【发布时间】:2017-03-16 12:07:34
【问题描述】:
我一直在通过将曲线拟合到价格序列来在 R 中进行估算。我想通过对关键参数 m 和 omega 的最佳值进行非常小的更改来评估曲线的适应度。为此,我想看看残差平方和如何在最佳状态下变化。我将残差函数定义如下:
# Define function for sum of squared residuals, to evaluate the fitness of parameters m and omega
residuals <- function(m, omega, tc) {
lm.result <- LPPL(rTicker, m, omega, tc)
return(sum((FittedLPPL(rTicker, lm.result, m, omega, tc) - rTicker$Close) ** 2))
}
然后,我可以得出一个最优 SSR 的绝对值,如下所示:
#To return value of SSR
residvalue <- residuals(m, omega,tc)
我想要做的是在 m(然后是 omega)的一系列值上重复此代码。
例如,如果最佳 m = 0.5,我想运行此代码来计算位于 0
【问题讨论】: