N周期移动斜率的矢量化方法
N周期移动斜率的矢量化方法
提问于 2016-06-07 00:31:41
有没有人能帮我把移动坡度计算矢量化。我试图消除for循环，但我不确定如何做到这一点。
>> pv = [18 19 20 20.5 20.75 21 21.05 21.07 21.07]'; %% price vector
>> slen = 3; %% slope length
function [slope] = slope(pv , slen)
svec = (1:1:slen)';
coef = [];
slope = zeros(size(pv));
for i = slen+1 : size(pv,1)
X = [ones(slen,1) svec];
y = pv( (i - (slen-1)) : i );
a = X\y;
slope(i,1) = a(2);
end
>> slp = slope(pv,3)
slp =
0
0
0
0.75
0.375
0.25
0.15
0.035
0.01谢谢
回答 2
Stack Overflow用户
发布于 2016-06-07 03:24:07
编辑:完全更改答案以使其可伸缩
function [slope] = calculate_slope(pv , slen) %% Note: bad practice to give a function and variable the same name
svec = (1:1:slen)';
X = [ones(slen,1) svec];
%% the following two lines basically create the all the sliding windows of length slen (as a submatrix of a larger matrix)
c = repmat ( flipud(pv), 1, length(pv))
d = flipud(reshape(c(1:end-1), length(pv)-1, length(pv) + 1));
%% then run MATLAB solver with all windows simultaneously
least_sq_result = X\d( end - slen + 1:end, (slen+1):end);
slope = [zeros(slen-1, 1); least_sq_result(2,:)']; %% padding with zeros is optional编辑:固定交换索引
Stack Overflow用户
发布于 2016-06-07 09:45:17
使用最小二乘回归在滑动窗口中找到斜率相当于一阶Savitzy-Golay滤波(使用微分滤波器)。SG滤波的概念是在滑动窗口中进行局部多项式拟合，然后使用局部模型对信号进行平滑或计算其导数。当数据点在时间上均匀分布时(就像这里一样)，通过预先计算一组滤波器系数，然后将它们与数据卷积，可以非常有效地运行计算。这应该比构建一个巨大的矩阵并对其进行回归要快得多。
这是一种非常标准的技术，而且肯定会有现成的matlab代码流传开来。搜索“Savitzky-Golay differentiation”之类的东西。请注意，SG过滤器也可以执行平滑( matlab内置SG过滤函数执行此操作)，但您需要执行区分的版本。
Savitzky and Golay (1964).用简化的最小二乘法
实现数据的平滑和微分
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/37662537
复制相关文章
相似问题
腾讯云开发者
