加速提前一步的预测（而不是使用rollapply）

我使用

rollapply

来创建GARCH（1,1）模型的一步预测（

garchFit

）。下面提供了一个示例：

require(fGarch)
require(zoo)
data(EuStockMarkets)  
dax <- diff(log(EuStockMarkets))[,"DAX"]


gfit <- function(df)
   { 
  series <- df
    capture.output(gf <- garchFit(formula=~arma(0,0) + garch(1,1), data=series),     file='NUL')
    g <- predict(gf, n.ahead=1)[,2]
    attributes(g) <- NULL
return(g)
   }

 rolling <- rollapply(dax, width=250, FUN=gfit)

require（fGarch）
需要（动物园）
数据（欧洲股票市场）
达克斯
最近版本的
rollapply
（如zoo 1.7-6）中存在一个bug，该bug没有导致错误答案，但确实导致其运行速度比需要的慢得多。尝试开发版本（成为zoo 1.7-7），看看是否足以满足您的需求：

install.packages（“zoo”，repo=”http://r-forge.r-project.org））

您还可以尝试测量函数占用的时间百分比（请参见
？Rprof
），如果它很大，即
total.pct
for
FUN
很大，那么寻找
rollapply
替代方案是毫无意义的

最近版本的
rollapply
（如zoo 1.7-6）中存在一个bug，该bug没有导致错误答案，但确实导致其运行速度比需要的慢得多。尝试开发版本（成为zoo 1.7-7），看看是否足以满足您的需求：

install.packages（“zoo”，repo=”http://r-forge.r-project.org））

您还可以尝试测量函数占用的时间百分比（请参见
？Rprof
），如果它很大，即
total.pct
for
FUN
很大，那么寻找
rollapply
替代方案是毫无意义的

谢谢！它把整个事情削减了大约一半。之前：
用户系统已运行206.36 2.46 226.04
；之后：
用户系统运行122.30 0.31 123.04
。所以这很有帮助。但可能还有更多的可能性：）现在我有了很多，我是否认为将整个东西转换成
ts
对象需要很大的一部分？是否有解释
Rprof
输出的资源。谢谢！非常感谢你！因为我们似乎已经在一个答案上达成一致，所以我删除了我的评论，并将它们转移到一个答案上。非常感谢！它把整个事情削减了大约一半。之前：
用户系统已运行206.36 2.46 226.04
；之后：
用户系统运行122.30 0.31 123.04
。所以这很有帮助。但可能还有更多的可能性：）现在我有了很多，我是否认为将整个东西转换成
ts
对象需要很大的一部分？是否有解释
Rprof
输出的资源。谢谢！非常感谢你！因为我们似乎已经在一个答案上达成了共识，所以我删除了我的评论，并将它们转移到了一个答案中。