mpercentileTopN

mpercentileTopN(X, S, percent, window, top, [interpolation], [ascending], [tiesMethod='oldest'])

参数说明和窗口计算规则请参考：mTopN

• 若 X 是向量，在长度为 window 的滑动窗口内，根据 ascending 指定的排序方式将 X 在窗口内的元素按照 S 进行稳定排序，取其前top 个元素计算对应的 percent 百分位数。

• 若 X 是矩阵或表，在每列内进行上述计算，返回同样数据类型和数据维度的结果。

percent 是 0 到 100之间的数，表示计算的百分位数。

interpolation 是一个字符串，表示当选中的分位点位于在 X 的第 i 和第 i+1 个元素之间时，采用的插值方法。它具有以下取值，默认值为 'linear'：

• ‘linear’：X_i + ( X_i+1 - X_i ) * fraction，其中 fraction 为

• 'lower'：X_i

• 'higher’：X_i+1

• 'nearest'： X_i+1 和 X_i 之中最接近分位点的数据

• 'midpoint'：（X_i+1 + X_i )/2

• 输入为向量时，返回一个与输入等长的 DOUBLE 类型向量。
• 输入为矩阵时，返回一个与输入矩阵同维度的矩阵，每列分别计算。
• 输入为表时，返回一个与输入表结构相同的表。
• 输入为元组时，返回对应的元组结构。

以 IBM 股票为例，构造连续 6 个交易日的成交价格和成交量数据：

symbol = take(`IBM, 6)
tradeDate = 2024.01.02 2024.01.03 2024.01.04 2024.01.05 2024.01.08 2024.01.09
tradePrice = [182.5, 183.8, 181.2, 184.6, 183.1, 185.0]
tradeVolume = [520, 860, 610, 940, 650, 880]

stockDaily = table(symbol, tradeDate, tradePrice, tradeVolume)
stockDaily;

输出结果：

例 1：在最近 4 个交易日中，选取成交量最高的前 2 个交易日，分别计算其成交价格的 50 分位数：

mpercentileTopN(X=tradePrice, S=tradeVolume, percent=50, window=4, top=2, ascending=false)
// 输出: [182.5, 183.15, 182.5, 184.2, 184.2, 184.8]

• 对 2024.01.09 的数据而言，最近 4 日窗口中：

  • tradePrice=[181.2, 184.6, 183.1, 185.0]

  • tradeVolume=[610, 940, 650, 880]

• 因为 ascending=false，对成交量执行降序，选取成交量最高的前 2 个交易日，其对应的成交价格为 184.6 和 185.0；这两个价格的 50 分位数为 184.8。

例 2：设置 interpolation 决定分位点位于两个观测值之间的取值方式。

下面仍使用同一组成交价格和成交量数据，在最近 4 个交易日内，选取成交量最低的前 2 个交易日，分别计算其成交价格的 20 分位数：

mpercentileTopN(X=tradePrice, S=tradeVolume, percent=20, window=4, top=2, interpolation="lower")
// 输出: [182.5, 182.5, 181.2, 181.2, 181.2, 181.2]
​
mpercentileTopN(X=tradePrice, S=tradeVolume, percent=20, window=4, top=2, interpolation="higher")
// 输出: [182.5, 183.8, 182.5, 182.5, 183.1, 183.1]
​
mpercentileTopN(X=tradePrice, S=tradeVolume, percent=20, window=4, top=2, interpolation="nearest")
// 输出: [182.5, 182.5, 181.2, 181.2, 181.2, 181.2]
​
mpercentileTopN(X=tradePrice, S=tradeVolume, percent=20, window=4, top=2, interpolation="midpoint")
// 输出: [182.5, 183.15, 181.85, 181.85, 182.15, 182.15]
​
mpercentileTopN(X=tradePrice, S=tradeVolume, percent=20, window=4, top=2, interpolation="linear")
// 输出: [182.5, 182.76, 181.46, 181.46, 181.58, 181.58]

以 2024.01.09 的数据为例，按默认升序选择成交量最低的前 2 个交易日，其对应的成交价格是 181.2 和 183.1：

• interpolation="lower"：取较低价格 181.2；

• interpolation="higher"：取较高价格 183.1；

• interpolation="nearest"：取距离分位点最近的价格 181.2；

• interpolation="midpoint"：取两者中点 182.15；

• interpolation="linear"：按位置做线性插值，将数据代入 X_i + ( X_i+1 - X_i ) * fraction 计算，得到 181.2 + (183.1 - 181.2) * 0.2 = 181.58。

例 3：设置 tiesMethod 决定边界值并列时如何选样本。

单独构造一组 NVDA 股票的数据：

symbol = take(`NVDA, 6)
tradeDate = 2024.02.01 2024.02.02 2024.02.05 2024.02.06 2024.02.07 2024.02.08
tradePrice = [431.2, 433.5, 432.1, 434.8, 433.0, 435.2]
tradeVolume = [700, 900, 900, 900, 760, 900]

tieCase = table(symbol, tradeDate, tradePrice, tradeVolume)
tieCase;

输出结果：

在最近 5 个交易日内，选取成交量最高的前 2 个交易日，分别计算其成交价格的 50 分位数，并指定不同的 tiesMethod：

mpercentileTopN(X=tradePrice, S=tradeVolume, percent=50, window=5, top=2, ascending=false, tiesMethod="oldest")
// 输出: [431.2, 432.35, 432.8, 432.8, 432.8, 432.8]

mpercentileTopN(X=tradePrice, S=tradeVolume, percent=50, window=5, top=2, ascending=false, tiesMethod="latest")
// 输出: [431.2, 432.35, 432.8, 433.45, 433.45, 435.0]

mpercentileTopN(X=tradePrice, S=tradeVolume, percent=50, window=5, top=2, ascending=false, tiesMethod="all")
// 输出: [431.2, 432.35, 432.8, 433.5, 433.5, 434.15]

以 2024.02.08 的数据为例，最近 5 日窗口中的 tradeVolume=[900, 900, 900, 760, 900]，共有 4 个交易日的成交量都并列为最高值 900，但 top=2 只要求保留前 2 个名次：

• tiesMethod="oldest"：取最早进入窗口的两个成交量最高的交易日，对应价格为 433.5 和 432.1；

• tiesMethod="latest"：取最晚进入窗口的两个成交量最高的交易日，对应价格为 434.8 和 435.2；

• tiesMethod="all"：保留全部并列的成交量最高的交易日，对应价格为 433.5、432.1、434.8、435.2。