4

我有很长的每日数据序列和 101 列。每个月我cov都想用第 101 列计算前 100 列中的每一列。这将根据每日数据为 100 列中的每一列生成与第 101 列的月度协方差。似乎可以aggregate使用带有单个向量的函数来满足我的要求，例如mean，但我无法使用cov（或prod）。

请让我知道dput几个月是否有帮助。

> library("zoo")
> data <- read.zoo("100Size-BM.csv", header=TRUE, sep=",", format="%Y%m%d")
> head(data[, c("R1", "R2", "R3", "R100", "Mkt.RF")])
                 R1       R2       R3     R100  Mkt.RF
1963-07-01 -0.00212  0.00398 -0.00472 -0.00362 -0.0066
1963-07-02 -0.00242  0.00678  0.00068 -0.00012  0.0078
1963-07-03  0.00528  0.01078  0.00598  0.00338  0.0063
1963-07-05  0.01738 -0.00932 -0.00072 -0.00012  0.0040
1963-07-08  0.01048 -0.01262 -0.01332 -0.01392 -0.0062
1963-07-09 -0.01052  0.01048  0.01738  0.01388  0.0045

mean效果很好，并为我提供了我想要的每月数据。

> mean.temp <- aggregate(data[, 1:100], as.yearmon, mean)
> head(mean.temp[, 1:3])
                    R1            R2            R3
Jul 1963  0.0003845455  7.545455e-05  0.0004300000
Aug 1963 -0.0006418182  2.412727e-03  0.0022263636
Sep 1963  0.0016250000  1.025000e-03 -0.0002600000
Oct 1963 -0.0007952174  2.226522e-03  0.0004873913
Nov 1963  0.0006555556 -5.211111e-03 -0.0013888889
Dec 1963 -0.0027066667 -1.249524e-03 -0.0005828571

但我无法获得使用两个不同列/向量工作的函数。

> cov.temp <- aggregate(data[, 1:100], as.yearmon, cov(x, data[, "Mkt.RF"]))
Error in inherits(x, "data.frame") : object 'x' not found

我也无法制作cov包装纸。

> f <- function(x) cov(x, data[, "Mkt.RF"])
> cov.temp <- aggregate(data[, 1:100], as.yearmon, f)
Error in cov(x, data[, "Mkt.RF"]) : incompatible dimensions

我应该用for循环来做到这一点吗？我希望有更多的R方法。谢谢！

4

4 回答 4

4

您可以使用我在此处编写的方法，即执行以下操作：

tapply(1:nrow(data), data$group, function(s) cov(data$x[s], data$y[s]))
于 2010-09-29T17:05:25.557 回答
2

您忘记了function(x)声明，您需要确保获得正确的每月子集data（顺便说一下，这会影响data函数）。试试这个：

> aggregate(data, as.yearmon, function(x) cov(x,data[index(x),"Mkt.RF"]))
                  R1         R2        R3        R100     Mkt.RF
Jul 1963  1.3265e-05 2.0340e-05 3.464e-05  2.2575e-05  6.267e-05
Aug 1963 -7.1295e-05 2.8875e-05 1.000e-06 -9.9700e-06 -2.608e-05

*请注意，我将示例数据中的最后三个观察值更改为 8 月份，因此会有超过 1 个月的输出。

于 2010-09-29T17:04:50.830 回答
2

在aggregate()中，与将另一个 R 函数应用于数据子集的许多 R 函数一样，您可以命名要应用的函数，在这种情况下，通过添加FUN = cov到您的aggregate()调用中。然后，您可以为此函数提供参数作为...特殊参数的一部分。

您可以作为functiondata[, "Mkt.RF"])的参数传递，所以这样的事情应该可以工作：ycov()

cov.temp <- aggregate(data[, 1:100], as.yearmon, FUN = cov, y = data[, "Mkt.RF"])

但是，在这种情况下，这似乎不起作用，因为您需要处理数据的动物园性质并能够以与其他聚合（）data[, "Mkt.RF"]相同的方式进行子集化。data[,1:100]1 columns are broken up by因此，另一种方法是指定一个函数inline，如下所示：

cov.temp <- aggregate(data[, 1:100], as.yearmon, 
                      FUN = function(x) cov(x, y = data[index(x), "Mkt.RF"]))

这是一个开箱即用的示例：

library("zoo")
dat <- data.frame(matrix(rnorm(365*10*6), ncol = 6))
Dates <- seq.Date(from = as.Date("1963-07-01"), by = "days", length = 365*10)
dat2 <- zoo(dat, order.by = Dates)

这给了我们：

> head(dat2)
                    X1         X2         X3          X4         X5         X6
1963-07-01  0.30910867  0.5539864  0.6433690  0.20608146 -1.7706003 -0.4607610
1963-07-02 -0.02519616 -0.1856305  1.0419578  1.01319153  0.8671110  0.1196251
1963-07-03  1.56464024  0.4980238  0.2976338  0.05654036  0.4984225 -1.4626501
1963-07-04 -0.24028698 -1.4365257  0.5707873 -0.05851961 -0.7176343  0.1233137
1963-07-05 -0.87770815 -0.5217949 -2.4875626 -0.08200408 -0.6121038 -0.3881126
1963-07-06 -0.53660576 -1.1098966  2.7411511 -1.37106883 -0.5891641  1.6322411

现在，假设X6是您的"Mkt.RF"列，我们将汇总 dat2[,1:5]：

cov.temp <- aggregate(dat2[, 1:5], as.yearmon, 
                      FUN = function(x) cov(x, y = dat2[index(x),"X6"]))
head(cov.temp)

产生：

> head(cov.temp)
                  X1          X2           X3          X4          X5
Jul 1963 -0.30185387  0.09802210  0.019282934 -0.03621272  0.05332324
Aug 1963  0.14739044  0.04276340  0.081847499 -0.35195736 -0.14680017
Sep 1963  0.56698393 -0.08371676  0.003870935 -0.05948173  0.07550769
Oct 1963  0.00711595 -0.07939798  0.118030943 -0.22065278 -0.12474052
Nov 1963  0.06551982  0.22848268  0.231967655  0.02356194 -0.24272566
Dec 1963  0.23866775  0.29464398 -0.034313793  0.09694199 -0.10481527

高温高压

于 2010-09-29T17:16:27.953 回答
0

我最终用aggregate它来格式化数据，但每次计算cov每个因素大约需要 50 分钟。一时兴起，我尝试了这个plyr解决方案，它获得了巨大的收益。

cov.fn <- function(x) nrow(x) * cov(x[, 1:100], x[, 101])
temp <- zoo(daply(data, .(as.yearmon(index(data))), cov.fn), unique(as.yearmon(index(data))))

这大约需要 5 秒（快 600 倍）。我想在提高子集操作的效率方面会有很大的速度提升。

谢谢大家的帮助。我在这方面学到了很多。

于 2010-10-05T00:53:01.620 回答