0

我目前正在尝试开发一个新函数，该函数按矩阵中的组计算滚动统计信息。

我的数据集如下所示：

     ID year    ROA       CAR
[1,]  1 2009 0.006954926 0.3933436
[2,]  1 2010 0.013286958 0.2892719
[3,]  1 2011 0.012334294 0.2402294
[4,]  1 2012 0.006843720 0.2088247
[5,]  1 2013 0.004888144 0.1757100
[6,]  2 2006 0.010172563 0.0511171

值得注意的是，数据按 ID 分组，其中包含 ROA 和 CAR 的年度观察值。如果您有兴趣，数据来自银行，代表资产回报率和资本资产比率。

我的目标是创建一个函数来估计如下指定的标准化 z 分数：

z = (mean(ROA) + mean(CAR)) / sd(ROA)

但是，该分数基于窗口长度为 3 的平均值和标准差的滚动测量值，需要通过 ID 基础计算，因为数据是按 ID 和年份索引的。

我试图指定我的代码，我想出了这样的东西：

z <- rollapply(data, 3, function(x) x(((rollapply(data[,3], 3, mean))
             - (rollapply(data[,4], 3, mean))) / (rollapply(data[,3], 3, 
              sd)))

值得注意的是，我正在使用 rollapply 函数来计算滚动平均值和滚动标准差，但是，我不确定如何基于 ID 执行此操作。知道我该怎么做会非常有帮助....

4

1 回答 1

0

对于给定的数据框df（蒙特卡洛：模拟您的案例）

  df<-data.frame(ID_year=as.numeric(paste0("20",rep(11:20))),ROA=runif(10),CAR=runif(10)*2)

 >df
  ID_year       ROA       CAR
1     2011 0.9999123 0.8441209
2     2012 0.5215255 1.4291197
3     2013 0.7282076 0.3001416
4     2014 0.5001218 1.4413248
5     2015 0.8472549 0.1272178
6     2016 0.1250983 1.4753719
7     2017 0.7133057 0.5369519
8     2018 0.2602237 0.9859258
9     2019 0.4741151 1.0675716
10    2020 0.2010236 0.7205617

然后我尝试了：

incr<-2#time window in years
l1<-lapply(seq(from=1,to=nrow(df),by=incr),function(x1) {
  x2<-x1+incr;
  z<-(mean(df$ROA[x1:x2])+ mean(df$CAR[x1:x2]))/sd(df$ROA[x1:x2])
  return(z) 
})            
> zscore<-unlist(l1)
[1] 6.700638 7.453366 3.319165 5.938582       NA

PS：

我尝试了多年：

 2011 2012 2013 
 2013 2014 2015 
 2015 2016 2017 
 2017 2018 2019 
 2019 2020 NA

编辑：

 df_split<-split( df , f = df$ID )#split based on `ID`

然后您可以为列表的每个元素申请上述功能

于 2017-05-22T15:56:58.850 回答