Question

作为我的数据分析（按时间序列）的一部分，我正在检查对数回报与已实现波动率之间的相关性。

我的数据包括跨越几百年不同公司（大型动物园对象，大约2 MB文件大小）的时间序列。为了检查上述相关性，我使用以下代码计算了几个滚动方差（a.k.a.实现的波动率）：

rollvar5 <- sapply(returns, rollVar, n=5, na.rm=TRUE)
rollvar10 <- sapply(returns, rollVar, n=10, na.rm=TRUE)

使用简单的fTrading函数rollVar。然后我将滚动方差转换为动物园对象并添加日期索引（通过导出到结果到csv文件并手动添加日期，然后使用read.zoo - 不是很复杂，但它工作正常）。

现在我希望创建大约100个线性回归模型，每个模型将公司的对数回报链接到指定公司的已实现波动率。在个人基础上，这将如下所示：

lm_rollvar5 <- lm(returns$[5:1000,1] ~ rollvar5[5:1000,1])
lm_rollvar10 <- lm(returns$[10:1000,1] ~ rollvar10[10:1000,1])

这没有问题。

现在我希望将其扩展为自动为所有100家公司创建线性回归模型。我试过的是一个简单的for循环：

NC <- ncol(returns)
for(i in 1:NC){
lm_rollvar5 <- lm(returns[5:1000],i] ~ rollvar5[5:1000,i])
summary(lm_rollvar5)
lm_rollvar10 <- lm(returns[10:1000],i] ~ rollvar10[10:1000,i])
summary(lm_rollvar10)
}

有什么方法可以优化我的方法吗？（即如何以简单的方式保存所有回归结果）。从现在开始，for-loop只输出数百个回归结果，这在分析结果时非常无效。

我也尝试使用apply函数，但我不确定如何在这种情况下使用它，因为有几个时间序列对象（返回和滚动方差保存在不同的对象中，如你所见）。

Answer 1

至于你的问题如何以简单的方式保存所有回归结果，这有点难以回答，因为我们不知道你需要做什么，以及你认为“简单”。但是，您可以在循环外定义一个列表，并将每个回归模型存储在此列表中，以便您可以访问模型而无需在以后重新设置它们。试试，例如。

 NC <- ncol(returns)
 lm_rollvar5 <- vector(mode="list", length=NC)
 lm_rollvar10 <- vector(mode="list", length=NC)
 for(i in 1:NC){
 lm_rollvar5[[i]] <- lm(returns[5:1000],i] ~ rollvar5[5:1000,i])
 lm_rollvar10[[i]] <- lm(returns[10:1000],i] ~ rollvar10[10:1000,i])
 }

这为您提供了列表中i位置的公司i的拟合模型。以同样的方式，您还可以保存摘要的输出。或者你确实喜欢

 my.summaries_5 <- lapply(lm_rollvar5, summary)

为您提供摘要列表。

许多线性回归

1 个答案: