如何在R语言中计算平均方向准确率（Mean Directional Accuracy）？

当然可以！平均方向准确率（MDA）是评估时间序列预测方向正确性的经典指标——它核心衡量的是你预测的涨跌方向和实际市场涨跌方向吻合的比例。针对你手里的股票实际值+情绪得分的数据框，在R里有两种简单的实现方式，我给你一步步讲清楚：

方法一：自定义函数（灵活适配你的数据逻辑） #

首先我们得明确两个关键方向的定义（你可以根据自己的研究需求调整）：

• 实际方向：股票每日价格的涨跌方向，用当日价格与前一日的差值符号表示（正=涨，负=跌）
• 预测方向：这里假设你用情绪得分的符号作为涨跌预测（正=预测涨，负=预测跌）；如果你的逻辑是用情绪得分的变化方向来预测，只需要修改下面的代码即可。

自定义MDA计算函数 #

calculate_mda <- function(actual_prices, sentiment_scores) {
  # 1. 计算实际价格的日变化方向
  actual_diffs <- diff(actual_prices)
  actual_directions <- sign(actual_diffs)
  
  # 2. 把情绪得分转换为预测方向（去掉第一个值，因为实际变化少了一个观测）
  pred_directions <- sign(sentiment_scores[-1])
  
  # 3. 过滤掉实际价格平盘（变化为0）的情况（这类观测无法判断方向对错）
  valid_indices <- actual_directions != 0
  actual_valid <- actual_directions[valid_indices]
  pred_valid <- pred_directions[valid_indices]
  
  # 4. 计算方向一致的比例
  correct_count <- sum(actual_valid == pred_valid)
  mda <- correct_count / length(actual_valid)
  
  return(mda)
}

用示例数据测试 #

# 模拟你的数据结构
set.seed(123)  # 固定随机种子，结果可复现
stock_data <- data.frame(
  actual_price = c(100, 102, 99, 101, 105, 103, 104),  # 股票实际价格
  sentiment = c(0.2, 0.5, -0.1, 0.3, 0.6, -0.2, 0.1)   # 每日情绪得分
)

# 计算MDA
mda_result <- calculate_mda(stock_data$actual_price, stock_data$sentiment)
cat("平均方向准确率（MDA）：", round(mda_result, 4), "\n")

方法二：用现成统计包快速计算 #

如果你不想自己写函数，可以用专门的时间序列评估包TSmetrics，它内置了mda()函数，能自动处理方向计算。

步骤： #

1. 安装并加载包：

install.packages("TSmetrics")
library(TSmetrics)

2. 注意：这个函数需要实际价格序列和预测价格序列作为输入（不是直接用情绪得分）。如果你的情绪得分是用来预测价格的，先得到预测价格后再用这个函数：

# 模拟预测价格（这里只是示例，你需要替换成自己的预测结果）
stock_data$predicted_price <- c(NA, 101, 100, 102, 106, 104, 103)

# 计算MDA
mda_from_package <- mda(stock_data$actual_price, stock_data$predicted_price)
cat("使用TSmetrics包计算的MDA：", round(mda_from_package, 4), "\n")

一些关键注意事项 #

• 平盘处理：实际价格无变化（diff=0）的观测通常会被排除，因为这类情况没有明确的涨跌方向，无法验证预测对错。
• 预测逻辑调整：如果你的预测方向不是基于情绪得分的符号，而是情绪得分的变化（比如情绪上升预测涨），只需要把pred_directions <- sign(diff(sentiment_scores))即可。
• 样本量：确保你的时间序列有足够多的观测值，MDA结果才具有统计意义。

内容的提问来源于stack exchange，提问作者davide andriolo