[英]R data.table grouping for lagged regression
带有数据的表(它是一个data.table对象),如下所示:
date stock_id logret
1: 2011-01-01 1 0.001
2: 2011-01-02 1 0.003
3: 2011-01-03 1 0.005
4: 2011-01-04 1 0.007
5: 2011-01-05 1 0.009
6: 2011-01-06 1 0.011
7: 2011-01-01 2 0.013
8: 2011-01-02 2 0.015
9: 2011-01-03 2 0.017
10: 2011-01-04 2 0.019
11: 2011-01-05 2 0.021
12: 2011-01-06 2 0.023
13: 2011-01-01 3 0.025
14: 2011-01-02 3 0.027
15: 2011-01-03 3 0.029
16: 2011-01-04 3 0.031
17: 2011-01-05 3 0.033
18: 2011-01-06 3 0.035
以上可以创建为:
DT = data.table(
date=rep(as.Date('2011-01-01')+0:5,3) ,
stock_id=c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3),
logret=seq(0.001, by=0.002, len=18));
setkeyv(DT,c('stock_id','date'))
当然,真实的表格更大,有更多的stock_ids和日期。 目的是重新整形这个数据表,以便我可以运行所有stockid log_returns及其对应的log_returns的回归,滞后为1天(或者在周末的情况下交易前一天)。
最终结果如下:
date stock_id logret lagret
1: 2011-01-01 1 0.001 NA
2: 2011-01-02 1 0.003 0.001
3: 2011-01-03 1 0.005 0.003
....
16: 2011-01-04 3 0.031 0.029
17: 2011-01-05 3 0.033 0.031
18: 2011-01-06 3 0.035 0.033
我发现这个数据结构非常难以构建而不会混淆我的stockid。
由于Alex的评论,还有一些额外的注释。 你很难理解这里发生的事情是很多事情都是在一条线上完成的。 因此,打破局面总是一个好主意。
我们真正想要的是什么? 我们想要一个新的列lagret
和在data.table中添加新列的语法如下:
DT[, lagret := xxx]
其中xxx
必须用列lagret
任何内容填充。 因此,如果我们只想要一个给我们行的新列,我们就可以调用
DT[, lagret := seq(from=1, to=nrow(DT))]
在这里,我们实际上想要logret
的滞后值,但我们必须考虑到这里有很多股票。 这就是我们进行自我连接的原因,即我们通过列stock_id
和date
加入data.table DT
,但由于我们想要每个股票的先前值,我们使用date-1
。 请注意,我们必须先设置密钥才能进行这样的连接:
setkeyv(DT,c('stock_id','date'))
DT[list(stock_id,date-1)]
stock_id date logret
1: 1 2010-12-31 NA
2: 1 2011-01-01 0.001
3: 1 2011-01-02 0.003
4: 1 2011-01-03 0.005
5: 1 2011-01-04 0.007
6: 1 2011-01-05 0.009
...
如您所见,我们现在拥有我们想要的东西。 logret
现在滞后了一个时期。 但是我们实际上想要在DT
的新列lagret
中,所以我们只需调用[[3L]]来获取该列(这意味着没有其他任何东西,然后让我获得第三列)并命名这个新列lagret
:
DT[,lagret:=DT[list(stock_id,date-1),logret][[3L]]]
date stock_id logret lagret
1: 2011-01-01 1 0.001 NA
2: 2011-01-02 1 0.003 0.001
3: 2011-01-03 1 0.005 0.003
4: 2011-01-04 1 0.007 0.005
5: 2011-01-05 1 0.009 0.007
...
这已经是正确的解决方案。 在这个简单的例子中,我们不需要roll=TRUE
因为日期中没有间隙。 但是,在一个更现实的例子中(如上所述,例如当我们有周末时),可能存在差距。 因此,让我们通过在DT
删除第一个股票的两天来做出这样一个现实的例子:
DT <- DT[-c(4, 5)]
setkeyv(DT,c('stock_id','date'))
DT[,lagret:=DT[list(stock_id,date-1),logret][[3L]]]
date stock_id logret lagret
1: 2011-01-01 1 0.001 NA
2: 2011-01-02 1 0.003 0.001
3: 2011-01-03 1 0.005 0.003
4: 2011-01-06 1 0.011 NA
5: 2011-01-01 2 0.013 NA
...
正如您所看到的,现在的问题是我们没有1月6日的价值。 这就是我们使用roll=TRUE
的原因:
DT[,lagret:=DT[list(stock_id,date-1),logret,roll=TRUE][[3L]]]
date stock_id logret lagret
1: 2011-01-01 1 0.001 NA
2: 2011-01-02 1 0.003 0.001
3: 2011-01-03 1 0.005 0.003
4: 2011-01-06 1 0.011 0.005
5: 2011-01-01 2 0.013 NA
...
只需查看有关roll=TRUE
如何正常工作的文档。 简而言之:如果它找不到以前的值(这里是1月5日的logret
),它只需要最后一个(从1月3日开始)。
在data.table,目前开发的版本v1.9.5 , shift()
被实现#965 ,这在目前采用两种类型的type = "lag"
(缺省)和type = "lead"
。 有关使用的更多信息,请参阅?shift
。
有了这个,我们可以简单地做到:
# type="lag" may be omitted, as it is the default.
require(data.table) ## 1.9.5+
DT[, lagret := shift(logret, 1L, type="lag"), by=stock_id]
# date stock_id logret lagret
# 1: 2011-01-01 1 0.001 NA
# 2: 2011-01-02 1 0.003 0.001
# 3: 2011-01-03 1 0.005 0.003
# 4: 2011-01-04 1 0.007 0.005
# 5: 2011-01-05 1 0.009 0.007
# 6: 2011-01-06 1 0.011 0.009
# 7: 2011-01-01 2 0.013 NA
# 8: 2011-01-02 2 0.015 0.013
# 9: 2011-01-03 2 0.017 0.015
# 10: 2011-01-04 2 0.019 0.017
# 11: 2011-01-05 2 0.021 0.019
# 12: 2011-01-06 2 0.023 0.021
# 13: 2011-01-01 3 0.025 NA
# 14: 2011-01-02 3 0.027 0.025
# 15: 2011-01-03 3 0.029 0.027
# 16: 2011-01-04 3 0.031 0.029
# 17: 2011-01-05 3 0.033 0.031
# 18: 2011-01-06 3 0.035 0.033
感谢Matthew Dowle的建议,我能够使用以下内容:
DT[,lagret:=DT[list(stock_id,date-1),logret,roll=TRUE][[3L]]]
结果是:
date stock_id logret lagret
1: 2011-01-01 1 0.001 NA
2: 2011-01-02 1 0.003 0.001
3: 2011-01-03 1 0.005 0.003
4: 2011-01-04 1 0.007 0.005
5: 2011-01-05 1 0.009 0.007
6: 2011-01-06 1 0.011 0.009
7: 2011-01-01 2 0.013 NA
8: 2011-01-02 2 0.015 0.013
9: 2011-01-03 2 0.017 0.015
10: 2011-01-04 2 0.019 0.017
11: 2011-01-05 2 0.021 0.019
12: 2011-01-06 2 0.023 0.021
13: 2011-01-01 3 0.025 NA
14: 2011-01-02 3 0.027 0.025
15: 2011-01-03 3 0.029 0.027
16: 2011-01-04 3 0.031 0.029
17: 2011-01-05 3 0.033 0.031
18: 2011-01-06 3 0.035 0.033
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.