Estou tentando calcular a média móvel exponencial em barras de 15 dias, mas quero ver a "evolução" da EMA da barra de 15 dias em cada (final de) dia / barra. Então, isso significa que eu tenho barras de 15 dias. Quando novos dados são recebidos diariamente, eu gostaria de recalcular a EMA usando novas informações. Na verdade, tenho barras de 15 dias e, depois de cada dia, minha nova barra de 15 dias começa a crescer e cada nova barra que aparece é usada para o cálculo da EMA juntamente com as barras de 15 dias anteriores.

Digamos que iniciemos em 01/01/2012 (temos dados para cada dia do calendário deste exemplo), no final de 15/01/2012 temos a primeira barra completa de 15 dias. Após 4 barras completas de 15 dias concluídas em 01/03/2012, podemos começar a calcular a EMA de 4 barras (EMA (x, n = 4)). No final de 2012-03-02, usamos as informações que temos até o momento e calculamos a EMA em 02/03/2012, fingindo que o OHLC para 02/03/2012 é a barra de 15 dias em andamento. Então, pegamos as 4 barras completas e a barra em 02/03/2012 e calculamos a EMA (x, n = 4). Em seguida, aguardamos outro dia, ver o que aconteceu com a nova barra de 15 dias em andamento (consulte a função to.period.cumulative abaixo para obter detalhes) e calculamos o novo valor para a EMA ... E assim, pelos próximos 15 dias ... Consulte função EMA.cumulative abaixo para obter detalhes ...

Abaixo, por favor, encontre o que eu pude inventar até agora. O desempenho não é aceitável para mim e não posso torná-lo mais rápido com meu conhecimento limitado em R.

library(quantmod)

do.call.rbind <- function(lst) {
    while(length(lst) > 1) {
        idxlst <- seq(from=1, to=length(lst), by=2)

        lst <- lapply(idxlst, function(i) {
                    if(i==length(lst)) { return(lst[[i]]) }

                    return(rbind(lst[[i]], lst[[i+1]]))
                })
    }
    lst[[1]]
}

to.period.cumulative <- function(x, name=NULL, period="days", numPeriods=15) {
    if(is.null(name))
        name <- deparse(substitute(x))

    cnames <- c("Open", "High", "Low", "Close")
    if (has.Vo(x)) 
        cnames <- c(cnames, "Volume")

    cnames <- paste(name, cnames, sep=".") 

    if (quantmod:::is.OHLCV(x)) {
        x <- OHLCV(x)
        out <- do.call.rbind( 
                lapply(split(x, f=period, k=numPeriods), 
                        function(x) cbind(rep(first(x[,1]), NROW(x[,1])), 
                                cummax(x[,2]), cummin(x[,3]), x[,4], cumsum(x[,5]))))
    } else if (quantmod:::is.OHLC(x)) {
        x <- OHLC(x)
        out <- do.call.rbind( 
                lapply(split(x, f=period, k=numPeriods), 
                        function(x) cbind(rep(first(x[,1]), NROW(x[,1])), 
                                cummax(x[,2]), cummin(x[,3]), x[,4])))
    } else {
        stop("Object does not have OHLC(V).")
    }

    colnames(out) <- cnames

    return(out)
}

EMA.cumulative<-function(cumulativeBars, nEMA = 4, period="days", numPeriods=15) {
    barsEndptCl <- Cl(cumulativeBars[endpoints(cumulativeBars, on=period,     k=numPeriods)])

    # TODO: This is sloooooooooooooooooow... 
    outEMA <- do.call.rbind(
            lapply(split(Cl(cumulativeBars), period), 
                    function(x) {
                        previousFullBars <- barsEndptCl[index(barsEndptCl) < last(index(x)), ]
                        if (NROW(previousFullBars) >= (nEMA - 1)) {
                                last(EMA(last(rbind(previousFullBars, x), n=(nEMA + 1)), n=nEMA))
                        } else {
                            xts(NA, order.by=index(x))
                        }
                    }))

    colnames(outEMA) <- paste("EMA", nEMA, sep="")

    return(outEMA)
}

getSymbols("SPY", from="2010-01-01")

SPY.cumulative <- to.period.cumulative(SPY, , name="SPY")

system.time(
        SPY.EMA <- EMA.cumulative(SPY.cumulative)
)

No meu sistema, leva

   user  system elapsed 
  4.708   0.000   4.410 

O tempo de execução aceitável seria inferior a um segundo ... É possível conseguir isso usando R pur

Esta publicação está vinculada aOtimizar o cálculo de médias móveis - é possível? onde não recebi respostas. Agora eu era capaz de criar um exemplo reproduzível com uma explicação mais detalhada do que eu quero acelerar. Espero que a pergunta faça mais sentido agor

Todas as idéias sobre como acelerar isso são muito apreciada