R 解释数据生成过程的描述

我尝试使用单因素模型生成月度股票数据：

$$R{a，t}=\alpha+B*R{B，t}+\epsilon{t}$$

描述说：

$R{a，t}$是超额资产收益向量，$\alpha$是错误定价系数向量，$\B$是因子加载矩阵，$R{B，t}$是因子组合的超额收益向量，$R{B}-N（\mu{B}、\sigma{B}）$，而$\epsilon{t}$是噪声向量，$\epsilon N-N（0、\sum{e}），就要素投资组合而言，这是独立的

对于我们的模拟，我们假设无风险利率服从正态分布，年平均值为2%，标准偏差为2%。我们假设只有一个因子（K=1），其年超额收益率的年平均值为8%，标准偏差为16%。错误定价$\alpha$设置为零，系数载荷B均匀分布在0.5和1.5之间。最后，假设噪声的方差-协方差矩阵$\sum_{\epsilon}$是对角的，其元素来自具有支持度[0.10,0.30]的均匀分布，因此横截面平均年特殊波动率为20%

使用此处提供的信息，我尝试生成数据：

alpha <- 0 #mispricing index is set to 0

B <- matrix(runif(1000,min=0.5,max=1),100,10) #factor loadings matrix is evenly spread between 0.5 and 1.5

R <- rnorm(100,mean=8/12,sd=16/sqrt(12)) #factor with annual excess return of 8% and standard deviation of 16%

epsilon <- rnorm(100, mean=0,sd=runif(10,min=0.1,max=0.30)) #error term with mean 0 and standard deviation drawn from a uniform distribtion

---

alpha我怀疑这是对的。顶部的等式意味着在设置初始
R{a，0）
值后，
R{a，t}
向量完全由
alpha
、
B
和噪声向量决定。这也是我的理解。在我的设置数据中=R{a，t}。你有没有提示我做错了什么？我生成了R{a，t}根据alpha，B，初始R_{a，0}值和noise vector.No.生成“R”作为正态分布随机抽取的一个实例。您应该使用for循环，因为您没有可以使用向量化计算的递推方程。我无法知道您对因子加载矩阵或噪声向量的构造是否正确。感谢您的帮助。我构造了因子加载矩阵通过用0.5到1之间的值随机填充矩阵。我不确定我是否正确理解了该过程。你能用文字说明所涉及的步骤吗？或者你能给我指出一个描述数据应该如何生成的好来源吗？我还没有找到这样一个一步一步的来源。我认为你还没有准备好接受编码建议。Y您似乎对流程没有概念上的把握。这似乎是家庭作业，因此适当的回答应该是将其交给您的学术讲师或助教。（或者找一个专注于财务流程建模的帮助网站。您搜索过StackExchange网站吗？也许：）
data <- alpha + B*R + epsilon