试图理解timeseries维度时出错
我试图计算两种股票价格（xts型）、AGL和BIL（OHLC数据如下）的滚动日相关性： 然后，我使用ROC创建了一个系列：试图理解timeseries维度时出错,r,xts,R,Xts,我试图计算两种股票价格（xts型）、AGL和BIL（OHLC数据如下）的滚动日相关性： 然后，我使用ROC创建了一个系列： my.AGL.roc <- ROC(my.AGL[,4]) 提前谢谢 Ed在my.AGL.roc中的首次观察可能是NA 从？滚动平均值： rollmean的默认方法不处理包含NAs的输入。在这种情况下，请改用rollapply rollappy（my.AGL.roc，30，mean）R-2.13.1下的TTR:：roc没有问题。您可以使用TTR:：runCor计算两
my.AGL.roc <- ROC(my.AGL[,4])
Ed在
my.AGL.rocNA？滚动平均值：
rollmean的默认方法不处理包含NAs的输入。在这种情况下，请改用rollapply
rollappy（my.AGL.roc，30，mean）
R-2.13.1下的TTR:：roc
没有问题。您可以使用TTR:：runCor
计算两个价格系列之间的滚动相关性
> rollapply(my.AGL.lret, 30, mean)
Error in `colnames<-`(`*tmp*`, value = "days.Close") :
attempt to set colnames on object with less than two dimensions
> rollmean(my.AGL.lret, 30)
Error in `colnames<-`(`*tmp*`, value = "days.Close") :
attempt to set colnames on object with less than two dimensions
library(quantmod)
my.AGL <-
structure(c(32020L, 32810L, 33000L, 33394L, 33650L, 34205L, 34140L,
33400L, 34300L, 32975L, 33179L, 33450L, 33700L, 34180L, 35000L,
34140L, 33600L, 34300L, 32020L, 32460L, 32811L, 33157L, 33599L,
34205L, 33299L, 33155L, 33106L, 32850L, 33020L, 33400L, 33539L,
34000L, 34461L, 33480L, 33400L, 33250L), .Dim = c(9L, 4L), .Dimnames = list(
NULL, c("days.Open", "days.High", "days.Low", "days.Close"
)), index = structure(c(1262646025, 1262732404, 1262818810,
1262905220, 1262991623, 1263250801, 1263337207, 1263423608, 1263510020
), tzone = "", tclass = c("POSIXct", "POSIXt")), .indexCLASS = c("POSIXct",
"POSIXt"), .indexTZ = "", class = c("xts", "zoo"))
my.AGL.roc <- ROC(Cl(my.AGL))
my.BIL.roc <- ROC(Op(my.AGL)) # since OP didn't provide BIL data
runCor(x=my.AGL.roc,y=my.BIL.roc,n=3)
# [,1]
# 2010-01-04 17:00:25 NA
# 2010-01-05 17:00:04 NA
# 2010-01-06 17:00:10 NA
# 2010-01-07 17:00:20 -0.6614544157
# 2010-01-08 17:00:23 -0.8643698058
# 2010-01-11 17:00:01 0.0001661546
# 2010-01-12 17:00:07 0.8768496736
# 2010-01-13 17:00:08 0.3459987310
# 2010-01-14 17:00:20 0.0289108044
库（quantmod）
你的问题有点糊涂。my.AGL
是否为类对象xts
？如果ROC
确实来自TTR
软件包，我的回答应该会有所帮助。请让您的问题重现。1） 包括适当的库
语句。2） 使用dput
复制my.AGL
的结构。请参阅以获取帮助。谢谢Antoliy，我已将ROC函数替换为my.AGL.lret。您是否尝试过我提供的rollapply
？第一个观察值是NA
并不是一个需要修复的错误，因为很明显，第一个值没有变化率。编辑：我知道你已经尝试过了，我会再次检查我自己。再次检查，rollmean（）
返回与你相同的错误，但是rollappy（）
对我有效。你能试试my.AGL.roc
上的rollappy（）
吗？Txs Anatoliy，我发现：rollappy似乎对roc函数的结果有效，但对上面显示的手动计算无效。如果我合并2个返回序列（AGL和BIL），rollmean似乎有效。我发现这很奇怪，因为只有当时间序列包含超过1列时，该函数才有效。感谢Joshua，这正如我预期的那样有效。您知道为什么rollmean不将单个安全返回序列视为有效输入吗？
my.AGL.lret[ is.na(my.AGL.lret) ] <- 0
my.AGL.lret
days.Close
2011-08-10 17:01:00 0.000000000
2011-08-11 17:01:00 0.025299427
2011-08-15 17:01:00 0.027050178
2011-08-16 17:01:00 0.001011175
2011-08-17 17:01:00 0.004936565
2011-08-18 17:01:00 -0.040264398
2011-08-22 17:01:00 -0.022195552
2011-08-23 17:01:00 -0.018253440
2011-08-24 17:01:00 0.017847304
2011-08-25 17:01:00 0.004679017
> rollapply(my.AGL.lret, 30, mean)
Error in `colnames<-`(`*tmp*`, value = "days.Close") :
attempt to set colnames on object with less than two dimensions
> rollmean(my.AGL.lret, 30)
Error in `colnames<-`(`*tmp*`, value = "days.Close") :
attempt to set colnames on object with less than two dimensions
dim(my.AGL.roc)
[1] 406 1
library(quantmod)
my.AGL <-
structure(c(32020L, 32810L, 33000L, 33394L, 33650L, 34205L, 34140L,
33400L, 34300L, 32975L, 33179L, 33450L, 33700L, 34180L, 35000L,
34140L, 33600L, 34300L, 32020L, 32460L, 32811L, 33157L, 33599L,
34205L, 33299L, 33155L, 33106L, 32850L, 33020L, 33400L, 33539L,
34000L, 34461L, 33480L, 33400L, 33250L), .Dim = c(9L, 4L), .Dimnames = list(
NULL, c("days.Open", "days.High", "days.Low", "days.Close"
)), index = structure(c(1262646025, 1262732404, 1262818810,
1262905220, 1262991623, 1263250801, 1263337207, 1263423608, 1263510020
), tzone = "", tclass = c("POSIXct", "POSIXt")), .indexCLASS = c("POSIXct",
"POSIXt"), .indexTZ = "", class = c("xts", "zoo"))
my.AGL.roc <- ROC(Cl(my.AGL))
my.BIL.roc <- ROC(Op(my.AGL)) # since OP didn't provide BIL data
runCor(x=my.AGL.roc,y=my.BIL.roc,n=3)
# [,1]
# 2010-01-04 17:00:25 NA
# 2010-01-05 17:00:04 NA
# 2010-01-06 17:00:10 NA
# 2010-01-07 17:00:20 -0.6614544157
# 2010-01-08 17:00:23 -0.8643698058
# 2010-01-11 17:00:01 0.0001661546
# 2010-01-12 17:00:07 0.8768496736
# 2010-01-13 17:00:08 0.3459987310
# 2010-01-14 17:00:20 0.0289108044