функция скользящего временного ряда на группу - PullRequest
Новая
       26

функция скользящего временного ряда на группу

0 голосов
/ 12 февраля 2020

У меня есть набор данных следующего типа: 

      ID     date       RET
1  10026 20171227 -0.003768
2  10026 20171228  0.008958
3  10027 20171227 -0.001447
4  10027 20171228 -0.017454
5  10028 20171227 -0.009988
6  10028 20171228  0.013813

Мне нужно рассчитать скользящий сдвиг RET с окном 252 для каждого идентификатора. Для этого функция 

roll_sd(df50[,2],252)

выполняет работу по вычислению скользящего сд, но не учитывает другой идентификатор. Я знаю, что могу написать al oop типа 

for (i in 1:dim(list_of_all_ID_to_be_created)) {
  roll_sd(df50[i,2],252)
}

и затем прикрепить эти значения к пустому фрейму данных. Тем не менее, есть ли способ сделать все это одновременно, чтобы в моем исходном кадре данных я просто получил новый столбец "roll_sd", который выполняет расчет для каждого идентификатора? Желаемый результат будет выглядеть так: 

      ID     date       RET  roll_sd
1  10026 20171227 -0.003768  0.18667
2  10026 20171228  0.008958  0.21667
3  10027 20171227 -0.001447  0.18668
4  10027 20171228 -0.017454  0.32542
5  10028 20171227 -0.009988  0.87763
6  10028 20171228  0.013813  0.11221

1 Ответ

1 голос
/ 12 февраля 2020

Использование roll_sd с размером окна 252 сделает первые 252 значения в каждой группе NA - это не даст результат, который вы предлагаете в своем вопросе. Однако из нескольких способов достижения результата наиболее простым является, вероятно, использование group_by и mutate из семейства пакетов tidyverse. Я удалил результирующие значения NA из окончательного фрейма данных, используя drop_na

library(tidyverse)
library(roll)

df <- data.frame(ID = rep(letters[1:5], 500), RET = rnorm(2500))

df %>% 
  group_by(ID) %>% 
  mutate(roll_sd = roll_sd(RET, 252)) %>% 
  drop_na(roll_sd)
#> # A tibble: 1,245 x 3
#> # Groups:   ID [5]
#>    ID       RET roll_sd
#>    <fct>  <dbl>   <dbl>
#>  1 a     -0.538   1.02 
#>  2 b     -0.669   1.08 
#>  3 c     -0.438   0.990
#>  4 d     -0.511   1.06 
#>  5 e      0.953   1.04 
#>  6 a     -1.68    1.02 
#>  7 b     -0.806   1.08 
#>  8 c     -1.86    0.995
#>  9 d      3.49    1.08 
#> 10 e     -1.36    1.05 
#> # ... with 1,235 more rows
...