2017-03-16 51 views
0

我一直在通過將曲線擬合到價格序列中來運行R中的估計。我想通過對關鍵參數m和ω進行非常小的改變來評估曲線的適應性,使其處於最佳值。要做到這一點,我想看看平方殘差的總和是如何變化的。我對殘差定義的功能如下:在R中重複一段代碼並將結果存儲爲向量

# 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)) 
} 

然後我就可以在最佳產量爲SSR的絕對值如下:

#To return value of SSR 
residvalue <- residuals(m, omega,tc) 

我想要做的就是重複這個代碼在m(然後是Ω)的值序列。

例如,如果最佳m = 0.5,我想運行此代碼來計算m值的序列的對象'residvalue',該值位於0 <之間,區間大小= 0.01(即運行100時間爲100個不同的SSR值)。然後,我想將這些結果SSR值存儲在一個向量中(然後我可以將其轉化爲觀察數據幀)。這看起來像一個微不足道的任務,但我不知道如何去做。任何幫助,將不勝感激。

回答

1

你可以使用sapply

sapply(seq(0,1,0.01),function(m) residuals(m,omega,tc)) 
相關問題