我在 R 中有一个金融时间序列（目前是一个 xts 对象，但我现在也在研究 tibble）。
如何找到两个相邻行匹配条件的概率？
例如，我想知道连续 2 天高于平均值/中值的概率。我知道我可以将lag 前几天的值放入下一行，这样我就可以得到这个统计数据，但这似乎非常麻烦和不灵活。
有没有更好的方法来完成这项工作？
xts 样本数据：
foo <- xts(x = c(1,1,5,1,5,5,1), seq(as.Date("2016-01-01"), length = 7, by = "days"))
连续 2 天高于 median 值的概率是多少？
【问题讨论】：
标签： r time-series xts tidyverse tibble
您可以创建一个新列，调用高于中位数的列，然后只取那些连续且更高的列
> foo <- as_tibble(data.table(x = c(1,1,5,1,5,5,1), seq(as.Date("2016-01-01"), length = 7, by = "days")))
第 1 步
创建列以查找高于中位数的列
> foo$higher_than_median <- foo$x > median(foo$x)
第 2 步
使用diff比较该列，
只有当两者连续更高或更低时才服用..c(0, diff(foo$higher_than_median) == 0
然后加上条件都必须大于foo$higher_than_median == TRUE
完整表达：
foo$both_higher <- c(0, diff(foo$higher_than_median)) == 0 & $higher_than_median == TRUE
第 3 步
求概率取foo$both_higher的平均值
mean(foo$both_higher)
[1] 0.1428571
【讨论】：
这是一个纯 xts 解决方案。
你如何定义中位数？有几种方法。
在在线时间序列使用中，例如计算移动平均值，您可以计算固定回溯窗口（如下所示）或从原点到现在的中位数（锚定窗口计算）。您将不会知道当前时间步之后中位数计算中的未来值（避免前瞻偏差）。：
library(xts)
library(TTR)
x <- rep(c(1,1,5,1,5,5,1, 5, 5, 5), 10)
y <- xts(x = x, seq(as.Date("2016-01-01"), length = length(x), by = "days"), dimnames = list(NULL, "x"))
# Avoid look ahead bias in an online time series application by computing the median over a rolling fixed time window:
nMedLookback <- 5
y$med <- runPercentRank(y[, "x"], n = nMedLookback)
y$isAboveMed <- y$med > 0.5
nSum <- 2
y$runSum2 <- runSum(y$isAboveMed, n = nSum)
z <- na.omit(y)
prob <- sum(z[,"runSum2"] >= nSum) / NROW(z)
中位数在整个数据集上的情况显然更容易修改。
【讨论】：