【发布时间】：2012-03-22 14:44:16
【问题描述】：
这实际上是我几周前的一个问题的转贴。我得到了很好的提示，但我还不能找到完美的解决方案。我正在寻找一个仅使用历史数据进行“平滑”的过滤器。我尝试了 robfilter-package 中的几个过滤器和 forecast 包中的 ets（指数平滑）过滤器，但我对结果不满意，并且对于前面提到的包，计算时间非常长。我实际上需要具有 loess 或 hodrick-prescott 功能的东西，它只使用过去的数据。我考虑了signalextraction 包中的dfa 函数，但我的时间序列现在55 周太短了。如果你们中的某个人能给我一个提示，我会很高兴的！现在是凌晨 4 点 40 分，我越来越沮丧，因为从长远来看，长时间的计算加上糟糕的结果并不是很有动力;-)。
【问题讨论】：
-
除了@DWin，向我们展示你已经做了什么。我的意思是您使用的包中可重现的代码示例。
-
@DWin：当您无法为我的问题的解决做出贡献时，建设性的评论会告诉我我的问题出了什么问题。这是我第三次或第四次在 stackoverflow 上发布问题。
-
@Paul Hiemstra：一个可重复的例子的问题是我的大数据集：我有 7000 个时间序列，每 55 个观察值。必须对它们中的每一个进行相同的操作。我只是想问一下您是否会有其他相关软件包的相同“名称”。
-
然后只发布您的 7000 次系列中的一些，例如 3。然后显示您在它们上使用的代码。
-
将您的问题简化为可重现的小问题也将有助于您了解问题所在。如果没有示例，我们只能猜测为什么您的分析需要这么长时间：您的代码效率低下，您没有正确使用软件包，还是软件包速度慢，或者您对慢速或快速的加速不正确。像这样的问题太宽泛了。
标签： r filter filtering smooth volatility