R：使用每日数据的月度扩展回归

如何解决R：使用每日数据的月度扩展回归

我想使用每日数据按月频率执行扩展回归。模型是：

ret = \beta_0 + \beta_1 X + \varepsilon

示例数据和我的尝试：

library(zoo)    
df = data.frame(date = seq(as.Date('2011-01-01'),as.Date('2011-03-31'),by = 1),ret = rnorm(90,1),X = rnorm(90,1))
roll = function(data,n = Now(data) {
      rollapplyr(1:n,1:n,function(x) coef(lm(ret ~ X,data,subset =x))[[2]]
    }
output = df %>%
       mutate(coefficient = roll(data.frame(ret,X)))

上面的代码逐行运行扩展回归，我可以只提取每个月的最后一个值以获得该月的系数（即，在本例中，我只需要估计在 1 月 31 日、2 月 28 日和3 月 31 日）。

但是，我需要将此代码应用于大型数据集，为了节省时间，我只希望回归在每个月的最后一天以扩展方式运行（即，不是每天都运行回归）。如果有人能帮助指出改进代码的方法，我将不胜感激。

解决方法

创建一个函数 coef2，给定一个 yearmon 对象，计算该年和月中截至日期的第二个回归系数。

library(zoo)

coef2 <- function(ym,data) {
  coef(lm(ret ~ X,data,subset = as.yearmon(date) <= ym))[[2]]
}
yearmonth <- unique(as.yearmon(df$date))
data.frame(yearmonth,slope = sapply(yearmonth,coef2,data = df))
##  yearmonth     slope
## 1 Jan 2011 0.2208940
## 2 Feb 2011 0.1792896
## 3 Mar 2011 0.1180308

如果性能是一个问题，您可以尝试使用 coef2 的替代版本，该版本避免使用 lm :

coef2 <- function(ym,data) {
  with(subset(data,as.yearmon(date) <= ym),cov(ret,X) / var(X))
}