:=1][, list(pvec, int, tnum, tnum2)])

rollreg <- function(dd) coef(lm(pvec ~ tnum + I(tnum^2), data=as.data.frame(dd)))
rollreg.fit <- function(dd) coef(lm.fit(y=dd[,1], x=dd[,-1]))

rr <- function(dd) rollapplyr(dd, width=20, FUN = rollreg, by.column=FALSE)
rr.fit <- function(dd) rollapplyr(dd, width=20, FUN = rollreg.fit, by.column=FALSE)

bmk <- benchmark(rr(dtt), rr.fit(dtx),
         columns = c('test', 'elapsed', 'relative'),
         replications = 10,
         order = 'elapsed'
       )

     test elapsed relative
2 rr.fit(dtx)    0.48   1.0000
1     rr(dtt)    5.85  12.1875

尝试应用此处显示的知识和这里，我制作了以下简单的滚动回归函数 我认为使用了一些 data.table 操作的速度.

Trying to apply the knowledge displayed here and here, I cooked up the following simple rolling regression function that I think uses some of the speed of data.table operations.

请注意，问题有点不同(而且更现实):取一个向量，添加滞后，然后回归自身.这类 AR 类型的问题非常广泛.

Note that the problem is a little different (and more realistic): take a vector, add lags, and regress on itself. This class of AR-type problems is pretty broad.

我在这里分享它，因为它可能有用，我确定它可以改进(我会随着改进而更新):

I am sharing it here as it may be of use, and i'm sure that it can be improved (i'll update as I improve):

require(data.table)
set.seed(1)
x  <- rnorm(1000)
DT <- data.table(x)
DTin <- data.table(x)

lagDT <- function(DTin, varname, l=5)
{
    i = 0
    while ( i < l){
        expr <- parse(text =
                  paste0(varname, '_L', (i+1),
                     ':= c(rep(NA, (1+i)),', varname, '[-((length(',     varname, ') - i):length(', varname, '))])'
                 )
              )
    DTin[, eval(expr)]
    i <- i + 1
}
return(DTin)
}

rollRegDT <- function(DTin, varname, k=20, l=5)
{
adj <- k + l - 1
.x <- 1:(nrow(DTin)-adj)
DTin[, int:=1]
dtReg <- function(dd) coef(lm.fit(y=dd[-c(1:l),1], x=dd[-c(1:l),-1]))
eleNum <- nrow(DTin)*(l+1)
outMatx <- matrix(rep(NA, eleNum), ncol = (l+1))
colnames(outMatx) <- c('intercept', 'L1', 'L2', 'L3', 'L4', 'L5')
for (i in .x){
    dt_m <- as.matrix(lagDT(DTin[i:(i+adj), ], varname, l))
    outMatx[(i+(adj)),] <- dtReg(dt_m)
}
return(outMatx)
}

rollCoef <- rollRegDT(DT, varname='x')

有没有一种快速的方法在

有没有一种快速的方法在 data.table 中运行滚动回归?

问题描述

推荐答案