在 R 中找到 运行 最小值和最大值

Find running minimum and Max in R

我有一个全天股票价格的向量:

> head(bidStock)
         [,1]
[1,] 1179.754
[2,] 1178.000
[3,] 1178.438
[4,] 1178.367
[5,] 1178.830
[6,] 1178.830

我想找到两件事。正如我的算法经历了一天。我想让它找出当前点距离全天的历史最小值和最大值有多远。

'stocks' 包中有一个名为 'mdd' 的函数,它可以找到全天的最大跌幅(即对应于距离历史最大值最远的点的最低值那天)。但是,我不想要最低值,我想要一个向量。我想出了下面的代码来做到这一点。但是,我还需要一种方法来处理一个点与 运行 历史最小值的距离。

    mddVec<-rep(NA,1)
   for (i in 1: length(bidStock)){
     mddVec[i]<-mdd(bidStock[1:i])
     }

最后,典型价格由(max(day) + min(day) + custom price)/3计算。有没有一种方法可以像 运行 平均值那样使用全天的 运行 历史最小值和最大值。

提前感谢您的帮助

您只需要 cummmincummax 来计算累积最小值和最大值,您可以从中计算出您离最小值和最大值还有多远,以及您喜欢的任何排列:

# in base R, as data.frame
df <- data.frame(price = bidStock, 
                 min = cummin(bidStock), 
                 max = cummax(bidStock))
df$off_min <- df$price - df$min
df$off_max <- df$price - df$max
df$typical_price <- (df$price + df$min + df$max) / 3    # using price for closing price

df
##      price      min      max off_min off_max typical_price
## 1 1179.754 1179.754 1179.754   0.000   0.000      1179.754
## 2 1178.000 1178.000 1179.754   0.000  -1.754      1178.585
## 3 1178.438 1178.000 1179.754   0.438  -1.316      1178.731
## 4 1178.367 1178.000 1179.754   0.367  -1.387      1178.707
## 5 1178.830 1178.000 1179.754   0.830  -0.924      1178.861
## 6 1178.830 1178.000 1179.754   0.830  -0.924      1178.861

# or in dplyr
library(dplyr)

data.frame(price = bidStock) %>% 
    mutate(min = cummin(bidStock), 
           max = cummax(bidStock), 
           off_min = price - min, 
           off_max = price - max,
           typical_price = (price + min + max) / 3)
##      price      min      max off_min off_max typical_price
## 1 1179.754 1179.754 1179.754   0.000   0.000      1179.754
## 2 1178.000 1178.000 1179.754   0.000  -1.754      1178.585
## 3 1178.438 1178.000 1179.754   0.438  -1.316      1178.731
## 4 1178.367 1178.000 1179.754   0.367  -1.387      1178.707
## 5 1178.830 1178.000 1179.754   0.830  -0.924      1178.861
## 6 1178.830 1178.000 1179.754   0.830  -0.924      1178.861