如何用purrr::map2或pmap替代for循环实现含滞后自引用的指标计算

问题描述 #

计算多只股票自定义金融指标时（单只股票对应约5000行数据），希望避免低效的R层for循环。测试发现不涉及前序值引用的逐行计算，用purrr::map2运行正常，但遇到需要引用待创建向量滞后（lag）值的递归计算场景时，常规map函数无法得到正确结果。

无滞后引用的正常运行示例 #

不依赖前序计算结果时，purrr::map2可以直接完成逐行运算，示例代码：

some_function <- function(a, b) {   
  (a * b) + ((1 - a) * b)  
}
a <- c(0.019, 0.026, 0.012, 0.022)  # 自定义指标
b <- c(15.5, 16.7, 14.8, 13.1)  # 收盘价
purrr::map2(a, b, some_function)

运行输出和原始收盘价完全一致：

15.5, 16.7, 14.8, 13.1

带滞后引用的失效场景 #

需要构建新向量c，计算逻辑为：第一行c取值等于对应行的b值，其余行需要引用c自身的前一期值，计算逻辑：

desired_function <- function(a, b, c) {   
  (a * b) + ((1 - a) * lag(c))  
} 

初始化向量c后尝试传入三个参数调用map类函数：

c <- c(15.5, 0, 0, 0)
purrr::map2(a, b, c, desired_function)

运行后返回全NULL结果，不符合预期。该场景下c的预期计算结果应为：15.50, 15.53, 15.52, 15.47。
金融指标计算中引用前一期值是非常普遍的需求，仅靠R层for循环实现笨重低效，需要更合适的实现方式。 #

解决方案 #

这类递推计算的核心特点是每一步的结果都依赖上一步的输出，而常规的map/apply类函数是逐元素独立计算，迭代过程中不会传递、更新上一步的计算结果，因此天然不适合这类场景，推荐两种高效实现方式：

方案1：使用purrr::accumulate系列函数实现递推 #

purrr包提供的accumulate/accumulate2函数专门为这类携带状态的迭代设计，不需要手动编写for循环，底层做了性能优化，比手写R层for循环效率高很多，代码可读性也更好。
针对上述场景的实现代码：

library(purrr)
c <- accumulate2(
  .x = a[-1],        # 从第二期开始传入指标a的取值
  .y = b[-1],        # 从第二期开始传入收盘价b的取值
  .f = function(prev_c, curr_a, curr_b) {
    # 上一期的c值会自动作为第一个参数传入函数
    curr_a * curr_b + (1 - curr_a) * prev_c
  },
  .init = b[1]       # 设定第一期c的初始值为b的第一个元素
) |> unlist()

运行得到的结果四舍五入后为15.50, 15.53, 15.52, 15.47，和预期完全一致。
如果需要按股票分组计算，只需要配合dplyr::group_by+dplyr::mutate，在分组内调用accumulate2即可，不需要写嵌套循环。

方案2：Rcpp实现C++层循环（高性能场景） #

如果数据量更大（比如单票数据超过10万行、全市场股票批量计算），可以直接用Rcpp编写C层的递推逻辑，C层循环的性能比R层循环高1~2个数量级，5000行级别的计算耗时基本在微秒级，示例代码：

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
NumericVector calc_indicator(NumericVector a, NumericVector b) {
  int n = a.size();
  NumericVector c(n);
  c[0] = b[0];
  for(int i = 1; i < n; i++) {
    c[i] = a[i] * b[i] + (1 - a[i]) * c[i-1];
  }
  return c;
}

在R中运行上述代码完成函数编译后，直接调用calc_indicator(a, b)即可得到结果。 #

注意：不要尝试给普通map函数传入提前初始化的向量实现递归，map函数不会在迭代过程中修改外部传入的向量，也不会自动传递上一轮的计算结果，永远无法得到正确的递推值。

内容的提问来源于stack exchange，提问作者Dan Hill