Files

T

csh 13be5ea0aa ✨ feat(tsl-api-reference): index class and unit APIs

Migrate reference pages to declaration-line storage and rebuild the
13-column index.

Add qualified member lookup plus regression and end-to-end coverage.

2026-07-29 15:47:46 +08:00

14 KiB

Raw Blame History

Builtin - 数学 / 矩阵

矩阵运算

`mInit(size_or_shape, value)`

声明：function

生成指定尺寸并填充指定值的 FMArray。

参数	类型	说明
`size_or_shape`	array	一维长度，或形如 `array(rows, cols)` 的尺寸数组
`value`	float	填充值；值的类型决定 FMArray 单元格类型

返回：fmarray

`mInitDiag(rows, cols, value)`

声明：function

生成对角线填充值的 FMArray。

参数	类型	说明
`rows`	integer	行数
`cols`	integer	列数
`value`	float	对角线填充值

返回：fmarray

`mRand(rows, cols)`

声明：function

生成随机 FMArray。

参数	类型	说明
`rows`	integer	行数
`cols`	integer	列数

返回：fmarray

数值微积分

`frameMean_JS(data, b_type, equal_var, alpha)`

声明：function

均值JS压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`b_type`	string	字符串，压缩目标均值向量，b0:零向量，b1:均值，b2:波动率加权均值，b3:样本均值的均方误差
`equal_var`	bool	object
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见JS均值压缩估计

返回：array

`frameMean_BS(data, alpha)`

声明：function

均值BS压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见BS均值压缩估计

返回：array

`frameMean_BOP(data, b_type, alpha)`

声明：function

均值BOP压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`b_type`	string	字符串，压缩目标均值向量，b0:零向量，b1:均值，b2:波动率加权均值，b3:样本均值的均方误差
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见BOP均值压缩估计

返回：array

`frameCov_LW(data, alpha)`

声明：function

协方差LW压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见LW协方差压缩估计

返回：array

`frameCov_OAS(data, alpha)`

声明：function

协方差OAS压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见OAS协方差压缩估计

返回：array

`frameCov_BS(data, alpha)`

声明：function

协方差BS压缩估计

参数	类型	说明
`data`	array	二维数据表，T×N，T期样本数量，N个股票
`alpha`	float	实数，压缩系数，0到1，缺省时系统自动计算(推荐)，计算方式见BS协方差压缩估计

返回：array

`frameIndex_filter(rawkeys, filter_cond, filter_type, dz_valuetokey)`

声明：function

数组筛选器，用于下标数组行名或列名的筛选器

参数	类型	说明
`rawkeys`	array	一维字符串数组,下标数组(0开始的自增下标)
`filter_cond`	string	字符串,筛选条件
`filter_type`	any	用户自定义,筛选类型
`dz_valuetokey`	any	整数,Out:类型1时，输出ivalue对照用

返回：array

`frameIndex_getilocDZ(raw_data_cols)`

声明：function

用于方便获取下标值与字段位置下标数组对照（下标值->下标位置）

参数	类型	说明
`raw_data_cols`	array	一维字符串数组,下标数组(从0开始自增数组)

返回：array

`mt_Multiplication(a, b, c)`

声明：function

求N×M阶矩阵A与M×L阶矩阵B的乘积矩阵，即C=A×B

参数	类型	说明
`a`	array	实型二维数组，体积为N×M。被乘矩阵
`b`	array	实型二维数组，体积为M×L。乘矩阵
`c`	array	实型二维数组，体积为N×L。返回的结果矩阵

返回：any

`mt_Addition(a, b, c)`

声明：function

求N×M阶矩阵A与N×M阶矩阵B的和矩阵，即C=A+B

参数	类型	说明
`a`	array	实型二维数组，体积为N×M。被加矩阵
`b`	array	实型二维数组，体积为N×M。加矩阵
`c`	array	实型二维数组，体积为N×M。返回的结果矩阵

返回：any

`mt_Subtraction(a, b, c)`

声明：function

求N×M阶矩阵A与N×M阶矩阵B的差矩阵，即C=A-B

参数	类型	说明
`a`	array	实型二维数组，体积为N×M。被减矩阵
`b`	array	实型二维数组，体积为N×M。减矩阵
`c`	array	实型二维数组，体积为N×M。返回的结果矩阵

返回：any

`mt_Transposition(a, c)`

声明：function

求m×n阶矩阵A的转置矩阵，即C=

参数	类型	说明
`a`	array	实型二维数组，体积为N×M。转置前矩阵
`c`	array	实型二维数组，体积为M×N。返回转置后的结果矩阵

返回：any

`mt_iv_Gauss_Jordan(a, x)`

声明：function

用高斯-约当(Gauss-Jordan)法求解n阶方阵A的逆矩阵

参数	类型	说明
`a`	array	实型二维数组，体积为N×N。原矩阵
`x`	array	实型二维数组，体积为N×N。返回的逆矩阵

返回：any

`mt_iv_Ldl(a, x)`

声明：function

求n阶对称正定矩阵A的逆矩阵

参数	类型	说明
`a`	array	实型二维数组，体积为N×N。原矩阵，必须为一个对称矩阵
`x`	array	实型二维数组，体积为N×N。返回的逆矩阵

返回：any

`mt_va_Gauss_Jordan(a, v)`

声明：function

用高斯-约当(Gauss-Jordan)法求解n阶方阵A的行列式值

参数	类型	说明
`a`	array	实型二维数组，体积为N×N。
`v`	float	实型数。返回的行列式值

返回：any

`mt_va_Cholesky(a, v)`

声明：function

求对称正定矩阵的行列式值平方根

参数	类型	说明
`a`	array	实型二维数组，体积为N×N。原矩阵，必须为一个对称矩阵
`v`	float	实型数。返回矩阵行列式值的平方根

返回：any

`Mt_decompose_lu(h, l, u)`

声明：function

进行lu分解，H方阵，则可以得到下三角阵L，上三角矩阵U

参数	类型	说明
`h`	array	需要被分解的对称矩阵
`l`	array	下三角阵
`u`	array	上三角阵

返回：any

`mt_decompose_qr(m, q, r, e, qr_type)`

声明：function

E缺省的时候，对矩阵进行QR分解,M=Q :*R，不缺省E的时候对矩阵进行QRe分解，M:*e=Q:*R.该分解使得R矩阵的对角元按绝对值从大倒小排列

参数	类型	说明
`m`	array	待分解矩阵
`q`	array	可选参数，变参返回正交矩阵Q
`r`	array	可选参数，变参返回上三角矩阵R
`e`	array	可选参数，变参返回列置换矩阵E，默认E的结构是一个方阵，当有qr_Type参数时，0:E方阵，1:E为1维数组，2:忽略E参数。
`qr_type`	any	可选参数，整数，为0,1,2之一，用于设定E参数的行为。

返回：array

`mt_decompose_eig(a, wr, wi, vr)`

声明：function

计算特征值及特征向量

参数	类型	说明
`a`	array	需要被计算的n*m矩阵
`wr`	array	变参返回A的特征值的实部，一维数组
`wi`	array	变参返回A的特征值的虚部，一维数组
`vr`	array	变参返回A的特征向量，二维数组

返回：array

`mt_decompose_svd(a, s, u, d)`

声明：function

矩阵的奇异值(SVD)分解

参数	类型	说明
`a`	array	待分解的m*n矩阵
`s`	array	变参返回A的奇异值，一维数组
`u`	array	变参返回A的左奇异矩阵，二维数组
`d`	array	变参返回A的右奇异矩阵，二维数组

返回：any

`mt_decompose_chol(a, ra, flag)`

声明：function

cholesky分解基础函数;如果不担心效率可以使用公用函数chol

参数	类型	说明
`a`	array	待分解的方正矩阵(二维数字数组,行列数相同)
`ra`	array	分解结果返回
`flag`	bool	object

返回：array

`mt_decompose_ldl(a, ra, p)`

声明：function

ldl 分解基础函数,如果a正定L*D*`L=A;

参数	类型	说明
`a`	array	待分解的方正矩阵(二维数字数组,行列数相同)
`ra`	array	分解结果返回,包括,三角矩阵,对角矩阵
`p`	array	分解结果的行列信息.a如果为正定矩阵那么p为1到length(a)递增序列.此时,ra的下三角为 L矩阵,对角元为D矩阵.当p为非递增序列,时表示行列置换信息.如果p[i]=k>0 and k<> i+1,那么a的i行和k-1行互换,i列与k-1列互换,p[i]=k<0 那么d在此处为2*2的块,在ra的i-1,i行列的4个元,a的第i行和k-1行互换,i列和k-1列互换.

返回：array

14 KiB Raw Blame History Unescape Escape

Builtin - 数学 / 矩阵

矩阵运算

mInit(size_or_shape, value)

mInitDiag(rows, cols, value)

mRand(rows, cols)

数值微积分

frameMean_JS(data, b_type, equal_var, alpha)

frameMean_BS(data, alpha)

frameMean_BOP(data, b_type, alpha)

frameCov_LW(data, alpha)

frameCov_OAS(data, alpha)

frameCov_BS(data, alpha)

frameIndex_filter(rawkeys, filter_cond, filter_type, dz_valuetokey)

frameIndex_getilocDZ(raw_data_cols)

mt_Multiplication(a, b, c)

mt_Addition(a, b, c)

mt_Subtraction(a, b, c)

mt_Transposition(a, c)

mt_iv_Gauss_Jordan(a, x)

mt_iv_Ldl(a, x)

mt_va_Gauss_Jordan(a, v)

mt_va_Cholesky(a, v)

Mt_decompose_lu(h, l, u)

mt_decompose_qr(m, q, r, e, qr_type)

mt_decompose_eig(a, wr, wi, vr)

mt_decompose_svd(a, s, u, d)

mt_decompose_chol(a, ra, flag)

mt_decompose_ldl(a, ra, p)

14 KiB

Raw Blame History

`mInit(size_or_shape, value)`

`mInitDiag(rows, cols, value)`

`mRand(rows, cols)`

`frameMean_JS(data, b_type, equal_var, alpha)`

`frameMean_BS(data, alpha)`

`frameMean_BOP(data, b_type, alpha)`

`frameCov_LW(data, alpha)`

`frameCov_OAS(data, alpha)`

`frameCov_BS(data, alpha)`

`frameIndex_filter(rawkeys, filter_cond, filter_type, dz_valuetokey)`

`frameIndex_getilocDZ(raw_data_cols)`

`mt_Multiplication(a, b, c)`

`mt_Addition(a, b, c)`

`mt_Subtraction(a, b, c)`

`mt_Transposition(a, c)`

`mt_iv_Gauss_Jordan(a, x)`

`mt_iv_Ldl(a, x)`

`mt_va_Gauss_Jordan(a, v)`

`mt_va_Cholesky(a, v)`

`Mt_decompose_lu(h, l, u)`

`mt_decompose_qr(m, q, r, e, qr_type)`

`mt_decompose_eig(a, wr, wi, vr)`

`mt_decompose_svd(a, s, u, d)`

`mt_decompose_chol(a, ra, flag)`

`mt_decompose_ldl(a, ra, p)`