[英]How to calculate return in data.table?
我是堆棧溢出和R初學者的新手。
我想計算一個大數據集的回報,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
這是一種data.table
格式,即所謂的價格,列是公司,值是價格,實際數據集具有更多的列和行。 我想建立一個新的DT來計算月收益,我知道您可以使用diff()
函數來完成。 但是,如何建立具有如此多列而又沒有for循環的新數據表?
我想到了:
Returns <- diff(Prices[, names(Prices) != "Date"])
但這出於某些原因只會給出:
[1] 1 0 0
提前致謝。
得到該輸出的原因是因為Prices[, names(Prices) != "Date"]
返回一個邏輯向量:
> Prices[, names(Prices) != "Date"]
[1] FALSE TRUE TRUE TRUE
並且由於可以使用邏輯進行計算,因此還可以在邏輯向量上使用diff
。 然后將FALSE
視為0
,將TRUE
視為1
。 所以基本上你在做diff(c(0,1,1,1))
。
可能需要的解決方案:
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][]
這使:
> 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
如果要創建新的data.table
,則可以使用以下兩個選項之一:
# 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]
使用的數據:
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")]
我會寫一個函數來處理單列值
pc.change <- function(x) {
(c(x[2:length(x)], NA) - x)*100/x }
然后將其應用於所有值列的矩陣
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)
這給我
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,應該可以將其轉換為數據表
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.