如何实时计算时间序列变量？滚动方差实现方法问询

现有计算逻辑 #

你当前用于计算fv和指数移动平均ma的代码如下：

// 计算当前fv值
fv = exactMath.add(exactMath.mul(busdVolume, fv_busd), exactMath.div(exactMath.mul(fv_usdt, usdtVolume), busd_price));

// 存储fv到时间序列数组
fvs[n] = fv;

// 计算指数移动平均ma
if(n == 0){
    ma[n] = fvs[n];
}else if(n > 0){
    ma[n] = exactMath.add(exactMath.mul(0.1, fv), exactMath.mul(0.9, ma[n-1]));
}

需求说明 #

你需要实现滚动窗口式的波动率（方差）计算：

• 当索引n=200时，用前200个fvs值（索引0~199）计算方差
• 当索引n=400时，用索引200~399的200个fvs值计算方差
• 本质是固定窗口大小（比如200），每新增一个数据就滑动窗口，丢弃最旧的一个值，用最新的窗口数据计算方差

滚动方差实现方案 #

直接遍历窗口内所有元素计算会浪费算力（尤其是链上环境），推荐用递推方式维护窗口的总和、平方和，从而实现O(1)复杂度的滚动计算。

核心思路 #

方差公式可以变形为：

方差 = (窗口内元素平方和 - (窗口内元素总和² / 窗口大小)) / (窗口大小 - 1)

我们只需要维护三个变量，每次新增数据时更新它们，就能快速计算当前窗口的方差：

• window_sum：窗口内所有fvs值的总和
• window_sq_sum：窗口内所有fvs值的平方和
• window_size：固定的窗口长度（比如你需要的200）

代码实现 #

// 定义固定窗口大小，比如200
uint256 constant WINDOW_SIZE = 200;

// 维护全局状态变量，用于滚动计算
uint256 window_sum;
uint256 window_sq_sum;

// 在每次计算fv后，执行滚动方差计算
function calculateRollingVariance(uint256 n, uint256 fv) returns (uint256 var_fv) {
    // 1. 更新窗口的总和与平方和
    if (n < WINDOW_SIZE) {
        // 窗口还没填满，直接累加当前值
        window_sum = exactMath.add(window_sum, fv);
        window_sq_sum = exactMath.add(window_sq_sum, exactMath.mul(fv, fv));
    } else {
        // 窗口已满，移除最旧的元素（n-WINDOW_SIZE位置的值），加入当前值
        uint256 oldest_fv = fvs[n - WINDOW_SIZE];
        window_sum = exactMath.sub(window_sum, oldest_fv);
        window_sum = exactMath.add(window_sum, fv);
        
        window_sq_sum = exactMath.sub(window_sq_sum, exactMath.mul(oldest_fv, oldest_fv));
        window_sq_sum = exactMath.add(window_sq_sum, exactMath.mul(fv, fv));
    }

    // 2. 计算当前窗口的方差
    uint256 window_count = n < WINDOW_SIZE ? n + 1 : WINDOW_SIZE;
    if (window_count < 2) {
        // 元素不足2个时，方差无意义，返回0或自定义值
        return 0;
    }

    // 计算(总和²)/窗口大小
    uint256 sum_squared = exactMath.mul(window_sum, window_sum);
    uint256 avg_sq_term = exactMath.div(sum_squared, window_count);
    
    // 分子：平方和 - (总和²/窗口大小)
    uint256 numerator = exactMath.sub(window_sq_sum, avg_sq_term);
    
    // 方差 = 分子 / (窗口大小-1)
    var_fv = exactMath.div(numerator, exactMath.sub(window_count, 1));
    
    // 存储当前方差到数组
    var_fvs[n] = var_fv;
    return var_fv;
}

说明 #

• 这个方案不需要每次遍历窗口内的所有元素，每次更新只做几次加减乘除，计算效率极高
• 如果你的窗口大小不是固定值（比如随n变化），只需要调整WINDOW_SIZE的逻辑，比如当n=200时窗口200，n=400时窗口200，本质还是固定窗口滑动
• 注意exactMath的精度问题，确保除法操作不会丢失精度（如果是整数运算，可能需要用乘法逆元或者定点数处理）

内容的提问来源于stack exchange，提问作者Alexey