MATLAB中的3天滚动相关计算

我需要计算3天的相关性。下面给出了一个示例矩阵。我的问题是ID可能不是每天都在宇宙中。例如，AAPL可能总是在宇宙中，但CCL公司可能在我的宇宙中只存在2天。我希望有一个矢量化的解决方案。我可能不得不在这里使用structs/

accumarray

等，因为相关矩阵的大小可能会有所不同

% col1 = tradingDates, col2 = companyID_asInts, col3 = VALUE_forCorrelation

rawdata = [ ...

    734614 1 0.5; 
    734614 2 0.4; 
    734614 3 0.1; 

    734615 1 0.6; 
    734615 2 0.4; 
    734615 3 0.2; 
    734615 4 0.5; 
    734615 5 0.12;

    734618 1 0.11; 
    734618 2 0.9; 
    734618 3 0.2; 
    734618 4 0.1; 
    734618 5 0.33;
    734618 6 0.55; 

    734619 2 0.11; 
    734619 3 0.45; 
    734619 4 0.1; 
    734619 5 0.6; 
    734619 6 0.5;

    734620 5 0.1; 
    734620 6 0.3] ; 

“3天相关性”：

% 734614 & 734615 corr is ignored as this is a 3-day corr

% 734618_corr = corrcoef(IDs 1,2,3 values are used. ID 4,5,6 is ignored) -> 3X3 matrix

% 734619_corr = corrcoef(IDs 2,3,4,5 values are used. ID 1,6 is ignored) -> 3X4 matrix

% 734620_corr = corrcoef(IDs 5,6 values are used. ID 1,2,3,4 is ignored) -> 3X2 matrix

---

真实数据涵盖了1995-2011年间Russel1000宇宙，超过410万行。所需的相关性超过20天。

我不会在这里尝试得到矢量化的解决方案：这意味着循环在最新版本的MATLAB上通常可以同样快

您的矩阵看起来很像稀疏矩阵：将其转换为该形式是否有助于使用数组索引？这可能只有在第三列中的数据永远不能为0时才起作用，否则您必须保留当前的显式列表，并使用如下内容：

dates = unique(rawdata(:, 1));
num_comps = max(rawdata(:, 2));

for d = 1:length(dates) - 2;
    days = dates(d:d + 2);

    companies = true(1, num_comps);
    for curr_day = days'
        c = false(1, num_comps);
        c(rawdata(rawdata(:, 1) == curr_day, 2)) = true;
        companies = companies & c;
    end
    companies = find(companies);

    data = zeros(3, length(companies));
    for curr_day = 1:3
        for company = 1:length(companies)
            data(curr_day, company) = ...
                rawdata(rawdata(:, 1) == days(curr_day) & ...
                        rawdata(:, 2) == companies(company), 3);
        end
    end

    corrcoef(data)
end

---

嗨，汤姆。矩阵不是稀疏的。正如您所提到的，第3列中的数据有时可以是0（每日收益）。我正在尝试使用一个for循环和某种向量化方法。谢谢谢谢你，汤姆！你的逻辑很好。虽然这样的代码每次迭代花费了

>1个小时

。在使用您的总体逻辑时，我已将中心部分修改为矢量化解决方案：……companys=find（companys）；%然后->

size\u comp=size（公司），1；大小\天=大小（天，1）；daysvec=排序（repmat（天，大小，1））；compvec=repmat（公司），大小为1天；matchmat=[daysvec compvec]；[~，loc]=ismember（matchmat（：，[12]），rawdata（：，[12]），'rows'）；%matchmat（：，3）=原始数据（loc，3）；newmat=rawdata（loc，：）；%zzzz=重塑（matchmat（：，3），尺寸_comp，尺寸_days）；finalmat=重塑（新材料（：，3），尺寸/复合，尺寸/天数）；corrcoef（finalmat）

：现在一次迭代只需8.9秒！非常感谢你的algo！