我目前正在使用以下方法执行样式分析:http://www.r-bloggers.com/style-analysis/。在一个滚动的36个月的窗口中,它是一个资产在许多基准上的受约束的回归。
我的问题是我需要对相当多的资产执行此回归,逐个执行此操作需要花费大量时间。更确切地说:有没有办法告诉R在colums 101-116上逐一回归列1-100。当然,这也意味着打印100个不同的图,每个资产一个。我是R的新手,现在已经被困了好几天了。
我希望下面的摘录不可重复,因为代码按原来的意图运行。
# Style Regression over Window, constrained
#--------------------------------------------------------------------------
# setup
load.packages('quadprog')
style.weights[] = NA
style.r.squared[] = NA
# Setup constraints
# 0 <= x.i <= 1
constraints = new.constraints(n, lb = 0, ub = 1)
# SUM x.i = 1
constraints = add.constraints(rep(1, n), 1, type = '=', constraints)
# main loop
for( i in window.len:ndates ) {
window.index = (i - window.len + 1) : i
fit = lm.constraint( hist.returns[window.index, -1], hist.returns[window.index, 1], constraints )
style.weights[i,] = fit$coefficients
style.r.squared[i,] = fit$r.squared
}
# plot
aa.style.summary.plot('Style Constrained', style.weights, style.r.squared, window.len)
非常感谢您的任何提示!
答案 0 :(得分:2)
&#34;有没有办法告诉R在colums 101-116上逐一回归列1-100。&#34;
是的!你可以使用for循环,但你也可以使用&#39; apply&#39;适当的功能。这是一个带有随机/玩具数据集并使用lm()
的通用解决方案,但您可以使用您想要的任何回归函数进行分析
# data frame of 116 cols of 20 rows
set.seed(123)
dat <- as.data.frame(matrix(rnorm(116*20), ncol=116))
# with a for loop
models <- list() # empty list to store models
for (i in 1:100) {
models[[i]] <-
lm(formula=x~., data=data.frame(x=dat[, i], dat[, 101:116]))
}
# with lapply
models2 <-
lapply(1:100,
function(i) lm(formula=x~.,
data=data.frame(x=dat[, i], dat[, 101:116])))
# compare. they give the same results!
all.equal(models, models2)
# to access a single model, use [[#]]
models2[[1]]