mysql - 用R还是mysql计算时间段 yield ？

Question

我正在尝试为数据集的每个唯一成员(在下面的示例中由 Code 标识)计算不同时间段的返回(每月、每季度、每年等)。该数据集将包含大约 500 只股票 20 年期间的月度定价信息。数据示例如下:

         Date Code    Price Dividend
1  2005-01-31  xyz  1000.00     20.0
2  2005-01-31  abc     1.00      0.1
3  2005-02-28  xyz  1030.00     20.0
4  2005-02-28  abc     1.01      0.1
5  2005-03-31  xyz  1071.20     20.0
6  2005-03-31  abc     1.03      0.1
7  2005-04-30  xyz  1124.76     20.0

我是 R 的新手，但我认为有比循环遍历每个 Code 然后每个 Date 更有效的解决方案，如下所示:

uniqueDates <- unique(data$Date)
uniqueCodes <- unique(data$Code

for  (date in uniqueDates) {
  for (code in uniqueCodes) {
    nextDate <- seq.Date(from=stock_data$Date[i], by="3 months",length.out=2)[2]
    curPrice <- data$Price[data$Date == date]
    futPrice <- data$Price[data$Date == nextDate]
    data$ret[(data$Date == date) & (data$Code == code)] <- (futPrice/curPrice)-1
  }
}

此方法本身存在一个问题，即 seq.Date 并不总是返回该月的最后一天。

不幸的是，数据不统一(公司/代码的数量随时间变化)，因此使用简单的行偏移是行不通的。计算必须将 Code 和 Date 与所需的日期偏移相匹配。

我最初尝试使用 seq.Date 函数选择 future 的日期

data$ret = (data[(data$Date == (seq.Date(from = data$Date, by="3 month", length.out=2)[2])), "Price"] / data$Price) - 1

但这会产生错误，因为 seq.Date 需要一个条目。

> Error in seq.Date(from = stock_data$Date, by = "3 month", length.out =
> 2) :    'from' must be of length 1

我认为 R 很适合这种类型的计算，但也许不适合。由于所有数据都在 mysql 数据库中，我现在认为直接在数据库中执行此计算可能更快/更容易。

如有任何建议，我们将不胜感激。

Answer 1

加载数据:

tc='
  Date Code    Price Dividend
  2005-01-31  xyz  1000.00     20.0
  2005-01-31  abc     1.00      0.1
  2005-02-28  xyz  1030.00     20.0
  2005-02-28  abc     1.01      0.1
  2005-03-31  xyz  1071.20     20.0
  2005-03-31  abc     1.03      0.1
  2005-04-30  xyz  1124.76     20.0'

df = read.table(text=tc,header=T)
df$Date=as.Date(df$Date,"%Y-%m-%d")

首先我会按日期组织数据:

library(plyr)
pp1=reshape(df,timevar='Code',idvar='Date',direction='wide')

然后你想获得月度、季度、年度等返回。 为此，有多种选择，其中一种可能是:

创建数据动物园或 xts 类。即

library(xts)
pp1[2:ncol(pp1)]  = as.xts(pp1[2:ncol(pp1)],order.by=pp1$Date)


#let's create a function for calculating returns.
rets<-function(x,lag=1){
  return(diff(log(x),lag))
}

由于这个数据库是月度的，所以返回的滞后是: 每月=1，每季度=3，每年=12。例如让我们计算月返回 对于 xyz。

lagged=1 #for monthly

计算 xyz 的月返回率

pp1$returns_xyz= c(NA,rets(pp1$Price.xyz,lagged))

获取所有的返回:

#create matrix of returns

pricelist= ls(pp1)[grep('Price',ls(pp1))]

returnsmatrix = data.frame(matrix(rep(0,(nrow(pp1)-1)*length(pricelist)),ncol=length(pricelist)))

j=1
for(i in pricelist){
    n = which(names(pp1) == i)
    returnsmatrix[,j] =  rets(pp1[,n],1)
    j=j+1
}


#column names

codename= gsub("Price.", "", pricelist, fixed = TRUE)


names(returnsmatrix)=paste('ret',codename,sep='.')


returnsmatrix