Рассчитать скользящий годовой доход от ежемесячного по объекту XTS в R

Question

У меня есть объект XTS с ежемесячной доходностью по нескольким столбцам, я пытаюсь рассчитать скользящую годовую доходность (геометрическую) для каждого столбца.

Date            Manager 1   Manager 2   Manager 3   Manager 4   Manager 5
20160430        0.0152000   0.0100700   0.0102210   0.0046160   NA
20160531        0.0462000   0.0515240   0.0287490   0.0374920   NA
20160630        0.0007000   0.0126830   0.0156410   0.0130820   NA
20160731        0.0200000   0.0158810   0.0239540   0.0214950   NA
20160831        0.0339000   0.0531980   0.0021170   0.0476160   0.0457650
20160930        -0.0071000  0.0047540   -0.0088080  0.0031540   -0.0034070
20161031        -0.0224000  -0.0181930  0.0181410   -0.0048280  0.0170850
20161130        -0.0439000  -0.0131600  -0.0243030  -0.0064650  -0.0007180
20161231        -0.0051000  0.0200130   0.0204210   0.0160740   0.0172270
20170131        0.0083000   0.0146560   0.0247000   0.0203410   0.0227060
20170228        0.0211000   -0.0067120  0.0257530   0.0029940   0.0124730
20170331        0.0530000   0.0532190   0.0283950   0.0416190   0.0237900
20170430        0.0638300   0.0592280   0.0341340   0.0437430   0.0293500
20170531        0.0339000   0.0264270   0.0287670   0.0207810   0.0179080
20170630        NA          -0.0046950  -0.0091310  -0.0074520  -0.0137600
20170731        NA          0.0109280   0.0029630   0.0146560   0.0167990
20170831        NA          0.0290430   0.0372960   0.0284390   0.0229930
20170930        NA          0.0226390   0.0030190   0.0063850   -0.0087170

Ожидаемые результаты:

Date            Manager 1   Manager 2   Manager 3   Manager 4   Manager 5                       
20160430                        
20160531                        
20160630                        
20160731                        
20160831                        
20160930                        
20161031                        
20161130                        
20161231                        
20170131                        
20170228                        
20170331        0.121979182 0.212964432 0.176317288 0.213932804 
20170430        0.175724107 0.271996881 0.204161963 0.261212111 
20170531        0.161901314 0.241637796 0.204183032 0.240897626 
20170630                    0.220330851 0.174812396 0.215746067 
20170731                    0.214381041 0.150728807 0.207606539 0.200188843
20170831                    0.186529323 0.191124778 0.185500853 0.174054195
20170930                    0.207649992 0.205337395 0.189319163 0.167798654

Я использую пакет PerformanceAnalytics, но у меня возникли проблемы с применением функции для каждого столбца:

apply.rolling(ManagerReturns, width = 12, trim = FALSE ,FUN = Return.annualized)

Answer 1

apply.rolling - это обертка вокруг rollapply. По какой-то причине apply.rolling не работает правильно с вашими данными, но использование rollapply решит проблему.

используя rollapply Я могу приблизиться к вашему результату, но с помощью. Но в том, что Return.annualized удаляет значения NA, но продолжает вычислять. Вы можете видеть, что это происходит с Manager1 и Manager5. Это не потому что rollapply, а из-за Return.annualized. Например, Return.annualized(my_data$Manager5[1:12]) возвращает годовой доход 0,2207884.

ra <- rollapply(my_data, width = 12, FUN = Return.annualized, fill = 0)     

            Manager1  Manager2  Manager3  Manager4  Manager5
2016-04-30 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-05-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-06-30 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-07-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-08-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-09-30 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-10-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-11-30 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2016-12-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2017-01-31 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2017-02-28 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
2017-03-31 0.1219792 0.2129644 0.1763173 0.2139328 0.2207884
2017-04-30 0.1757241 0.2719969 0.2041620 0.2612121 0.2409790
2017-05-31 0.1619013 0.2416378 0.2041830 0.2408976 0.2406184
2017-06-30 0.1769613 0.2203309 0.1748124 0.2157461 0.1982881
2017-07-31 0.1682027 0.2143810 0.1507288 0.2076065 0.2001888
2017-08-31 0.1368823 0.1865293 0.1911248 0.1855009 0.1740542
2017-09-30 0.1676742 0.2076500 0.2053374 0.1893192 0.1677987

Теперь вы можете сделать что-то вроде ra * !is.na(my_data), которое умножит ra на 0 в случае NA и удалит последние 4 записи Manager1. Но это не поможет с Manager5.

данные:

my_data <- structure(c(0.0152, 0.0462, 7e-04, 0.02, 0.0339, -0.0071, -0.0224, 
-0.0439, -0.0051, 0.0083, 0.0211, 0.053, 0.06383, 0.0339, NA, 
NA, NA, NA, 0.01007, 0.051524, 0.012683, 0.015881, 0.053198, 
0.004754, -0.018193, -0.01316, 0.020013, 0.014656, -0.006712, 
0.053219, 0.059228, 0.026427, -0.004695, 0.010928, 0.029043, 
0.022639, 0.010221, 0.028749, 0.015641, 0.023954, 0.002117, -0.008808, 
0.018141, -0.024303, 0.020421, 0.0247, 0.025753, 0.028395, 0.034134, 
0.028767, -0.009131, 0.002963, 0.037296, 0.003019, 0.004616, 
0.037492, 0.013082, 0.021495, 0.047616, 0.003154, -0.004828, 
-0.006465, 0.016074, 0.020341, 0.002994, 0.041619, 0.043743, 
0.020781, -0.007452, 0.014656, 0.028439, 0.006385, NA, NA, NA, 
NA, 0.045765, -0.003407, 0.017085, -0.000718, 0.017227, 0.022706, 
0.012473, 0.02379, 0.02935, 0.017908, -0.01376, 0.016799, 0.022993, 
-0.008717), .Dim = c(18L, 5L), .Dimnames = list(NULL, c("Manager1", 
"Manager2", "Manager3", "Manager4", "Manager5")), index = structure(c(1461974400, 
1464652800, 1467244800, 1469923200, 1472601600, 1475193600, 1477872000, 
1480464000, 1483142400, 1485820800, 1488240000, 1490918400, 1493510400, 
1496188800, 1498780800, 1501459200, 1504137600, 1506729600), tzone = "UTC", tclass = "Date"), class = c("xts", 
"zoo"), .indexCLASS = "Date", tclass = "Date", .indexTZ = "UTC", tzone = "UTC")