使用R？

我正在尝试使用R实现一个向量化的指数加权移动标准差。这是正确的方法吗

ewma <- function (x, alpha) {
  c(stats::filter(x * ratio, 1 - ratio, "recursive", init = x[1]))
}
ewmsd <- function(x, alpha) {
  sqerror <- na.omit((x - lag(ewma(x, ratio)))^2)
  ewmvar <- c(stats::filter(sqerror * ratio, 1 - ratio, "recursive", init = 0))
  c(NA, sqrt(ewmvar))
}

输出是

 [1]        NA 0.2236068 0.4874679 0.7953500 1.1353903 1.4993855 1.8812961 2.2764708 2.6812160 3.0925367

0         NaN
1    0.707107
2    0.746729
3    0.750825
4    0.751135
5    0.751155
6    0.751156
7    0.751157
8    0.751157
9    0.751157

但是,

pd.Series(range(10)).ewm(alpha = 0.96).std()

输出是

 [1]        NA 0.2236068 0.4874679 0.7953500 1.1353903 1.4993855 1.8812961 2.2764708 2.6812160 3.0925367

0         NaN
1    0.707107
2    0.746729
3    0.750825
4    0.751135
5    0.751155
6    0.751156
7    0.751157
8    0.751157
9    0.751157

根据，函数的

pandas.Series.ewm（）

接收一个

adjust

参数，该参数默认为

TRUE

。当

adjust==TRUE

时，

pandas.Series.ewm.mean（）

的指数加权移动平均值通过权重计算，而不是递归计算。当然，这也会影响标准偏差输出。有关更多信息，请参阅和

这是R中的矢量化解决方案：

   ewmsd <- function(x, alpha) {
      n <- length(x)
      sapply(
        1:n,
        function(i, x, alpha) {
          y <- x[1:i]
          m <- length(y)
          weights <- (1 - alpha)^((m - 1):0)
          ewma <- sum(weights * y) / sum(weights)
          bias <- sum(weights)^2 / (sum(weights)^2 - sum(weights^2))
          ewmsd <- sqrt(bias * sum(weights * (y - ewma)^2) / sum(weights))
        },
        x = x,
        alpha = alpha
      )
    }

---

ewmsd查看软件包“zoo”。具体是什么功能？我不认为“动物园”有计算指数加权移动统计的功能
rollappy
在这种情况下不起作用。我不明白为什么不能使用rollappy。