我有一个模型Y = BF
其中B是N x M, F是M x T的矩阵
我要透过模拟F的变化10000次再组合回去得到模拟的Y
但速度非常慢
我现在的作法是
# data
M = 3
N = 500
T = 100
nSim = 10000
B = matrix(rnorm(N * M), nrow = N)
F = matrix(rnorm(M * T), nrow = M)
sigma = abs(rnorm(M))
Z = array(0, dim = c(M, nSim, N, T)) # preallocate
for (m in 1:M) {
eps = rnorm(nSim * T, 0, sigma[m]) #generate random normal
dim(eps) = c(nSim, T) # 变成 10000 x T
Fsim = F[m, ] + eps
for (n.path in 1:nSim) {
Z[m,n.path,,] = as.matrix(B[,m]) %*% Fsim[n.path,]
}
}
result = apply(Z, c(2,3,4), sum)
其中第一步allocation就要大概3秒 (on macbook air 2013 mid)
产生乱数的时间好像还在预期中
但是里面这个for (npath in 1:10000) {...}的时间实在太久了
我知道我现在的作法应该是最慢的
想请教版上的各位大大有什么方法可以提升速度呢?
谢谢各位