如何更有效地计算滚动协方差

Question

我正在尝试计算 R 中一组数据（我的 x 变量的每一列）和另一个数据（y 变量）之间的滚动协方差。我以为我可以使用其中一个应用函数，但不能找到如何同时滚动两组输入。这是我尝试过的：

 set.seed(1)
 x<-matrix(rnorm(500),nrow=100,ncol=5)
 y<-rnorm(100)
 rollapply(x,width=5,FUN= function(x) {cov(x,y)})
 z<-cbind(x,y)
 rollapply(z,width=5, FUN=function(x){cov(z,z[,6])})

但是none正在做我想做的事。我找到的一种解决方案是使用 for 循环，但想知道我在 R 中是否比 :

更有效

dResult<-matrix(nrow=96,ncol=5)
for(iLine in 1:96){
    for(iCol in 1:5){
        dResult[iLine,iCol]=cov(x[iLine:(iLine+4),iCol],y[iLine:(iLine+4)])
    }
}

这给了我预期的结果：

head(dResult)


           [,1]       [,2]        [,3]        [,4]        [,5]
[1,]  0.32056460 0.05281386 -1.13283586 -0.01741274 -0.01464430
[2,] -0.03246014 0.78631603 -0.34309778  0.29919297 -0.22243572
[3,] -0.16239479 0.56372428 -0.27476604  0.39007645  0.05461355
[4,] -0.56764687 0.09847672  0.11204244  0.78044096 -0.01980684
[5,] -0.43081539 0.01904417  0.01282632  0.35550327  0.31062580
[6,] -0.28890607 0.03967327  0.58307743  0.15055881  0.60704533

Answer 1

现在我正在运行一些长时间的模拟，所以不能使用 R，但我认为这应该可行。外部按列应用将采用该列，将其传递给 rollapply，它将用于与 y 进行滚动 window 协方差。希望 :D

apply(x,2,function(x) rollapply(x,width=5,function(z) cov(x,y)))

Answer 2

这是 rollapply() 和 sapply() 的解决方案：

sapply(1:5, function(j) rollapply(1:100, 5, function(i) cov(x[i, j], y[i])))

我认为它比使用 for 循环的解决方案更具可读性和 R 风格，但我检查了 microbenchmark 并且它似乎更慢。

Answer 3

set.seed(1)
x<-as.data.frame(matrix(rnorm(500),nrow=100,ncol=5))
y<-rnorm(100)

library(zoo)

covResult = sapply(x,function(alpha) {

cov_value = rollapply(cbind(alpha,y),width=5,FUN = function(beta) cov(beta[,1],beta[,2]),by.column=FALSE,align="right") 

return(cov_value)

})

head(covResult)
#              V1         V2          V3          V4          V5
#[1,]  0.32056460 0.05281386 -1.13283586 -0.01741274 -0.01464430
#[2,] -0.03246014 0.78631603 -0.34309778  0.29919297 -0.22243572
#[3,] -0.16239479 0.56372428 -0.27476604  0.39007645  0.05461355
#[4,] -0.56764687 0.09847672  0.11204244  0.78044096 -0.01980684
#[5,] -0.43081539 0.01904417  0.01282632  0.35550327  0.31062580
#[6,] -0.28890607 0.03967327  0.58307743  0.15055881  0.60704533

另请查看：

library(PerformanceAnalytics)
?chart.rollingCorrelation

Answer 4

如果您需要更快的速度，并且不需要 cov 的任何非默认参数，您可以使用 TTR::runCov。请注意，默认情况下它以前导 NA 填充。

速度差异对更大的数据更重要。以下是如何使用它的示例：

cov_joshua <- function() {
  apply(x, 2, function(x, y) TTR::runCov(x, y, 5), y = y)
}

这是使用 OP 提供的小型数据集与当前接受的答案的比较：

cov_osssan <- function() {
  f <- function(b) cov(b[,1], b[,2])
  apply(x, 2, function(a) {
    rollapplyr(cbind(a,y), width=5, FUN = f, by.column=FALSE)
  })
}
require(zoo)  # for cov_osssan
require(microbenchmark)
set.seed(1)
nr <- 100
nc <- 5
x <- matrix(rnorm(nc*nr),nrow=nr,ncol=nc)
y <- rnorm(nr)
microbenchmark(cov_osssan(), cov_joshua())
# Unit: milliseconds
#          expr       min        lq    median       uq      max neval
#  cov_osssan() 22.881253 24.569906 25.625623 27.44348 32.81344   100
#  cov_joshua()  5.841422  6.170189  6.706466  7.47609 31.24717   100
all.equal(cov_osssan(), cov_joshua()[-(1:4),])  # rm leading NA
# [1] TRUE

现在，使用更大的数据集：

system.time(cov_joshua())
#    user  system elapsed 
#   2.117   0.032   2.158 
system.time(cov_osssan())
# ^C
# Timing stopped at: 144.957 0.36 145.491

我厌倦了等待（约 2.5 分钟后）cov_osssan 完成。

如何更有效地计算滚动协方差

How to compute rolling covariance more efficiently

r

covariance

rollapply