首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R语言中使用RCPP并行计算指数加权波动率

R语言中使用RCPP并行计算指数加权波动率

作者头像
拓端
发布2020-11-19 16:54:15
7930
发布2020-11-19 16:54:15
举报
文章被收录于专栏:拓端tecdat拓端tecdat

原文链接:http://tecdat.cn/?p=17829

指数加权波动率是一种波动率的度量,它使最近的观察结果有更高权重。我们将使用以下公式计算指数加权波动率:

S [t] ^ 2 = SUM(1-a)* a ^ i *(r [t-1-i]-rhat [t])^ 2,i = 0…inf

其中rhat [t]是对应的指数加权平均值

rhat [t] = SUM(1-a)* a ^ i * r [t-1-i],i = 0…inf

上面的公式取决于每个时间点的完整价格历史记录,并花了一些时间进行计算。因此,我想分享Rcpp和RcppParallel如何帮助我们减少计算时间。

我将使用汇率的历史数据集 作为测试数据。

首先,我们计算平均滚动波动率


#*****************************************************************
# 计算对数收益率
#*****************************************************************
ret = diff(log(data$prices))


tic(5)
hist.vol = sqrt(252) * bt.apply.matrix(ret, runSD, n = 200)
toc(5)

经过时间为0.17秒

接下来,让我们编写指数加权代码逻辑


# 建立 RCPP 函数计算指数加权波动率
load.packages('Rcpp')
sourceCpp(code='
#include <Rcpp.h>
using namespace Rcpp;
using namespace std;


// [[Rcpp::plugins(cpp11)]]


//ema[1] = 0
//ema[t] = (1-a)*r[t-1] + (1-a)*a*ema[t-1]
// [[Rcpp::exp


{
if(!NumericVector::is_na(x[t])) break;
res[t] = NA_REAL;
}
int start_t = t;


-a) * a^i * (r[t-1-i] - rhat[t])^2, i=0 ... inf
// [[Rcpp::export]]
NumericVector run_esd_cpp(NumericVector x, double ratio) {
auto sz = x.siz


// 找到开始的索引,第一个非空项;  
for(t = 0; t < sz; t++) {
if(!Num
0;
for(t = start_t + 1; t < sz; t++) {
ema = (1-ratio) * ( x[t-1] + ratio * ema);
double sigma = 0;
for(int i = 0; i < (t - start_t); i++) {
sigma += pow(ratio,i) * pow(x[t-1-i] - ema, 2);
}
res[t] = (1-ratio) * sigma;
}
, n, ratio = n/(n+1)) run_ema_cpp(x, ratio)
run.esd = funct

经过时间为106.16秒。

执行此代码花了一段时间。但是,代码可以并行运行。以下是RcppParallel版本。


# 建立 RCPP 并行函数计算指数加权波动率
load.packages('RcppParallel')
sourceCpp(code='


using namespace Rcpp;
using namespace s
s(cpp11)]]
// [[Rcpp::depends(R
to read from
const RMatrix<double> mat;
// internal variables
const double ratio
t;
// 从Rcpp输入和输出矩阵初始化
run_esd_helper(const Nume
all operator that work for th


in, size_t end) {
for (size_t c1 = begin; c1 < end; c1++) {
int t;
// find start index; fir

经过时间为14.65秒

运行时间更短。接下来,让我们直观地了解使用指数加权波动率的影响


dates = '2007::2010'
layout(1:2)
e='h', col='black', plotX=F)
plota.legend(paste('Dai
s,1],type='l',col='black')

不出所料,指数加权波动率在最近的观察结果中占了更大的比重,是一种更具反应性的风险度量。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-11-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 拓端数据部落 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 原文链接:http://tecdat.cn/?p=17829
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档