[英]How to calculate return in data.table?
我是堆栈溢出和R初学者的新手。
我想计算一个大数据集的回报,如下所示:
Date C1 C2 C3
31.01.1985 NA 47 NA
28.02.1985 NA 45 NA
29.03.1985 130 56 NA
30.04.1985 140 67 NA
31.05.1985 150 48 93
28.06.1985 160 79 96
31.07.1985 160 56 94
30.08.1985 160 77 93
30.09.1985 160 66 93
31.10.1985 160 44 93
29.11.1985 160 55 93
这是一种data.table
格式,即所谓的价格,列是公司,值是价格,实际数据集具有更多的列和行。 我想建立一个新的DT来计算月收益,我知道您可以使用diff()
函数来完成。 但是,如何建立具有如此多列而又没有for循环的新数据表?
我想到了:
Returns <- diff(Prices[, names(Prices) != "Date"])
但这出于某些原因只会给出:
[1] 1 0 0
提前致谢。
得到该输出的原因是因为Prices[, names(Prices) != "Date"]
返回一个逻辑向量:
> Prices[, names(Prices) != "Date"]
[1] FALSE TRUE TRUE TRUE
并且由于可以使用逻辑进行计算,因此还可以在逻辑向量上使用diff
。 然后将FALSE
视为0
,将TRUE
视为1
。 所以基本上你在做diff(c(0,1,1,1))
。
可能需要的解决方案:
cols <- setdiff(names(Prices),"Date")
# option 1:
Prices[, paste0(cols,"_return") := lapply(.SD, function(x) (x - shift(x, fill = NA))/shift(x, fill = NA)), .SDcols = cols][]
# option 2:
Prices[, paste0(cols,"_return") := lapply(.SD, function(x) c(NA,diff(x))/shift(x, fill = NA)), .SDcols = cols][]
这使:
> Prices Date C1 C2 C3 C1_return C2_return C3_return 1: 1985-01-31 NA 47 NA NA NA NA 2: 1985-02-28 NA 45 NA NA -0.04255319 NA 3: 1985-03-29 130 56 NA NA 0.24444444 NA 4: 1985-04-30 140 67 NA 0.07692308 0.19642857 NA 5: 1985-05-31 150 48 93 0.07142857 -0.28358209 NA 6: 1985-06-28 160 79 96 0.06666667 0.64583333 0.03225806 7: 1985-07-31 160 56 94 0.00000000 -0.29113924 -0.02083333 8: 1985-08-30 160 77 93 0.00000000 0.37500000 -0.01063830 9: 1985-09-30 160 66 93 0.00000000 -0.14285714 0.00000000 10: 1985-10-31 160 44 93 0.00000000 -0.33333333 0.00000000 11: 1985-11-29 160 55 93 0.00000000 0.25000000 0.00000000
如果要创建新的data.table
,则可以使用以下两个选项之一:
# option 1:
Returns <- Prices[, c(list(Date = Date), lapply(.SD, function(x) (x - shift(x, fill = NA))/shift(x, fill = NA))), .SDcols = cols]
# option 2:
Returns <- copy(Prices)
Returns[, (cols) := lapply(.SD, function(x) (x - shift(x, fill = NA))/shift(x, fill = NA)), .SDcols = cols]
使用的数据:
Prices <- fread("Date C1 C2 C3
31.01.1985 NA 47 NA
28.02.1985 NA 45 NA
29.03.1985 130 56 NA
30.04.1985 140 67 NA
31.05.1985 150 48 93
28.06.1985 160 79 96
31.07.1985 160 56 94
30.08.1985 160 77 93
30.09.1985 160 66 93
31.10.1985 160 44 93
29.11.1985 160 55 93")[, Date := as.Date(Date, "%d.%m.%Y")]
我会写一个函数来处理单列值
pc.change <- function(x) {
(c(x[2:length(x)], NA) - x)*100/x }
然后将其应用于所有值列的矩阵
d <- read.table(text = "Date C1 C2 C3
31.01.1985 NA 47 NA
28.02.1985 NA 45 NA
29.03.1985 130 56 NA
30.04.1985 140 67 NA
31.05.1985 150 48 93
28.06.1985 160 79 96
31.07.1985 160 56 94
30.08.1985 160 77 93
30.09.1985 160 66 93
31.10.1985 160 44 93
29.11.1985 160 55 93", header = TRUE)
apply(as.matrix(d[,2:4]), 2, pc.change)
这给我
C1 C2 C3
[1,] NA -4.255319 NA
[2,] NA 24.444444 NA
[3,] 7.692308 19.642857 NA
[4,] 7.142857 -28.358209 NA
[5,] 6.666667 64.583333 3.225806
[6,] 0.000000 -29.113924 -2.083333
[7,] 0.000000 37.500000 -1.063830
[8,] 0.000000 -14.285714 0.000000
[9,] 0.000000 -33.333333 0.000000
[10,] 0.000000 25.000000 0.000000
[11,] NA NA NA
然后,如有必要,应该可以将其转换为数据表
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.