R语言中金融日内时间序列顺序事件检测方案咨询

刚接触R不久就能用tidyverse处理金融时间序列，这点真的很不错！针对你要检测的「事件X发生后、事件Z发生前出现事件Y」的需求，其实用tidyverse自带的工具就能简洁实现，完全不需要额外安装包。我用你提供的示例数据来一步步拆解说明：

首先先加载数据（记得先加载tidyverse包）：

library(tidyverse)

df <- tribble( 
  ~t, ~price, ~level1, ~level2, ~level3, 
  as.POSIXct(strptime("2011-03-27 08:00:00", "%Y-%m-%d %H:%M:%S")), 5, 6, 8, 0, 
  as.POSIXct(strptime("2011-03-27 09:00:00", "%Y-%m-%d %H:%M:%S")), 7, 6, 8, 0, 
  as.POSIXct(strptime("2011-03-27 10:00:00", "%Y-%m-%d %H:%M:%S")), 9, 6, 8, 0, 
  as.POSIXct(strptime("2011-03-27 11:00:00", "%Y-%m-%d %H:%M:%S")), 0, 6, 8, 0 
)

第一步：标记每个时间点的事件状态 #

先把三个事件（X/Y/Z）转换成布尔值，方便后续判断：

df <- df %>%
  mutate(
    event_X = price > level1,  # 事件X：价格突破level1
    event_Y = price > level2,  # 事件Y：价格突破level2
    event_Z = price <= level3  # 事件Z：价格跌破或等于level3
  )

第二步：核心逻辑：判断事件顺序 #

我们需要锁定「X发生后、Z发生前」的时间窗口，然后检查这个窗口内是否出现过Y。用tidyverse的累积函数就能高效实现：

result <- df %>%
  # 标记X发生后的所有时间点：一旦X出现，后续所有行都标记为TRUE
  mutate(after_X = cumsum(event_X) >= 1) %>%
  # 标记Z发生前的所有时间点：在第一个Z出现前，都标记为TRUE
  mutate(before_Z = cumsum(event_Z) == 0) %>%
  # 筛选出同时满足「X之后、Z之前」的时间段
  filter(after_X & before_Z) %>%
  # 判断这段时间内是否有Y发生
  summarise(condition_met = any(event_Y))

# 查看结果
result$condition_met
# 输出：TRUE，和你示例中的预期一致

逻辑解释 #

• cumsum(event_X)会对事件X的布尔值累积求和：一旦有一个event_X为TRUE，后续的累积和就会≥1，这样after_X就能精准标记X发生后的所有时间点。
• cumsum(event_Z) == 0则是在第一个Z事件发生前，保持TRUE，一旦Z出现，累积和变成1，之后的行就会被排除。
• 最后用any(event_Y)检查筛选出的窗口内是否存在Y事件，直接得到我们需要的结果。

扩展：处理多组独立序列 #

如果你的数据包含多个交易日或者多个独立的事件周期，可以通过分组来批量检测：

# 假设数据有多个日期，按日期分组检测每个区间的情况
df %>%
  mutate(date = as.Date(t)) %>%
  group_by(date) %>%
  mutate(
    after_X = cumsum(event_X) >= 1,
    before_Z = cumsum(event_Z) == 0
  ) %>%
  filter(after_X & before_Z) %>%
  summarise(condition_met = any(event_Y))

额外提示 #

如果需要更复杂的规则（比如Y必须在X发生后的N个时间步内出现，或者Y需要连续出现多次），可以调整逻辑：比如用which(event_Y)定位Y的位置，再和X、Z的位置做对比，或者用roll_sum之类的滑动窗口函数来检测连续事件。

内容的提问来源于stack exchange，提问作者TommyF