R：在 R 中尋找年化平均回報

Question

*你好。 我有一個作業，其中有以下問題：找到數據的平均年化回報。 我擁有的數據包括從 1981-01 到 2019-12 的月度回報。 我已經嘗試了幾個小時來找到可以幫助我找到平均年化回報的公式/代碼，但我只找到有關其他類型年化回報的信息。 大家有什么建議嗎？``

Answer 1

不確定您已經嘗試過什么或使用了哪個庫，請查看以下是否適合您：

> library(quantmod)
> getSymbols("AAPL", from = '2019-01-01', to = '2019-12-31')
[1] "AAPL"
> apple <- data.frame(AAPL)
> head(apple)
           AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted
2019-01-02   38.7225   39.7125  38.5575    39.4800   148158800      38.62910
2019-01-03   35.9950   36.4300  35.5000    35.5475   365248800      34.78135
2019-01-04   36.1325   37.1375  35.9500    37.0650   234428400      36.26614
2019-01-07   37.1750   37.2075  36.4750    36.9825   219111200      36.18543
2019-01-08   37.3900   37.9550  37.1300    37.6875   164101200      36.87523
2019-01-09   37.8225   38.6325  37.4075    38.3275   180396400      37.50143
> apple_adj <- apple['AAPL.Adjusted']
> head(apple_adj)
           AAPL.Adjusted
2019-01-02      38.62910
2019-01-03      34.78135
2019-01-04      36.26614
2019-01-07      36.18543
2019-01-08      36.87523
2019-01-09      37.50143
> apple_adj$apple_daily_return <- ROC(apple_adj$AAPL.Adjusted, type = 'discrete')
> head(apple_adj)
           AAPL.Adjusted apple_daily_return
2019-01-02      38.62910                 NA
2019-01-03      34.78135        -0.09960740
2019-01-04      36.26614         0.04268928
2019-01-07      36.18543        -0.00222563
2019-01-08      36.87523         0.01906292
2019-01-09      37.50143         0.01698173

您可以從這里計算回報。

Answer 2

那這個呢？ （未驗證）

library(quantmod)
library(PerformanceAnalytics)
library(data.table)
getSymbols("AAPL", from = '2010-01-01', to = '2019-12-31')
monthly <- to.monthly(AAPL, indexAt = "last", OHLC = FALSE)
monthly_returns <- Return.calculate(monthly, method = "log")
yearly_mean <- apply.yearly(monthly_returns, mean)
yearly_mean$Annu <- (yearly_mean$AAPL.Adjusted + 1)^12 - 1

Answer 3

年化平均回報只是每日回報的平均值，即通過簡單的 group_by year 和 summary 意味着您可以輕松獲得結果

library(quantmod)
library(tidyverse)
getSymbols("AAPL", from = '1981-01-01', to = '2019-12-31',  periodicity = 'monthly')
apple <- data.frame( AAPL )

apple %>% rownames_to_column %>% mutate(Year = format(as.Date(rowname),'%Y'), monthly_returns=  lag( AAPL.Adjusted)/AAPL.Adjusted - 1 ) %>% group_by(Year) %>% summarise(annual = mean(monthly_returns, na.rm=T))
# A tibble: 39 x 2
   Year    annual
   <chr>    <dbl>
 1 1981   0.0383 
 2 1982  -0.0131 
 3 1983   0.0430 
 4 1984  -0.0104 
 5 1985   0.0295 
 6 1986  -0.0448 
 7 1987  -0.0403 
 8 1988   0.00526
 9 1989   0.0164 
10 1990  -0.0101 
# … with 29 more rows