请教更优算法

计算CNE6三级因子BETA：股票收益率对沪深 300 收益率进行时间序列回归，取回归系数，回归时间窗口为 252 个交易日，半衰期 63 个交易日。

定义函数cneBeta，输入股票收益率矩阵stock_ret和指数收益率矩阵index_ret

def cneBeta(stock_ret,index_ret){

beta= rolling(getWlsKey{63,`Coefficient,1,1}, [stock_ret,index_ret], 252)

return beta.rename!(tail(stock_ret.rowNames(),beta.shape()[0]),stock_ret.columnNames())

}

其中getWlsKey为获取回归值的聚合函数

defg getWlsKey(half_life,key,r,c,y,x){

* key:r,c 取值`Coefficient : intercept:0,1; beta:1,1; stdError:1,2; tstat:1,3; pvalue:1,4

window=size(x)

W=halfLifeW(half_life,window)

return wls(y,x,W,,2)[key][r,c]

}

halfLifeW为计算半衰期权重函数

def halfLifeW(half_life,window){

L, Lambda = pow(0.5,1\half_life), pow(0.5,1\half_life)

W = array(DOUBLE, 0)

for(i in 0:(window)){

W.append!(Lambda)

Lambda = mul(Lambda,L)

}

return reverse(W)

}

以2015年以来数据计算（输入矩阵大小68M*2），耗时18分（ i7-10700 CPU 16G RAM）。我觉得应该是回归值读取和权重严重拖了后腿，请教有没有更好的算法。

0 条评论

默认排序时间排序

1 个回答

Polly 2023-07-25 18:19

我尝试优化了以下函数，测试后发现性能可以提升：

def halfLifeW(half_life,window){i
    Lambda = pow(0.5,1\half_life)
    W = accumulate(mul{Lambda}, window-1, Lambda)
    return reverse(W)
 }
def cneBeta(stock_ret,index_ret){
	stock_ret_list = matrix(movingWindowData(stock_ret, 252, fixed=true))
	index_ret_list = matrix(movingWindowData(index_ret, 252, fixed=true))
	stock_ret_list=dropna(stock_ret_list)
	index_ret_list=dropna(index_ret_list)
	beta = peach(getWlsKey{63,`Coefficient,1,1}, stock_ret_list.transpose(), index_ret_list.transpose())
	return beta
}

请教更优算法

1 个回答

相似问题