r在数据表上的按行迭代 [英] rowwise iteration in r on a data table

问题描述

 库（quantmod）
库（PerformanceAnalytics）
 getSymbols（ YHOO，src = google）
 stock_dat = data.table（ PerformanceAnalytics ：： 
 CalculateReturns（Cl（YHOO）[1:10]，'discrete'））
 stock_dat [，Price：= 0] 
 stock_dat [1,2] = Cl（YHOO ）[1] 
 stock_dat [，D：=（1 + YHOO.Close）* shift（Price，1）] 
  

上面的代码生成以下结果：

 
 stock_dat 
 YHOO.Close价格D 
 1：不适用25.61不适用
 2：0.048418586 0.00 26.85 
 3：0.033147114 0.00 0.00 
 4：0.006488825 0.00 0.00 
 5：-0.012177650 0.00 0.00 
 6： 0.040609137 0.00 0.00 
 7：0.017421603 0.00 0.00 
 8：0.008561644 0.00 0.00 
 9：-0.005432937 0.00 0.00 
 10：-0.008193923 0.00 0.00 
 
 

假设YHOO.Close是模拟回报，我需要从中回购价格。我以第一价格为基准。上面的代码理想情况下需要使用第3行中D的价格。

  nrowsDF <-nrow（stock_dat）
 
 for（i in 2：nrowsDF）{
 stock_dat [i，2] =（1 + stock_dat [i，1，with = FALSE]）* stock_dat [i-1,2，with = FALSE] 
} 
  

以上代码解决了该问题。但是我正在寻找一种更有效的方法，因为我必须对5000多个模拟收益序列重复此操作

以下是我实际上需要$ b $的答案b

 
 stock_dat 
 YHOO.Close Price 
 1：NA 25.61 
 2：0.048418586 26.85 
 3：0.033147114 27.74 
 4： 0.006488825 27.92 
 5：-0.012177650 27.58 
 6：0.040609137 28.70 
 7：0.017421603 29.20 
 8：0.008561644 29.45 
 9：-0.005432937 29.29 
 10： -0.008193923 29.05 
 

解决方案

您可以使用如下累积产品：

  DT <-fread（ YHOO.Close Price D 
 NA 25.61 NA 
 0.048418586 0.00 26.85 
 0.033147114 0.00 0.00 
 0.006488825 0.00 0.00 
 -0.012177650 0.00 0.00 
 0.040609137 0.00 0.00 
 0.017421603 0.00 0.00 
 0.008561644 0 .0.00 0.00 
 -0.005432937 0.00 0.00 
 -0.008193923 0.00 0.00）
 
 DT [，res：=价格[1] * c（1，cumprod（1 + YHOO。关闭[-1]））]] 
＃YHOO.Close价格D res 
＃1：NA 25.61 NA 25.61 
＃2：0.048418586 0.00 26.85 26.85 
＃3：0.033147114 0.00 0.00 27.74 
＃4：0.006488825 0.00 0.00 27.92 
＃5：-0.012177650 0.00 0.00 27.58 
＃6：0.040609137 0.00 0.00 28.70 
＃7：0.017421603 0.00 0.00 29.20 
＃8：0.008561644 0.00 0.00 29.45 
＃9：-0.005432937 0.00 0.00 29.29 
＃10：-0.008193923 0.00 0.00 29.05 
  

library(quantmod)
library(PerformanceAnalytics)
getSymbols("YHOO",src="google")
stock_dat=data.table(PerformanceAnalytics::
CalculateReturns(Cl(YHOO)[1:10],'discrete'))
stock_dat[,Price:=0]
stock_dat[1,2]=Cl(YHOO)[1]
stock_dat[,D:=(1+YHOO.Close)*shift(Price,1)] 

The above code generates the below result:

 stock_dat
      YHOO.Close Price     D
 1:           NA 25.61    NA
 2:  0.048418586  0.00 26.85
 3:  0.033147114  0.00  0.00
 4:  0.006488825  0.00  0.00
 5: -0.012177650  0.00  0.00
 6:  0.040609137  0.00  0.00
 7:  0.017421603  0.00  0.00
 8:  0.008561644  0.00  0.00
 9: -0.005432937  0.00  0.00
10: -0.008193923  0.00  0.00

The YHOO.Close is assumed to be a simulated returns and i need to back out the prices from that. And i am using the first price as the base. The above code needs to ideally use the price in D from row 3.

nrowsDF <- nrow(stock_dat)

for(i in 2:nrowsDF){
  stock_dat[i,2]=(1+stock_dat[i,1,with=FALSE])*stock_dat[i-1,2,with=FALSE]
}

The above code solves the problem. But am looking for a more efficent way to do this, as i have to repeat this for over 5000 simulated return series

The below is the answer i actually need

stock_dat
      YHOO.Close Price
 1:           NA 25.61
 2:  0.048418586 26.85
 3:  0.033147114 27.74
 4:  0.006488825 27.92
 5: -0.012177650 27.58
 6:  0.040609137 28.70
 7:  0.017421603 29.20
 8:  0.008561644 29.45
 9: -0.005432937 29.29
10: -0.008193923 29.05

解决方案

You can use the cumulative product like this:

DT <- fread("      YHOO.Close Price     D
                     NA 25.61    NA
            0.048418586  0.00 26.85
            0.033147114  0.00  0.00
            0.006488825  0.00  0.00
           -0.012177650  0.00  0.00
            0.040609137  0.00  0.00
            0.017421603  0.00  0.00
            0.008561644  0.00  0.00
           -0.005432937  0.00  0.00
           -0.008193923  0.00  0.00")

DT[, res := Price[1] * c(1, cumprod(1 + YHOO.Close[-1]))]
#      YHOO.Close Price     D   res
# 1:           NA 25.61    NA 25.61
# 2:  0.048418586  0.00 26.85 26.85
# 3:  0.033147114  0.00  0.00 27.74
# 4:  0.006488825  0.00  0.00 27.92
# 5: -0.012177650  0.00  0.00 27.58
# 6:  0.040609137  0.00  0.00 28.70
# 7:  0.017421603  0.00  0.00 29.20
# 8:  0.008561644  0.00  0.00 29.45
# 9: -0.005432937  0.00  0.00 29.29
#10: -0.008193923  0.00  0.00 29.05

这篇关于r在数据表上的按行迭代的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！