许多线性回归

Question

作为我的数据分析（时间序列）的一部分，我正在检查对数回报和实际波动率之间的相关性。

我的数据包含跨越数年的时间序列，涉及大约数百家不同的公司（大型动物园对象，约 2 MB 文件大小）。为了检查上述相关性，我使用以下代码计算了几个滚动方差（也称为实际波动率）：

rollvar5 <- sapply(returns, rollVar, n=5, na.rm=TRUE)
rollvar10 <- sapply(returns, rollVar, n=10, na.rm=TRUE)

使用简单的 fTrading 函数 rollVar。然后我将滚动方差转换为动物园对象并添加日期索引（通过将结果导出到 csv 文件并手动添加日期，然后使用 read.zoo - 不是很复杂，但它工作得很好）。

现在我希望创建大约 100 个线性回归模型，每个模型都将公司的对数回报与指定公司的已实现波动率联系起来。就个人而言，这将如下所示：

lm_rollvar5 <- lm(returns$[5:1000,1] ~ rollvar5[5:1000,1])
lm_rollvar10 <- lm(returns$[10:1000,1] ~ rollvar10[10:1000,1])

这没有问题。

现在我希望扩展它以自动为所有 100 家公司创建线性回归模型。我试过的是一个简单的for循环：

NC <- ncol(returns)
for(i in 1:NC){
lm_rollvar5 <- lm(returns[5:1000],i] ~ rollvar5[5:1000,i])
summary(lm_rollvar5)
lm_rollvar10 <- lm(returns[10:1000],i] ~ rollvar10[10:1000,i])
summary(lm_rollvar10)
}

有什么方法可以优化我的方法吗？ （即如何以简单的方式保存所有回归结果）。由于现在for循环只输出了数百个回归结果，在分析结果时效率很低。

我也尝试使用 apply 函数，但我不确定在这种情况下如何使用它，因为有多个时间序列对象（如您所见，返回和滚动方差保存在不同的对象中）。

Answer 1

关于您如何以简单的方式保存所有回归结果的问题，这有点难以回答，因为我们不知道您需要做什么，以及您认为什么“简单”。但是，您可以在循环之外定义一个列表并将每个回归模型存储在此列表中，以便您可以访问这些模型而无需稍后重新调整它们。试试例如

 NC <- ncol(returns)
 lm_rollvar5 <- vector(mode="list", length=NC)
 lm_rollvar10 <- vector(mode="list", length=NC)
 for(i in 1:NC){
 lm_rollvar5[[i]] <- lm(returns[5:1000],i] ~ rollvar5[5:1000,i])
 lm_rollvar10[[i]] <- lm(returns[10:1000],i] ~ rollvar10[10:1000,i])
 }

这会在列表中的i-th 位置为您提供公司i 的拟合模型。同样的方法，你也可以保存summary的输出。或者你喜欢做某事

 my.summaries_5 <- lapply(lm_rollvar5, summary)

它会为您提供摘要列表。