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)。
答案 0 :(得分: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。