Question

我在R中运行多个回归时遇到问题。我有一个返回矩阵，必须针对向量进行回归。为了清楚起见，我有一个1794资产的矩阵，每个资产都需要针对SPX进行回归。然后我需要随着时间推移这些回归，所以我试图用矩阵代数来做这个以获得最佳速度。

我的代码如下：

for (i in 1:(nrow(fundReturns) - 59)){
  tempMatrix <- fundReturns[i:(i+59),]
  tempSPX <- spxReturns[i:(i+59)]
  theSubset <- sapply(tempMatrix, function(x) sum(is.na(x))) == 0
  tempMatrix <- tempMatrix[,theSubset]
  theBeta <- solve(crossprod(tempMatrix), crossprod(tempMatrix, tempSPX))
  theBetas[index(fundReturns)[(i + 59)], colnames(theBeta)] = theBeta
}

在第一次迭代时，在'theBeta＆lt; - ...'行中断。我收到以下错误：

Error in solve.default(t(tempMatrix) %*% tempMatrix) : 
  Lapack routine dgesv: system is exactly singular: U[273,273] = 0

我认为这意味着我在某处有一些奇异的矩阵，这对我来说没有意义。（如果有人能够解释这个错误究竟意味着什么，那将是值得的奖励积分。）我没有看到错误来自何处，并且为了启动，我尝试使用以下代码进行检查：

for (i in 1:1794){
  tempMatrix2 <- tempMatrix[,i]
  theBeta <- solve(t(tempMatrix2) %*% tempMatrix2) %*% (t(tempMatrix2) %*% tempSPX)
}

此代码运行正常，并为每个列生成测试版。我假设我的代码中缺少某些东西，或者向后计算，但我找不到它。请大神，帮助我。

如果有帮助，请参阅以下内容：

> dim(tempSPX)
[1] 60  1
> dim(tempMatrix)
[1]   60 1794

在R中使用矩阵代数运行多个OLS回归

0 个答案: