从局部最小值/最大值计算累积增长/下降答案

【问题标题】：Calculate cumulatve growth/drawdown from local min/max从局部最小值/最大值计算累积增长/下降
【发布时间】：2013-01-22 04:08:13
【问题描述】：

我正在学习 R（及其通过 quantmod lib 在交易任务中的应用），并定期浏览社区以从这里获得很多新知识和技巧。我对 R 的总体印象，尤其是对 quantmod lib 的印象——它很棒。

此时我需要经验丰富的 R 用户的帮助。我正在使用通过 getSymbols 下载的时间序列，我需要分别从局部最小值/最大值计算累积增长/下降。

我可以使用 FOR 循环来解决我的任务，也可以在 MS Excel 中进行必要的建模，但我想找出更简单的解决方案，不需要 FOR 循环并且在 R 中更“原生”。

示例。输入数据：

20121121    79810
20121122    79100
20121123    80045
20121126    81020
20121127    80200
20121128    81350
20121129    81010
20121130    80550
20121203    80780
20121204    81700
20121205    83705
20121206    83350
20121207    83800
20121210    85385

结果：

            CLOSE   Cumulative gr/dd
20121121    79810   N/A
20121122    79100   0.58%
20121123    80045   1.55%
20121126    81020   2.37%
20121127    80200   -0.10%
20121128    81350   0.06%
20121129    81010   -0.76%
20121130    80550   -0.82%
20121203    80780   0.73%
20121204    81700   3.78%
20121205    83705   5.19%
20121206    83350   -1.50%
20121207    83800   1.67%
20121210    85385   2.22%

【问题讨论】：

您假设这里的人熟悉计算累积增长/回撤的概念。您能详细说明一下您是如何获得“累积 gr/dd”的吗？
.. 进一步说明@agstudy 的观点：也许可以减少数据集的行数，并准确突出显示计算 0.58% 1.55% 所采取的步骤，以此类推，使用for 循环......然后也许我们可以帮助您改进它:)
是的，你们两个都是对的。我应该提供更多细节和示例代码（使用 FOR）来阐明任务。一旦我使用 R 进入我的家用 PC，我就会这样做。简单地说 - 在资产增长的同时，我们计算累积 ROC。当资产开始下降时 - 我们从局部最大值（资产完成增长并开始下降的点）开始计算累积 ROC。当资产停止下跌并再次开始增长时 - 我们开始从局部最小值（即资产停止下跌并开始新一轮增长的点）计算累积 ROC。
经过一些谷歌搜索和反复试验后，我已经解决了我的任务，并用我的结果更新了初始帖子，以供参考。
@UncleKo，而不是在您的问题标题中添加“已解决”，您应该发布您的解决方案作为答案并接受它。

标签： r time-series xts quantmod

【解决方案1】：

计算已经在tseries 包中作为函数maxdrawdown。这是其示例的开头：

mxdrwdR> # Toy example
mxdrwdR> x <- c(1:10, 9:7, 8:14, 13:8, 9:20)

mxdrwdR> mdd <- maxdrawdown(x)

mxdrwdR> mdd
$maxdrawdown
[1] 6

$from
[1] 20

$to
[1] 26

将其转换为百分比非常简单——查看函数本身的（短）代码。

【讨论】：

谢谢，这不是我想要的，但帮助我继续进行谷歌搜索并最终解决了任务。我已经更新了帖子并提供了我的代码。再次感谢！

【解决方案2】：

为了补充 Dirk 的回答，PerformanceAnalytics package 有各种回撤选项。这是我的一些代码的摘录，它还显示了增长计算（以及锐化比率，作为奖励）：

#x is an xts object containing OHLC data
profit=ROC(x$Close)
growth=sum(na.omit(profit)),
equity=exp(sum(na.omit(profit))),
sharpe=as.vector(SharpeRatio.annualized(profit)),
maxDrawdown=maxDrawdown(profit)

【讨论】：

谢谢，这不是我想要的，但帮助我继续进行谷歌搜索并最终解决了任务。我已经更新了帖子并提供了我的代码。再次感谢！

【解决方案3】：

最后，我设法解决了它。 Dirk 和 Darren，非常感谢您的 cmets——PerformanceAnalytics 包中的“maxdrawdown”功能并不是我所需要的，但这让我开始关注 PerformanceAnalytics，并通过该站点和 Internet 进行了一些搜索。 findDrawdowns 函数来自与我的需求接近的同一包，但无论如何并不是我想要的（它需要更新最后一个高点才能开始计算新的回撤，而我什至需要取局部最大值和最小值考虑）。通过进一步的反复试验，我编写了自己的代码，无需 FOR 循环即可解决我的任务。 :) 这是代码。作为奖励 - 它返回带有资产不断增长/下降的条数的向量。如果有人可以建议如何改进它，我会很高兴。

library(rusquant)
library(quantmod)
library(tseries)

na.zero <- function(x) {
  tmp <- x
  tmp[is.na(tmp)] <- 0

  return(tmp)
}

my.cumulative.grdd <- function(asset) {
  # creating list for temporary data
  tmp <- list()
  # 
  #   tmp$asset.lag <- na.locf(lag(asset), fromLast=TRUE)

  # calculating ROC for the asset + getting ROC shifted by 1 element to the left and to the right
  # to compare ROC[i] and ROC[i+1] and ROC[i-1]
  tmp$asset.roc <- na.zero(ROC(asset))
  tmp$asset.roc.lag <- na.zero(lag(tmp$asset.roc))
  tmp$asset.roc.lag1 <- na.locf(lag(tmp$asset.roc, k=-1))

  # calculating indices of consequent growth/drawdown waves start and end
  tmp$indexfrom <- sapply(index(tmp$asset.roc[sign(tmp$asset.roc) * sign(tmp$asset.roc.lag) <= 0]), function(i) which(index(tmp$asset.roc) == i), simplify=TRUE)
  tmp$indexto <- c(sapply(index(tmp$asset.roc[sign(tmp$asset.roc) * sign(tmp$asset.roc.lag1) <= 0]), function(i) which(index(tmp$asset.roc.lag1) == i), simplify=TRUE), length(index(tmp$asset.roc)))

  # this is necessary to work around ROC[1] = 1
  tmp$indexfrom <- tmp$indexfrom[-2]
  tmp$indexto <- tmp$indexto[-1]

  # calculating dates of waves start/end based on indices
  tmp$datesfrom <- (sapply(tmp$indexfrom, FUN=function(x) format(index(asset)[x])))
  tmp$datesto <- (sapply(tmp$indexto, FUN=function(x) format(index(asset)[x])))
  tmp$dates <- apply(cbind(tmp$indexfrom, tmp$indexto), 2, FUN=function(x) format(index(asset)[x]))

  # merging dates for selection (i.e. "2012-01-02::2012-01-05") and calculation of cumulative product
  tmp$txtdates <- paste(tmp$datesfrom, tmp$datesto, sep="::")
  # extracting consequent growth/drawdowns
  tmp$drawdowns.sequences <- lapply(tmp$txtdates, function(i) tmp$asset.roc[i])
  # calculating cumulative products for extracted sub-series
  tmp$drawdowns.sequences.cumprods <- lapply(tmp$drawdowns.sequences, function(x) cumprod(1+x)-1)

  # generating final result
  result <- list()
  result$len <- tmp$indexto - tmp$indexfrom + 1
  result$cumgrdd <- xts(unlist(tmp$drawdowns.sequences.cumprods), index(tmp$asset.roc))

  return(result)
}

# let's test
getSymbols("SPY", from="2012-01-01")
spy.cl <- Cl(SPY)
spy.grdd <- my.cumulative.grdd(spy.cl)
spy.grdd

【讨论】：

我想我有一个更快的使用 for 循环的解决方案。你确定这是一个有效的解决方案吗？

【解决方案4】：

您可以使用 zig zag 点找到峰值和谷值，然后计算百分比减少/增加。例如

    s <- get(getSymbols('goog'))["2012::"]
    z <- ZigZag(s[,2:3],10,percent=TRUE)
    # 10 in this example is the sensitivity to changes. 
    # if you want to use closing prices use s instad of s[,2:3]

    # extract the extreme points
    z <- rbind(z[findPeaks(z)-1],z[findValleys(z)-1])
    # calculate the difference
    names(z) <- c("zig")
    z$PercentChange <- ((z - Lag(z)) / z) * 100

希望对你有帮助

【讨论】：