Question

假设我已将数据拟合到多变量DCC模型并进行预测以获得平均回报。以下是我可重现的代码。

# load libraries
library(rugarch)
library(rmgarch)
library(FinTS)
library(tseries)
library(fPortfolio)
data(dji30retw)

for (i in 1:2)
{ Dat.Initial = dji30retw[, 1:8, drop = FALSE]
  Dat <- Dat.Initial[1:(1000+(i-1)), ] 

#Fitting the data
uspec = ugarchspec(mean.model = list(armaOrder = c(0,0)), variance.model = list(garchOrder = c(1,1), model = "sGARCH"), distribution.model = "norm")
spec1 = dccspec(uspec = multispec( replicate(8, uspec)), dccOrder = c(1,1), distribution = "mvnorm")
fit1 <- list()
fit1[[i]] = dccfit(spec1, data = Dat, out.sample = 120, fit.control = list(eval.se=T))

#Out of sample forecasting
dcc.focast <- list()
dcc.focast[[i]]=dccforecast(fit1[[i]], n.ahead = 1, n.roll = 0)
#print(dcc.focast[[i]])

#Mean returns 
mean.focast <- list()
mean.focast[[i]] = fitted(dcc.focast[[i]] )
print(mean.focast[[i]])

#Var-Cov 
covmat.focast[[i]]= rcov(dcc.focast[[i]])
print(covmat.focast[[i]])
}

R以这种形式给出了输出： -

, , 2004-01-30

             AA         AXP         BA         BAC           C         CAT         CVX          DD
T+1 0.002903173 0.003462776 0.00295735 0.003485212 0.004442807 0.002986181 0.002069151 0.002367464

, , 2004-02-06

         AA         AXP         BA         BAC           C       CAT        CVX          DD
T+1 0.002933206 0.003511235 0.00300817 0.003510005 0.004436862 0.0029913 0.00205337 0.002382313

我们有什么方法可以将输出保存为一个对象/ xts所以它看起来像这样吗？

               AA              AXP         ..........  DD
 30-01-2004    0.002903173   0.003462776   ........... 0.002367464
 06-02-2004    0.002933206   0.003511235   ........... 0.002382313

另一个问题是，为什么只输入'mean.focast'，它会给我以下输出？

[[1]]
NULL

[[2]]
, , 2004-02-06

             AA         AXP         BA         BAC           C       CAT        CVX          DD
T+1 0.002933206 0.003511235 0.00300817 0.003510005 0.004436862 0.0029913 0.00205337 0.002382313

[[1]]的值在哪里？

Answer 1

我们来看看。你的“麻烦”来自代码的这一部分

#Mean returns 
mean.focast <- list()
mean.focast[[i]] = fitted(dcc.focast[[i]] )
print(mean.focast[[i]])

您要求为每次迭代打印输出（这就是您获得输出的原因），但请注意，您在迭代的每个步骤中重新实例化列表mean.focast。这就是为什么你得到第一个列表元素NULL的原因，因为你已经创建了一个新列表并且只填充了元素2（对于迭代2）。 mean.focast <- list()应该移出循环。

至于mean.focast结果。您可以通过多种方式将列表元素组合到单个数据框中。这是一个使用reshape2。

library(reshape2)
res <- dcast(melt(mean.focast), Var3 ~ Var2)
res
        Var3          AA         AXP         BA         BAC           C
1 2004-01-30 0.002903173 0.003462776 0.00295735 0.003485212 0.004442807
2 2004-02-06 0.002933206 0.003511235 0.00300817 0.003510005 0.004436862
          CAT         CVX          DD
1 0.002986181 0.002069151 0.002367464
2 0.002991300 0.002053370 0.002382313

所以你的最终代码变成了

mean.focast <- list()

for (i in 1:2)
{ Dat.Initial = dji30retw[, 1:8, drop = FALSE]
  Dat <- Dat.Initial[1:(1000+(i-1)), ] 

#Fitting the data
uspec = ugarchspec(mean.model = list(armaOrder = c(0,0)), variance.model = list(garchOrder = c(1,1), model = "sGARCH"), distribution.model = "norm")
spec1 = dccspec(uspec = multispec( replicate(8, uspec)), dccOrder = c(1,1), distribution = "mvnorm")
fit1 <- list()
fit1[[i]] = dccfit(spec1, data = Dat, out.sample = 120, fit.control = list(eval.se=T))

#Out of sample forecasting
dcc.focast <- list()
dcc.focast[[i]]=dccforecast(fit1[[i]], n.ahead = 1, n.roll = 0)
#print(dcc.focast[[i]])

#Mean returns 
mean.focast[[i]] = fitted(dcc.focast[[i]] )
print(mean.focast[[i]])}

res <- dcast(melt(mean.focast), Var3 ~ Var2)
res

将R输出保存为对象

1 个答案: