小编sch*_*uk5的帖子

我正在尝试构建一个动态回归模型，到目前为止我是用 dynlm 包完成的。基本上模型看起来像这样

y_t = a*x1_t + b*x2_t + ... + c*y_(t-1).

y_t应预测，x1_t并且x2_t将给予，所以是y_(t-1)。

使用 dynlm 包构建模型工作正常，但是当涉及到预测时，y_t我感到困惑......

我发现了这个，这似乎是一个非常相似的问题，但它并没有帮助我处理我自己的问题。

这是我面临的问题（基本上是什么predict()，似乎很奇怪。请参阅评论！）：

library(dynlm)

# Create Data
set.seed(1)
y <- arima.sim(model = list(ar = c(.9)), n = 11) #Create AR(1) dependant variable
A <- rnorm(11) #Create independent variables
B <- rnorm(11)
y <- y + .5 * A + .2 * B #Add relationship to independent variables 
data = cbind(y, A, B) …

依据如下数据表：

library(data.table)
dt <- data.table(Position = 1:3, Price = c(50, 45, 40), Volume = c(10, 10, 10))

dt
   Position Price Volume
1:        1    50     10
2:        2    45     10
3:        3    40     10

现在我想计算每个头寸的加权平均值，同时考虑到"<="当前头寸的所有头寸。结果应该是：

dt[, Vwa := c(50, 47.5, 45)]

dt
   Position Price Volume  Vwa
1:        1    50     10 50.0
2:        2    45     10 47.5
3:        3    40     10 45.0

知道如何有效地实现这一目标吗？