Deriv.com - 筛选日内高频量化交易统计模型 校阅（第IV部）

Deriv.com - 筛选日内高频量化交易统计模型 校阅（第IV部）

🚩🦔量化对冲，中科红旗；一带一路，一统天下：频率=1

**大秦赋 (Chinese Emperor)**<br>
春秋战国《*礼记•经解*》<br>
孔子曰：『君子慎始，差若毫厘，缪以千里。』

> <span style='color:#FFEBCD; background-color:#D2B48C;'>**《礼记·经解》孔子曰：**</span><span style='color:#A9A9A9'; background-color:#696969;'>*「君子慎始。差若毫厘，谬以千里。」*</span>[^1]

*引用：[「快懂百科」《礼记•经解》](https://www.baike.com/wikiid/2225522569881832051?view_id=2tt3iw3blkq000)和[第一范文网：差之毫厘，谬以千里的故事](https://www.diyifanwen.com/chengyu/liuziyishangchengyugushi/2010051523105152347092749890.htm)和[「百度百科」春秋时期孔子作品《礼记•经解》](https://baike.baidu.com/item/%E7%A4%BC%E8%AE%B0%C2%B7%E7%BB%8F%E8%A7%A3/2523092)和[「當代中國」差之毫釐 謬以千里](https://www.ourchinastory.com/zh/2962/%E5%B7%AE%E4%B9%8B%E6%AF%AB%E9%87%90%20%E8%AC%AC%E4%BB%A5%E5%8D%83%E9%87%8C)*

[^1]: [HTML Color Codes](https://html-color.codes)

binary-Q1Inter-HFT-RV4.Rmd

@@ -650,7 +650,11 @@ source('函数/日内高频季节性自回归.R')
   as.data.table
 .季节性规律参数 <- setnames(.季节性规律参数, old = c('V1', 'V2', 'V3'), 
                      new = c('季节性自回归阶数', '季节性差分阶数', 
-                             '季节性滑均阶数'))[季节性差分阶数 <= 2]
+                             '季节性滑均阶数'))[季节性差分阶数 <= 2] %>% 
+  mutate_dt(总和 = rowSums(.)) %>% 
+  filter_dt(总和 > 0) %>% 
+  select_dt(-总和)
+
 # 循环周期 <- 数据量/频率
 # seasonal <- list(order = .季节性规律参数, period = 循环周期)
 ```

函数/日内高频季节性自回归.R

@@ -47,7 +47,7 @@
     #趋势 = NULL, 包含常数与否, 
     包含截距与否 = 包含截距与否, 统计模型 = 统计模型, 
     #博克斯考克斯变换 = 统计模型$lambda, x = y, 偏差调整与否 = FALSE, 
-    计策谋略 = 计策谋略, 列印 = '勾') {
+    计策谋略 = c('CSS-ML', 'ML', 'CSS'), 列印 = '勾') {
 
   options(digits = 22)
   require('tidyft', quietly = TRUE)

实验室/数据库 - 一带一路，泛亚高铁（日内高频第四部）.R

@@ -298,7 +298,10 @@ source('函数/日内高频季节性自回归.R')
 .季节性规律参数 <- permutations(6, 3, 0:5, repeats.allowed = TRUE) %>% 
   as.data.table
 .季节性规律参数 <- setnames(.季节性规律参数, old = c('V1', 'V2', 'V3'), 
-                     new = c('季节性自回归阶数', '季节性差分阶数', '季节性滑均阶数'))[季节性差分阶数 <= 2]
+                     new = c('季节性自回归阶数', '季节性差分阶数', '季节性滑均阶数'))[季节性差分阶数 <= 2] %>% 
+  mutate_dt(总和 = rowSums(.)) %>% 
+  filter_dt(总和 > 0) %>% 
+  select_dt(-总和)
 
 频率 = 1
 
@@ -379,7 +382,7 @@ source('函数/日内高频季节性自回归.R')
 包含截距与否 = '叉'
 迭数1 <- 迭代基准[1]
 省略 = NULL
-计策谋略 = NULL
+计策谋略 = c('CSS-ML', 'ML', 'CSS')
 趋势 = NULL
 博克斯考克斯变换 = NULL
 
@@ -533,10 +536,8 @@ source('函数/日内高频季节性自回归.R')
   逐步精化量 = 94, #近似值与否=(length(x)>150|frequency(x)>12), 
   省略 = NULL, 计策谋略 = NULL, #x = y, 
   趋势 = NULL, 测试 = c('kpss', 'adf', 'pp'), 测试参数 = list(), 
-  季节性测试参数 = list(), 
-  季节性测试 = c('seas', 'ocsb', 'hegy', 'ch'), 
-  允许截距与否 = '勾', 允许包含均值与否 = '勾', 
-  博克斯考克斯变换 = NULL, 
+  季节性测试参数 = list(), 季节性测试 = c('seas', 'ocsb', 'hegy', 'ch'), 
+  允许截距与否 = '勾', 允许包含均值与否 = '勾', 博克斯考克斯变换 = NULL, 
   偏差调整与否 = '叉', 多管齐下与否 = '叉', 核心量 = 2, 包含均值与否 = '勾')
 
 
@@ -559,6 +560,15 @@ source('函数/日内高频季节性自回归.R')
     biasadj = 偏差调整与否, method = 计策谋略)
 }, 错误信息 = function(错误信息参数) NULL)
 
+半成品 <- tryCatch({
+  Arima(
+    季回归, order = unlist(.时序规律[1,]), 
+    seasonal = unlist(.季节性规律参数[1,]), 
+    xreg = 趋势, include.mean = 包含均值与否, 
+    include.drift = TRUE, #包含截距与否, #include.constant = 包含常数, 
+    #model = 统计模型, lambda = 博克斯考克斯变换, x = y, 
+    biasadj = 偏差调整与否, method = 'CSS')#计策谋略)
+}, 错误信息 = function(错误信息参数) NULL)