R 对财务数据运行滞后回归
我正在尝试为我的数据框架中的30项资产中的每一项运行滞后回归 我的桌子看起来像这样：R 对财务数据运行滞后回归,r,time-series,regression,finance,R,Time Series,Regression,Finance,我正在尝试为我的数据框架中的30项资产中的每一项运行滞后回归 我的桌子看起来像这样： date rx1 rx2 rx3 1930-01-31 0 0 0 1930-02-28 0 0 -0.3 1930-03-31 0 0 -0.1 .... -0.1 ... 1975-02-28 -0.4 -0.2 ... 2016-12-31
date rx1 rx2 rx3
1930-01-31 0 0 0
1930-02-28 0 0 -0.3
1930-03-31 0 0 -0.1
.... -0.1 ...
1975-02-28 -0.4 -0.2 ...
2016-12-31 -0.03 ... ...
有人能解决这个问题吗？谢谢 对于这么长的回答，我事先表示歉意。似乎出于某种原因（不知道为什么？）
dyn$lmNAsummary（model）Warning message:
In summary.lm(lm(rx1 ~ lag(rx1, 1), data = df, model = T)) :
essentially perfect fit: summary may be unreliable
nobs（model）nrow（Rx3.df）> df<- data.frame(rx1 = runif(1000, 1, 100))
> head(df, 5)
rx1
1 56.63239
2 89.99562
3 37.35498
4 7.47771
5 92.77819
> df[, paste0("lag1_", names(df)[like(names(df), "^rx")]) := shift(.SD), .SDcols = like(names(df), "^rx")]
> df[, paste0("lag2_", names(df)[like(names(df), "^rx")]) := shift(.SD, 2), .SDcols = like(names(df), "^rx")]
> head(df, 5)
date rx1 rx2 rx3 lag1_rx1 lag1_rx2 lag1_rx3 lag2_rx1 lag2_rx2
1: 1989-01-16 9.642232 -1.14117351 0 NA NA NA NA NA
2: 1964-05-10 55.946293 1.21938225 1 9.642232 -1.14117351 0 NA NA
3: 1911-11-24 8.609234 -0.77489439 1 55.946293 1.21938225 1 9.642232 -1.1411735
4: 1914-09-29 57.253969 0.02277709 0 8.609234 -0.77489439 1 55.946293 1.2193823
5: 1902-08-09 69.454322 -0.10850359 1 57.253969 0.02277709 0 8.609234 -0.7748944
lag2_rx3
1: NA
2: NA
3: 0
4: 1
5: 1
> formula<- paste0(paste0("rx", 1:3),"~", paste0("lag1_rx", 1:3), "+", paste0("lag2_rx", 1:3))
> results<- lapply(formula, function(x) lm(x, data=df))
> names(results)<- paste0("rx", 1:3)
>公式结果名称（结果）看起来您的时间序列一点也没有滞后。这也是为什么第一个回归器的系数为1的原因
要解决您的问题，您可以使用dplyr
软件包的lag
/lead
功能（取决于数据格式）：
您是否查看了第三个向量是否包含NAs（例如，lag（Rx3.df$rx1，2）））我将所有NAs替换为0。例如，请参见：一如既往，将工作分解为步骤有助于我们了解问题所在。我不知道lm
如何解释Rx3.df$rx1~lag（Rx3.df$rx1，1）+lag（Rx3.df$rx1，2）
，或者这是否是正确的语法。Yannis使用的中间df_lag
数据帧意味着我们不需要知道，我们可以通过查看lm
是否使用正确的数据来判断。非常感谢您的详细解释！然而，我总共有30项资产。我是否需要逐个手动滞后变量？有捷径吗？我在考虑为你创造一个loop@Celia有更简单的方法，但我现在不在电脑上，也许我可以稍后再跟进。我确信这已经在其他地方得到了回答。好吧，我有一个完整的解决方案给你，在这里输入太大了，所以我正在编辑我的原始答案。你的dyn代码的问题是：（1）dyn作用于时间序列，而你没有给它一个时间序列。（2） lm的na.action参数告诉它如何处理na值，因此，如果您想要不同的东西，请使用它。那真的与戴恩无关。（3） 在base中，R lag（x，-1）用于滞后一系列，而不是滞后（x，1），dyn不重新定义滞后，但试图与R的其余部分保持一致。
> summary(dyn$lm(rx1~lag(rx1, 1) + lag(rx1, 2), data=df))
Call:
lm(formula = dyn(rx1 ~ lag(rx1, 1) + lag(rx1, 2)), data = df)
Residuals:
Min 1Q Median 3Q Max
-3.982e-13 -5.400e-16 3.600e-16 1.230e-15 1.211e-14
Coefficients: (1 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.876e-14 8.219e-16 3.499e+01 <2e-16 ***
lag(rx1, 1) 1.000e+00 1.424e-17 7.024e+16 <2e-16 ***
lag(rx1, 2) NA NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.275e-14 on 998 degrees of freedom
Multiple R-squared: 1, Adjusted R-squared: 1
F-statistic: 4.934e+33 on 1 and 998 DF, p-value: < 2.2e-16
Warning message:
In summary.lm(dyn$lm(rx1 ~ lag(rx1, 1) + lag(rx1, 2), data = df)) :
essentially perfect fit: summary may be unreliable
> library(dplyr)
> df_lag<- mutate(df, lag1_rx1 = lag(rx1), lag2_rx1 = lag(rx1, 2))
> head(df_lag, 5)
rx1 lag1_rx1 lag2_rx1
1 56.63239 NA NA
2 89.99562 56.63239 NA
3 37.35498 89.99562 56.63239
4 7.47771 37.35498 89.99562
5 92.77819 7.47771 37.35498
> summary(dyn$lm(rx1~lag1_rx1+lag2_rx1, data=df_lag))
Call:
lm(formula = dyn(rx1 ~ lag1_rx1 + lag2_rx1), data = df_lag)
Residuals:
Min 1Q Median 3Q Max
-50.325 -23.271 -0.471 24.763 50.864
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 50.84681 2.46790 20.603 <2e-16 ***
lag1_rx1 -0.03664 0.03170 -1.156 0.248
lag2_rx1 0.02494 0.03170 0.787 0.432
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 28.34 on 995 degrees of freedom
(2 observations deleted due to missingness)
Multiple R-squared: 0.002033, Adjusted R-squared: 2.741e-05
F-statistic: 1.014 on 2 and 995 DF, p-value: 0.3633
library(data.table)
> df<- data.table(date= sample(seq(as.Date('1900/01/01'), as.Date('2000/01/01'), by="day"), 1000), rx1 = runif(1000, 1, 100), rx2 = rnorm(1000), rx3 = rpois(1000, 1))
> head(df, 5)
date rx1 rx2 rx3
1: 1989-01-16 9.642232 -1.14117351 0
2: 1964-05-10 55.946293 1.21938225 1
3: 1911-11-24 8.609234 -0.77489439 1
4: 1914-09-29 57.253969 0.02277709 0
5: 1902-08-09 69.454322 -0.10850359 1
> df[, paste0("lag1_", names(df)[like(names(df), "^rx")]) := shift(.SD), .SDcols = like(names(df), "^rx")]
> df[, paste0("lag2_", names(df)[like(names(df), "^rx")]) := shift(.SD, 2), .SDcols = like(names(df), "^rx")]
> head(df, 5)
date rx1 rx2 rx3 lag1_rx1 lag1_rx2 lag1_rx3 lag2_rx1 lag2_rx2
1: 1989-01-16 9.642232 -1.14117351 0 NA NA NA NA NA
2: 1964-05-10 55.946293 1.21938225 1 9.642232 -1.14117351 0 NA NA
3: 1911-11-24 8.609234 -0.77489439 1 55.946293 1.21938225 1 9.642232 -1.1411735
4: 1914-09-29 57.253969 0.02277709 0 8.609234 -0.77489439 1 55.946293 1.2193823
5: 1902-08-09 69.454322 -0.10850359 1 57.253969 0.02277709 0 8.609234 -0.7748944
lag2_rx3
1: NA
2: NA
3: 0
4: 1
5: 1
> formula<- paste0(paste0("rx", 1:3),"~", paste0("lag1_rx", 1:3), "+", paste0("lag2_rx", 1:3))
> results<- lapply(formula, function(x) lm(x, data=df))
> names(results)<- paste0("rx", 1:3)
> library(dplyr)
> x <- 1:10
> stats::lag(x)
[1] 1 2 3 4 5 6 7 8 9 10
attr(,"tsp")
[1] 0 9 1
> dplyr::lead(x)
[1] 2 3 4 5 6 7 8 9 10 NA
> dplyr::lag(x)
[1] NA 1 2 3 4 5 6 7 8 9
> library(zoo)
> y <- zoo(1:10)
> stats::lag(y, 1, na.pad = TRUE)
1 2 3 4 5 6 7 8 9 10
2 3 4 5 6 7 8 9 10 NA
> stats::lag(y, -1, na.pad = TRUE)
1 2 3 4 5 6 7 8 9 10
NA 1 2 3 4 5 6 7 8 9