在R中，有没有办法将acf和其他时间序列函数用于多个实体，但将其视为单变量

基本上，我希望能够有一个时间序列，具有多个实体，但在某种意义上，它被视为一个具有多个重置的单一序列。例如，多只股票的每日价格变化，能够计算所有股票作为一个组的时间序列统计数据，而不是每个股票的时间序列统计数据。我可以为多个股票创建一个矩阵。但当我这样做时，调用函数（如acf）会分别处理每个股票，生成一个多面板图，将每个系列中的自相关性与所有其他系列中的自相关性进行比较。我想要一个单一的图表，显示所有股票的自相关性。在R中有什么方法可以做到这一点吗

`要求（润滑）

n1）我们可以通过
使用
。下面绘制了各公司的AUITO相关性以及各滞后的平均值（粗体）。我们将
autocorrel
函数包含在
try
中，在这种情况下，它将为坏公司数据提供错误消息，但仍会为其他数据提供结果。（如果您不想看到错误消息，请使用
silent=
参数来
尝试
或解决潜在问题。）

给予：

Generalized least squares fit by REML
  Model: change ~ symbol - 1 
  Data: raw 
  Log-restricted-likelihood: 1950.228

Coefficients:
 symbolCompany1  symbolCompany2  symbolCompany3  symbolCompany4  symbolCompany5 
   0.0014916739   -0.0005797750   -0.0002394351    0.0006663767    0.0001541708 
 symbolCompany6  symbolCompany7  symbolCompany8  symbolCompany9 symbolCompany10 
  -0.0003972843    0.0003506882    0.0005941818   -0.0002036649    0.0003041018 

Correlation Structure: AR(1)
 Formula: ~date | symbol 
 Parameter estimate(s):
      Phi 
-0.050775 
Degrees of freedom: 618 total; 608 residual
Residual standard error: 0.009474571 

因此，滞后0，1，2。。。它们是：

> (-0.050775)^(0:10)
 [1]  1.000000e+00 -5.077500e-02  2.578101e-03 -1.309031e-04  6.646603e-06
 [6] -3.374813e-07  1.713561e-08 -8.700606e-10  4.417733e-11 -2.243104e-12
[11]  1.138936e-13

更新：海报后来添加了相应修改的数据。还添加了（2）并进行了一些更正。
我最终使用了我在OP中编写的自动相关包装功能。我想我的问题的答案是，目前R中不存在此功能，必须手动编码。但我要感谢Msr Grothendieck对这个问题的巧妙解决。
R中面板数据的真实自相关函数是
collapse:：psacf
，它的工作原理是首先标准化每组中的数据，然后使用适当的面板滞后计算组标准化面板序列上的自方差。实现在C++中，而且非常快。
我想我还是不太清楚。我不想要多个股票/实体。只是一个跨所有实体的分组，忽略甚至有多个实体的事实，除了明显的滞后不应该跨两个实体。平均法在一定程度上有效，但它的问题是相关性无法精确平均。如果股票遵循相同的模型，那么它们的真实相关性是相同的，到LLN时，样本平均值将收敛到它。此外，我还添加了
gls
方法，以防更符合您的追求。
library(nlme)
gls(change ~ symbol-1, raw, corAR1(form = ~ date | symbol)

Generalized least squares fit by REML
  Model: change ~ symbol - 1 
  Data: raw 
  Log-restricted-likelihood: 1950.228

Coefficients:
 symbolCompany1  symbolCompany2  symbolCompany3  symbolCompany4  symbolCompany5 
   0.0014916739   -0.0005797750   -0.0002394351    0.0006663767    0.0001541708 
 symbolCompany6  symbolCompany7  symbolCompany8  symbolCompany9 symbolCompany10 
  -0.0003972843    0.0003506882    0.0005941818   -0.0002036649    0.0003041018 

Correlation Structure: AR(1)
 Formula: ~date | symbol 
 Parameter estimate(s):
      Phi 
-0.050775 
Degrees of freedom: 618 total; 608 residual
Residual standard error: 0.009474571 

> (-0.050775)^(0:10)
 [1]  1.000000e+00 -5.077500e-02  2.578101e-03 -1.309031e-04  6.646603e-06
 [6] -3.374813e-07  1.713561e-08 -8.700606e-10  4.417733e-11 -2.243104e-12
[11]  1.138936e-13