R 如何将报价和交易数据与data.table匹配（滚动联接）
我拼命地试图重现滚动联接的经典R 如何将报价和交易数据与data.table匹配（滚动联接）,r,data.table,R,Data.table,我拼命地试图重现滚动联接的经典Pandas示例，其中quotes数据与trade数据合并 看这里 以下是数据格式的数据。表格式： trades <- data.table(time = c('2016-05-25 13:30:00.023', '2016-05-25 13:30:00.038', '2016-05-25 13:30:00.048',
Pandasquotestrade数据格式的数据。表格式：
trades <- data.table(time = c('2016-05-25 13:30:00.023',
'2016-05-25 13:30:00.038',
'2016-05-25 13:30:00.048',
'2016-05-25 13:30:00.048',
'2016-05-25 13:30:00.048'),
ticker = c('MSFT','MSFT','GOOG','GOOG','AAPL'),
price = c(51.95,51.95,720.77,720.92,98.0),
quantity = c(75,155,100,100,100))
> trades
time ticker price quantity
1: 2016-05-25 13:30:00.023 MSFT 51.95 75
2: 2016-05-25 13:30:00.038 MSFT 51.95 155
3: 2016-05-25 13:30:00.048 GOOG 720.77 100
4: 2016-05-25 13:30:00.048 GOOG 720.92 100
5: 2016-05-25 13:30:00.048 AAPL 98.00 100
事实上，您可以看到，唯一可能的报价匹配是在2016-05-25 13:30:00.038处的第二笔交易，因为关闭的（上一笔）报价发生在2016-05-25 13:30:00.030处，所以这是在10毫秒内（而不是精确匹配）
尽管我进行了试验，但我无法在数据表中重现这一点。有什么想法吗？
谢谢 以下是完成工作的方法（快速而肮脏）：
# Format as POSIXct*
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
# Match the nearest time (in the right direction) for each ticker and add as column
trades[quotes, on = .(time > time, ticker), qtime := i.time]
# Remove if not within time limit (10 millsecs)
trades[(time - qtime) > 0.01, qtime := NA_real_]
# Now perform an equi-join after removing timestamp that was too distant
trades[, c("bid", "ask") := quotes[trades, on = .(time = qtime), .(bid, ask)]]
trades[, !"qtime"] # drop this temporary column
# time ticker price quantity bid ask
# 1: 2016-05-25 13:30:00 MSFT 51.95 75 NA NA
# 2: 2016-05-25 13:30:00 MSFT 51.95 155 51.97 51.98
# 3: 2016-05-25 13:30:00 GOOG 720.77 100 NA NA
# 4: 2016-05-25 13:30:00 GOOG 720.92 100 NA NA
# 5: 2016-05-25 13:30:00 AAPL 98.00 100 NA NA
*构建了POSIXct向量
在双向量之上，其中值表示自1970-01-01以来的秒数
从亚历克西斯的帖子中学习，这里有一个稍微简洁的版本，使用了roll参数
trades[, c("qtime", "bid", "ask") := quotes[.SD, roll = 0.01, on = .(ticker, time), .(x.time, bid, ask)]]
trades[time == qtime, c("bid", "ask") := NA_real_][, qtime := NULL]
以下是完成工作的方法（快速和肮脏）：
# Format as POSIXct*
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
# Match the nearest time (in the right direction) for each ticker and add as column
trades[quotes, on = .(time > time, ticker), qtime := i.time]
# Remove if not within time limit (10 millsecs)
trades[(time - qtime) > 0.01, qtime := NA_real_]
# Now perform an equi-join after removing timestamp that was too distant
trades[, c("bid", "ask") := quotes[trades, on = .(time = qtime), .(bid, ask)]]
trades[, !"qtime"] # drop this temporary column
# time ticker price quantity bid ask
# 1: 2016-05-25 13:30:00 MSFT 51.95 75 NA NA
# 2: 2016-05-25 13:30:00 MSFT 51.95 155 51.97 51.98
# 3: 2016-05-25 13:30:00 GOOG 720.77 100 NA NA
# 4: 2016-05-25 13:30:00 GOOG 720.92 100 NA NA
# 5: 2016-05-25 13:30:00 AAPL 98.00 100 NA NA
*构建了POSIXct向量
在双向量之上，其中值表示自1970-01-01以来的秒数
从亚历克西斯的帖子中学习，这里有一个稍微简洁的版本，使用了roll参数
trades[, c("qtime", "bid", "ask") := quotes[.SD, roll = 0.01, on = .(ticker, time), .(x.time, bid, ask)]]
trades[time == qtime, c("bid", "ask") := NA_real_][, qtime := NULL]
也可以与滚动连接组合，
这与@sindri_baldur的提议相似，但并不完全相同：
library(lubridate)
library(data.table)
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
match_inexact <- function(q_time, t_time, bid, ask) {
exact <- q_time == t_time # exact matches get NA
bid[exact] <- NA_real_
ask[exact] <- NA_real_
list(bid, ask)
}
trades[, c("bid", "ask") := quotes[.SD,
match_inexact(x.time, i.time, x.bid, x.ask),
on = .(ticker, time),
roll = lubridate::dmilliseconds(10L)]]
库（lubridate）
库（数据表）
quotes[，time:=as.POSIXct（time，format=“%Y-%m-%d%H:%m:%OS”，tz=“GMT”）]
交易[，时间：=as.POSIXct（时间，格式=“%Y-%m-%d%H:%m:%OS”，tz=“GMT”）]
匹配不精确您也可以与滚动连接组合，
这与@sindri_baldur的提议相似，但并不完全相同：
library(lubridate)
library(data.table)
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
match_inexact <- function(q_time, t_time, bid, ask) {
exact <- q_time == t_time # exact matches get NA
bid[exact] <- NA_real_
ask[exact] <- NA_real_
list(bid, ask)
}
trades[, c("bid", "ask") := quotes[.SD,
match_inexact(x.time, i.time, x.bid, x.ask),
on = .(ticker, time),
roll = lubridate::dmilliseconds(10L)]]
库（lubridate）
库（数据表）
quotes[，time:=as.POSIXct（time，format=“%Y-%m-%d%H:%m:%OS”，tz=“GMT”）]
交易[，时间：=as.POSIXct（时间，格式=“%Y-%m-%d%H:%m:%OS”，tz=“GMT”）]
在10毫秒窗口内使用最新报价匹配另一种可能的非等联接方法：
options(digits.secs=3) #see https://stackoverflow.com/a/43475068/1989480
library(data.table)
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")][,
c("start", "end") := .(time-0.01, time)]
trades[, c("bid", "ask") :=
quotes[trades, on=.(ticker, time>=start, time<end), mult="last", .(bid, ask)]
][, c("start", "end") := NULL]
在该10ms窗口内使用最新报价的另一种可能的非等联接方法：
options(digits.secs=3) #see https://stackoverflow.com/a/43475068/1989480
library(data.table)
quotes[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")]
trades[, time := as.POSIXct(time, format="%Y-%m-%d %H:%M:%OS", tz = "GMT")][,
c("start", "end") := .(time-0.01, time)]
trades[, c("bid", "ask") :=
quotes[trades, on=.(ticker, time>=start, time<end), mult="last", .(bid, ask)]
][, c("start", "end") := NULL]
有趣。谢谢你能解释一下你在那里做什么吗？qtime:=i.time
做什么？为什么我们不能用一些roll
参数一次性完成呢？谢谢将尝试添加更多注释。也许有一种方法可以用一卷纸来做。我是一个非equi连接的初学者。这里也有同样的想法<代码>时间>时间
有点模棱两可。我如何确保我指的是报价的时间
或交易的时间
？同意。但在这种情况下，第一次指的是交易
。无论如何，我会选择第二个更干净的版本。很有趣。谢谢你能解释一下你在那里做什么吗？qtime:=i.time
做什么？为什么我们不能用一些roll
参数一次性完成呢？谢谢将尝试添加更多注释。也许有一种方法可以用一卷纸来做。我是一个非equi连接的初学者。这里也有同样的想法<代码>时间>时间
有点模棱两可。我如何确保我指的是报价的时间
或交易的时间
？同意。但在这种情况下，第一次指的是交易
。无论如何，我会选择第二个更干净的版本。哇，很好。您介意再解释一下发生了什么吗？在这种情况下，滚动联接表示法（当您指定roll
时激活）意味着：对于用于联接的最后一列，如果没有精确匹配，则最多向后看10毫秒。使用match\u increact
我们可以简单地检查时间是否已滚动：如果x.time==i.time
，则未进行滚动，则为精确匹配。这个习惯用法只是通过引用将结果列（每个列打包在一个列表中）分配给交易。但有一点，时间是指什么？左边DT？Ah中的时间变量，在数据表
文档中，它们通常用变量x[i，j，by]
描述事物，其中i
可以是另一个数据表
。在连接过程中，它们公开带有x.
和i.
前缀的变量，具体取决于从哪个表中获取值。因此i.time
来自.SD
，它表示来自交易的数据子集。明白了。我猜是x。指的是左边的DT？在这种情况下，交易
？哇，非常好。您介意再解释一下发生了什么吗？在这种情况下，滚动联接表示法（当您指定roll
时激活）意味着：对于用于联接的最后一列，如果没有精确匹配，则最多向后看10毫秒。使用match\u increact
我们可以简单地检查时间是否已滚动：如果x.time==i.time
，则未进行滚动，则为精确匹配。这个习惯用法只是通过引用将结果列（每个列打包在一个列表中）分配给交易。但有一点，时间是指什么？左边DT？Ah中的时间变量，在数据表
文档中，它们通常用变量x[i，j，by]
描述事物，其中i
可以是另一个数据表
。在连接过程中，它们公开带有x.
和i.
前缀的变量，具体取决于从哪个表中获取值。因此i.time
来自.SD
，它表示来自交易的数据子集。明白了。我猜是x。指的是左边的DT？在这种情况下，交易
？很酷的东西。你介意解释一下你在这里做什么吗？mult
参数是什么？mult
arg允许您处理一对多匹配的情况（当mult=“last”
使用上次观察时，请参阅？data.table
了解更多详细信息）。我认为加入条件是明确的？很酷，谢谢！假设我想在