R 使用循环在一个图形中绘制多个图形

我需要用不同的风险度量来计算有效边界，并使用自举技术来模拟可能的结果。然而，现在我陷入了困境：我想做的是通过一个循环（稍后将集成到一个函数中）生成多个有效边界，每个有效边界与未来可能的结果关联，并以这种方式将它们绘制在同一个图形上，以查看它们在模拟过程中可能发生的变化。以下是我到目前为止编写的循环：

for (i in 1:B) { 
  idx <- sample(1:N, N, replace = TRUE) 
  new.x <- x[idx, ] 
  µ.b <- apply(X = new.x, 2, FUN = mean) 
  range.b[, i] <- seq(from = min(µ.b), to = max(µ.b), length.out = steps) 
  sigma.b <- apply(X = new.x, 2, FUN = sd) 
  riskCov.b[, i] <- sapply(range.b[, i], function(targetReturn) { 
    w <- MV_QP(new.x, targetReturn, Sigma) 
    sd(c(new.x %*% w)) 
    }) 
  xlim.b <- range(c(sigma.b, riskCov.b[, 1]), na.rm = TRUE) 
  ylim.b <- range(µ.b) 
  par(new = TRUE) 
  plot(x = riskCov.b[, i], y = range.b[, i], type = "l", xlim = xlim.b, ylim = ylim.b, xlab = "Risk", ylab = "Return", main = "Resampling EFs") 
} 

（1:B中的i）{code>

---

idx我不知道优化是否正确。对于绘图，您可以尝试以下方法：

for (i in 1:B) { 
  idx <- sample(1:N, N, replace = TRUE) 
  new.x <- x[idx, ] 
  µ.b <- apply(X = new.x, 2, FUN = mean) 
  range.b[, i] <- seq(from = min(µ.b), to = max(µ.b), length.out = steps) 
  #sigma.b <- apply(X = new.x, 2, FUN = sd) 
  riskCov.b[, i] <- sapply(range.b[, i], function(targetReturn) { 
    w <- MV_QP(new.x, targetReturn,Sigma=cov(new.x))
    sd(c(new.x %*% w)) 
  }) 
}

xlim.b <- range(c(apply(X = x, 2, FUN= sd), riskCov.b), na.rm = TRUE) *c(0.98,1.02)
  ylim.b <- range(µ.b) *c(0.98,1.02)
  #par(new = TRUE) 
for (i in 1:B){
  if (i==1) plot(x = riskCov.b[, i], y = range.b[, i], type = "l", xlim = xlim.b, ylim = ylim.b, xlab = "Risk", ylab = "Return", main = "Resampling EFs") else
  lines(x = riskCov.b[, i], y = range.b[, i],col=rainbow(B)[i])
}

（1:B中的i）{code>

---

idx您的代码不是完全可复制的，请查看