使用rollapply同时返回滚动回归系数与R平方的性能优化咨询

优化实现方案 #

基于zoo::rollapply的无额外依赖优化版 #

这个版本完全基于你现有使用的函数修改，不需要安装其他包，解决你提出的两个问题：

library(data.table)
library(zoo)

# 示例数据构造
set.seed(123)
dtset <- data.table(x = 11:30, y = rnorm(20))
win_width <- 10

# 单次调用同时计算系数和R²
dtset[, c("coefficient", "rsquare") := rollapply(
  data = .SD, 
  width = win_width, 
  align = "right", 
  fill = NA, 
  by.column = FALSE,
  FUN = function(win_mat) {
    x_win <- win_mat[, 1]
    y_win <- win_mat[, 2]
    reg <- lm.fit(cbind(x_win, 1), y_win)
    beta_x <- reg$coefficients[[1]]
    r2 <- 1 - sum(reg$residuals^2) / sum((y_win - mean(y_win))^2)
    return(c(beta_x, r2))
  }
), .SDcols = c("x", "y")]

问题对应说明 #

1. 多列传入rollapply的实现：你之前使用.SD失败是因为没有设置by.column = FALSE参数，rollapply默认会对每列单独执行滚动计算，加上该参数后会将.SD选中的多列按行组合为矩阵传入自定义函数，无需通过行号切片取数，减少索引开销。如果需要对多列执行同类计算，只需批量调整.SDcols和赋值的列名即可。
2. 单次调用返回多值：rollapply支持自定义函数返回多元素向量，返回结果会自动拼接为多列矩阵，直接通过data.table的:=赋值给对应列即可，避免重复拟合回归模型，直接减少一半计算量。

百万级数据极致优化方案 #

如果你的数据量达到百万行级别，推荐使用专门优化过的滚动回归包rollRegres，底层做了向量化优化，速度比rollapply实现快10倍以上：

library(rollRegres)
win_width <- 10
dtset[, c("coefficient", "rsquare") := {
  fit_res <- roll_regres(y ~ x, data = .SD, width = win_width, do_compute = "r2")
  .(fit_res$coefficients[, "x"], fit_res$r.squared)
}, .SDcols = c("x", "y")]

内容的提问来源于stack exchange，提问作者Kevin