我有一个R数据帧,我需要为几个滚动时间窗口的每一列计算自相关。 我使用了以下解决方案
myacf=function(x,lag){
return(acf(x, na.action=na.pass,lag.max=lag)[lag])
}
for(i in 2:dim(dfres)[1]){
print(i)
col=rollapply(as.numeric(dfres[,i]),width=oneday,FUN=myacf,lag=oneday)
}
其中dfres是一个矩阵(我排除第一列,因为它包含时间戳),rollapply来自包动物园。 我得到以下错误:plot.window中的错误(需要有限'ylim'值)。 无论如何,我不需要绘图,而只需要选择滞后中的自相关值。有人能帮助我吗?
答案 0 :(得分:0)
使用lapply
,您可以在每个列上运行rollapply
函数
所选滞后值的acf
系列。然后,我们使用Reduce
来合并上述步骤的结果。
我已使用edhec
包中的数据集PerformanceAnalytics
进行此演示。您
可以相应地更改width
参数。
library("PerformanceAnalytics")
#load test dataset
data(edhec,package="PerformanceAnalytics")
#select subset with fewer columns
edhec_sub = edhec[,1:5]
fn_lag_ACF = function(lagValue = x) {
#for width as 1 year calculate acf for input lagValue for each column
acfList = lapply(edhec_sub,function(x) {
TS = rollapply(x, width = 12,
FUN = function(z) acf(z,na.action=na.pass,lag.max= lagValue,plot=FALSE)$acf[lagValue],
by.column = FALSE, align = "right")
colnames(TS) = colnames(x)
return(TS)
})
#combine acf output for all columns from above step
acfMerge = Reduce(function(x,y) merge.xts(x,y), acfList)
return(acfMerge)
}
#test with lagValue = 2
lag2DF = fn_lag_ACF(lagValue = 2)
<强>输出:强>
head(lag2DF,15)
# Convertible.Arbitrage CTA.Global Distressed.Securities Emerging.Markets
#1997-01-31 NA NA NA NA
#1997-02-28 NA NA NA NA
#1997-03-31 NA NA NA NA
#1997-04-30 NA NA NA NA
#1997-05-31 NA NA NA NA
#1997-06-30 NA NA NA NA
#1997-07-31 NA NA NA NA
#1997-08-31 NA NA NA NA
#1997-09-30 NA NA NA NA
#1997-10-31 NA NA NA NA
#1997-11-30 NA NA NA NA
#1997-12-31 0.5560540 -0.3010264 0.02908761 0.3305791
#1998-01-31 0.5055951 -0.4245876 0.04278214 0.1761287
#1998-02-28 0.5195872 -0.4298767 0.01375580 0.1605579
#1998-03-31 0.5070003 -0.4656213 -0.04519778 0.2061610
# Equity.Market.Neutral
#1997-01-31 NA
#1997-02-28 NA
#1997-03-31 NA
#1997-04-30 NA
#1997-05-31 NA
#1997-06-30 NA
#1997-07-31 NA
#1997-08-31 NA
#1997-09-30 NA
#1997-10-31 NA
#1997-11-30 NA
#1997-12-31 -0.11842164
#1998-01-31 -0.05986578
#1998-02-28 -0.09663855
#1998-03-31 -0.09680819