我想对一年时间序列的每个月应用分位数回归(具有一个因变量和一个自变量),因此我将获得12个系数。
我的数据集由return_2000_xts
给出,rq()
是分位数回归的函数。
我的数据集为xts
格式,其中包括银行股票的每日收益。
我尝试使用apply.monthly()
:
apply.monthly(return_2000_xts,
rq(esb.eu ~ hsbc.uk, data = return_2000_xts, tau = 0.95))
不幸的是,我收到以下错误消息:
get(as.character(FUN),mode =“ function”,envir = envir)中的错误: 找不到“功能”模式的对象“ FUN”
我的代码可能是什么问题?
答案 0 :(得分:2)
我不确定是怎么回事,也许apply.monthly()
正在剥离某些属性,但是回到基础知识似乎行得通。
library(xts)
library(quantreg)
data(sample_matrix)
xt <- as.xts(sample_matrix)
f <- as.character(index(xt), format="%Y-%m")
xt.ym <- split(xt, f)
lapply(xt.ym, FUN=function(x) rq(Open ~ Close, data=x, tau=0.95))
作为参考,这是行不通的,但感觉应该如此
apply.monthly(xt, FUN=function(x) rq(Open ~ Close, data=x))
coredata.xts(x)中的错误:当前不支持的数据类型
我已经意识到为什么apply.monthly()
不起作用。它想返回一个xts
对象,但是无法将一系列回归对象强制转换为xts
,因此会引发错误。但是,如果我们将回归输出限制为可以强制执行的内容(例如f.ex),它将起作用。
apply.monthly(xt, FUN=function(x) rq(Open ~ Close, data=x)$coef)
# (Intercept) Close
# 2007-01-31 12.224046 0.7564106
# 2007-02-28 -6.326472 1.1242798
# 2007-03-31 -2.108973 1.0432247
# 2007-04-30 5.739395 0.8840677
# 2007-05-31 2.453616 0.9495129
# 2007-06-30 17.380465 0.6342055
答案 1 :(得分:1)
一个可重现的示例会很好,但是您可能想要
apply.monthly(return_2000_xts,
FUN=rq,
formula = esb.eu ~ hsbc.uk,
data = return_2000_xts, tau = 0.95)
...,也就是说,您仅传递rq
函数作为参数,然后将其他参数添加到rq()
作为附加参数(与{{ 1}})