我有一个“日期”、“公司”和“返回”数据框,可通过以下代码重现:
library(dplyr)
n.dates <- 60
n.stocks <- 2
date <- seq(as.Date("2011-07-01"), by=1, len=n.dates)
symbol <- replicate(n.stocks, paste0(sample(LETTERS, 5), collapse = ""))
x <- expand.grid(date, symbol)
x$return <- rnorm(n.dates*n.stocks, 0, sd = 0.05)
names(x) <- c("date", "company", "return")
使用此数据框,我可以计算每日市场平均返回并将该结果添加到新列“market.ret”中。
x <- group_by(x, date)
x <- mutate(x, market.ret = mean(x$return, na.rm = TRUE))
现在我想按不同的公司(在本例中为 2 个)对我的所有数据进行分组。
x <- group_by(x, company)
完成此操作后,我想通过“market.ret”拟合“return”并计算线性回归系数并将斜率存储在新列中。如果我想对给定公司内的整个数据集进行拟合,那么我可以简单地调用 lm():
group_by(x, company) %>%
do(data.frame(beta = coef(lm(return ~ market.ret,data = .))[2])) %>%
left_join(x,.)
但是,我实际上想在“滚动”的基础上进行线性回归,即在 20 天的跟踪期内分别对每一天进行线性回归。我想使用 rollapply() 但不知道如何将两列传递给函数。非常感谢任何帮助或建议。
注意:下面是我用来计算 20 天滚动返回标准差的代码,可能会有帮助:
sdnoNA <- function(x){return(sd(x, na.rm = TRUE))}
x <- mutate(x, sd.20.0.d = rollapply(return, FUN = sdnoNA, width = 20, fill = NA))
最佳答案
## lms is a function which calculate the linear regression coefficient
lms <- function(y, x){
s = which(is.finite(x * y))
y = y[s]
x = x[s]
return(cov(x, y)/var(x))
}
## z is a dataframe which stores our final result
z <- data.frame()
## x has to be ungrouped
x <- ungroup(x)
## subset with "filter" and roll with "rollapply"
symbols <- unique(x$company)
for(i in 1:length(symbols)){
temp <- filter(x, company == symbols[i])
z <- rbind(z, mutate(temp, beta = rollapply(temp[, c(3, 4)],
FUN = function(x) lms(x[, 1], x[, 2]),
width = 20, fill = NA,
by.column = FALSE, align = "right")))
}
## final result
print(z)
关于使用 dplyr 进行滚动回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24770478/