Stata 滚动标准差

我使用Stata估算ROA的滚动标准偏差（上一年使用4个窗口）。现在，我只想保留那些在ROA中至少有3个观察值（共4个）的滚动标准差。我如何使用Stata来实现这一点

ROA ROA\U sd . .
. . . . .0108869.
.0033411.
.0032814.0053356（此值应丢失，因为它仅使用2个有效值计算） .0030827 .0043739

---

.0029793.0038275

您的问题已在评论中的I链接上得到回答。您可以使用

rolling

，然后添加一个附加屏幕，以便在观察次数不符合阈值时丢弃西格玛

但对于简单的计算，如sigma和beta（即标准差和单变量回归系数），您可以使用更手动的方法做得更好。将

滚动
解决方案与我的手动解决方案进行比较

/* generate panel by adpating the linked code */
clear
set obs 20000
gen date = _n
gen id = floor((_n - 1) / 20) + 1
gen roa = int((100) * runiform())
replace roa = . in 1/4
replace roa = . in 10/12
replace roa = . in 18/20

/* solution with rolling */
/* http://statadaily.wordpress.com/2014/03/31/rolling-standard-deviations-and-missing-observations/ */
timer on 1
xtset id date
rolling sd2 = r(sd), window(4) keep(date) saving(f2, replace): sum roa
merge 1:1 date using f2, nogenerate keepusing(sd2)
xtset id date
gen tag = missing(l3.roa) + missing(l2.roa) + missing(l1.roa) + missing(roa) > 1
gen sd = sd2 if (tag == 0)
timer off 1

/* my solution */
timer on 2
rolling_sd roa, window(4) minimum(3)
timer off 2

/* compare */
timer list
list in 1/50

我显示手动解决方案要快得多

. /* compare */
. timer list
   1:    132.38 /        1 =     132.3830
   2:      0.10 /        1 =       0.0990

将以下内容另存为个人ado文件目录（或当前工作目录）中的
rolling_sd.ado
。我相信有人可以进一步简化此代码。请注意，该代码的另一个优点是在窗口的前缘满足最低数据要求（即，使用前三个观测值计算西格玛，而不是等待所有四个观测值）

这个问题似乎离题了，因为“要求代码的问题必须证明对正在解决的问题的最低理解。包括尝试的解决方案，为什么它们不起作用，以及预期的结果。”请参阅此处未解释的ROA。这似乎是一个偶然的问题，但同时最好不要假设可能回答这个问题的人和你在同一个领域工作。这是在其他地方交叉发布的吗？这个确切的问题得到了回答。
*! 0.2 Richard Herron 3/30/14
    * added minimum data requirement
*! 0.1 Richard Herron 1/12/12

program rolling_sd
    version 11.2
    syntax varlist(numeric), window(int) minimum(int)

    * get dependent and indpendent vars from varlist
    tempvar n miss xs x2s nonmiss1 nonmiss2 sigma1 sigma2 
    local w = `window' 
    local m = `minimum'

    * generate cumulative sums and missing values
    xtset
    bysort `r(panelvar)' (`timevar'): generate `n' = _n
    by `r(panelvar)': generate `miss' = sum(missing(`varlist'))
    by `r(panelvar)': generate `xs' = sum(`varlist')
    by `r(panelvar)': generate `x2s' = sum(`varlist' * `varlist')

    * generate variance 1 (front of window)
    generate `nonmiss1' = `n' - `miss'
    generate `sigma1' = sqrt((`x2s' - `xs'*`xs'/`nonmiss1')/(`nonmiss1' - 1)) if inrange(`nonmiss1', `m', `w') & !missing(`nonmiss1')

    * generate variance 2 (back of window, main part)
    generate `nonmiss2' = `w' - s`w'.`miss'
    generate `sigma2' = sqrt((s`w'.`x2s' - s`w'.`xs'*s`w'.`xs'/`nonmiss2')/(`nonmiss2' - 1)) if inrange(`nonmiss2', `m', `w') & !missing(`nonmiss2')

    * return standard deviation
    egen sigma = rowfirst(`sigma2' `sigma1')
end