4

日次データと 101 列の長い時系列があります。cov毎月、最初の 100 列のそれぞれと 101 列目を計算したいと思います。これにより、毎日のデータに基づいて、100 列のそれぞれについて 101 列目の月次共分散が生成されます。のようaggregateな単一のベクトルを取る関数で私が望むことをしているようですが、 （または）meanで動作させることはできません。covprod

dput数ヶ月の助けになるかどうか教えてください。

> 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うまく機能し、必要な月次データを提供してくれます。

> 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

しかし、2 つの異なる列/ベクトルを使用して機能する関数を取得できません。

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

covまた、ラッパーを作成することもできません。

> 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

これをforループで行う必要がありますか？もっとR方法があることを願っています。ありがとう！

4

4 に答える 4

4

ここに書いたアプローチを使用できます。つまり、次のようなことを行うことができます。

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

宣言を忘れたので、(ちなみに、関数を踏みにじる)function(x)の正しい月次サブセットを確実に取得する必要があります。これを試して：datadata

> 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

*サンプル データの最後の 3 つの観測値を 8 月に変更したため、1 か月以上の出力があることに注意してください。

于 2010-09-29T17:04:50.830 に答える
2

ではaggregate()、別の R 関数をデータのサブセットに適用する多くの R 関数に共通するように、適用する関数に名前を付けます。この場合は、呼び出しに追加FUN = covしますaggregate()。...次に、特別な引数の一部としてこの関数に引数を指定できます。

function のdata[, "Mkt.RF"])引数として渡すことができるため、次のようなものが機能するはずです。ycov()

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

ただし、この場合、データの動物園の性質を処理し、他のaggregate()`data[, "Mkt.RF"]と同じ方法でサブセット化できる必要があるため、これは機能していないようです。したがって、別の方法は、次のようdata[,1:100]1 columns are broken up byに関数inlineを指定することです。

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

以下は、すぐに実行できる例です。

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)

これにより、次のことがわかります。

> 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

ここで、X6があなたの"Mkt.RF"列であると仮定して、dat2[,1:5] で集計します。

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

どちらが得られますか:

> 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

HTH

于 2010-09-29T17:16:27.953 に答える
0

最終的には を使ってデータをフォーマットしましたが、各因子aggregateで計算するのに約 50 分かかりました。cov気まぐれで、私plyrは大きな利益をもたらす解決策を試しました。

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))))

これには約 5 秒かかります (600 倍の速さ)。サブセット化操作の効率を改善するには、速度が大幅に向上すると思います。

助けてくれてありがとう。私はこれで多くのことを学びました。

于 2010-10-05T00:53:01.620 に答える