Use agregado com uma função que usa dados de duas colunas (por exemplo, Cov ou Prod)
Pergunta
Tenho uma longa série de dados diários e 101 colunas. Todo mês eu gostaria de calcular o cov
de cada uma das 100 primeiras colunas com a 101ª coluna. Isso geraria uma covariância mensal com a 101ª coluna para cada uma das 100 colunas com base nos dados diários. Parece que aggregate
faz o que eu quero com funções que tomam um único vetor, como mean
, mas não consigo fazer isso funcionar cov
(ou prod
).
Por favor, deixe -me saber se um dput
de alguns meses ajudaria.
> library("zoo")
> data <- read.zoo("100Size-BM.csv", header=TRUE, sep=",", format="%Y%m%d")
> head(data[, c("R1", "R2", "R3", "R100", "Mkt.RF")])
R1 R2 R3 R100 Mkt.RF
1963-07-01 -0.00212 0.00398 -0.00472 -0.00362 -0.0066
1963-07-02 -0.00242 0.00678 0.00068 -0.00012 0.0078
1963-07-03 0.00528 0.01078 0.00598 0.00338 0.0063
1963-07-05 0.01738 -0.00932 -0.00072 -0.00012 0.0040
1963-07-08 0.01048 -0.01262 -0.01332 -0.01392 -0.0062
1963-07-09 -0.01052 0.01048 0.01738 0.01388 0.0045
mean
Funciona muito bem e me dá os dados mensais que eu quero.
> mean.temp <- aggregate(data[, 1:100], as.yearmon, mean)
> head(mean.temp[, 1:3])
R1 R2 R3
Jul 1963 0.0003845455 7.545455e-05 0.0004300000
Aug 1963 -0.0006418182 2.412727e-03 0.0022263636
Sep 1963 0.0016250000 1.025000e-03 -0.0002600000
Oct 1963 -0.0007952174 2.226522e-03 0.0004873913
Nov 1963 0.0006555556 -5.211111e-03 -0.0013888889
Dec 1963 -0.0027066667 -1.249524e-03 -0.0005828571
Mas não consigo obter uma função que use duas colunas/vetores diferentes para funcionar.
> cov.temp <- aggregate(data[, 1:100], as.yearmon, cov(x, data[, "Mkt.RF"]))
Error in inherits(x, "data.frame") : object 'x' not found
Nem posso fazer com que funcione fazendo um cov
embrulho.
> f <- function(x) cov(x, data[, "Mkt.RF"])
> cov.temp <- aggregate(data[, 1:100], as.yearmon, f)
Error in cov(x, data[, "Mkt.RF"]) : incompatible dimensions
Devo fazer isso com um for
ciclo? Espero que haja mais R
caminho. Obrigado!
Solução
Você esqueceu o function(x)
Declaração e você precisa garantir que obtenha o subconjunto mensal correto de data
(que pisa no data
função, a propósito). Experimente isso:
> aggregate(data, as.yearmon, function(x) cov(x,data[index(x),"Mkt.RF"]))
R1 R2 R3 R100 Mkt.RF
Jul 1963 1.3265e-05 2.0340e-05 3.464e-05 2.2575e-05 6.267e-05
Aug 1963 -7.1295e-05 2.8875e-05 1.000e-06 -9.9700e-06 -2.608e-05
*Observe que mudei as três últimas observações em seus dados de exemplo para o mês de agosto, para que haja mais de um mês de saída.
Outras dicas
Você pode usar a abordagem que escrevi aqui, ou seja, fazer algo como:
tapply(1:nrow(data), data$group, function(s) cov(data$x[s], data$y[s]))
Dentro aggregate()
, como é comum a muitas funções R que aplicam outras funções R a subconjuntos de dados, você nomeia a função que deseja aplicar, neste caso, adicionando FUN = cov
para o seu aggregate()
ligar. Você pode fornecer argumentos a essa função como parte do ...
argumento especial.
Você pode passar data[, "Mkt.RF"])
como argumento y
de função cov()
, então algo assim deve funcionar:
cov.temp <- aggregate(data[, 1:100], as.yearmon, FUN = cov, y = data[, "Mkt.RF"])
No entanto, neste caso, isso não parece funcionar, pois você precisa lidar com a natureza do zoológico dos dados e ser capaz de subconjuntar data[, "Mkt.RF"]
Da mesma maneira do outro data[,1:100]1 columns are broken up by
agregado () `. Portanto, uma alternativa é especificar uma função em linha, assim:
cov.temp <- aggregate(data[, 1:100], as.yearmon,
FUN = function(x) cov(x, y = data[index(x), "Mkt.RF"]))
Aqui está um exemplo que deve sair da caixa:
library("zoo")
dat <- data.frame(matrix(rnorm(365*10*6), ncol = 6))
Dates <- seq.Date(from = as.Date("1963-07-01"), by = "days", length = 365*10)
dat2 <- zoo(dat, order.by = Dates)
O que nos dá:
> head(dat2)
X1 X2 X3 X4 X5 X6
1963-07-01 0.30910867 0.5539864 0.6433690 0.20608146 -1.7706003 -0.4607610
1963-07-02 -0.02519616 -0.1856305 1.0419578 1.01319153 0.8671110 0.1196251
1963-07-03 1.56464024 0.4980238 0.2976338 0.05654036 0.4984225 -1.4626501
1963-07-04 -0.24028698 -1.4365257 0.5707873 -0.05851961 -0.7176343 0.1233137
1963-07-05 -0.87770815 -0.5217949 -2.4875626 -0.08200408 -0.6121038 -0.3881126
1963-07-06 -0.53660576 -1.1098966 2.7411511 -1.37106883 -0.5891641 1.6322411
Agora, vamos supor X6
é seu "Mkt.RF"
coluna e agregaremos sobre DAT2 [, 1: 5]:
cov.temp <- aggregate(dat2[, 1:5], as.yearmon,
FUN = function(x) cov(x, y = dat2[index(x),"X6"]))
head(cov.temp)
Que produz:
> head(cov.temp)
X1 X2 X3 X4 X5
Jul 1963 -0.30185387 0.09802210 0.019282934 -0.03621272 0.05332324
Aug 1963 0.14739044 0.04276340 0.081847499 -0.35195736 -0.14680017
Sep 1963 0.56698393 -0.08371676 0.003870935 -0.05948173 0.07550769
Oct 1963 0.00711595 -0.07939798 0.118030943 -0.22065278 -0.12474052
Nov 1963 0.06551982 0.22848268 0.231967655 0.02356194 -0.24272566
Dec 1963 0.23866775 0.29464398 -0.034313793 0.09694199 -0.10481527
Hth
Acabei usando aggregate
para formatar os dados, mas levou cerca de 50 min por cálculo de cov
com cada fator. Por um capricho, tentei o plyr
Solução, que tem grandes ganhos.
cov.fn <- function(x) nrow(x) * cov(x[, 1:100], x[, 101])
temp <- zoo(daply(data, .(as.yearmon(index(data))), cov.fn), unique(as.yearmon(index(data))))
Isso leva cerca de cinco segundos (600x vezes mais rápido). Eu acho que há grandes ganhos de velocidade a serem obtidos para melhorar a eficiência das operações de subconjunto.
Obrigado a todos pela ajuda. Eu aprendi muito sobre este.