data.table 上的成对操作

Question

我正在尝试计算列对之间的相关性，然后在所有列上拟合 n 个线性模型以预测所述相关性，然后预测相关性（然后使用它们生成相关的随机 a、b、c、d、 e 但这并不重要）。
我已经做了。但是现在代码真的是重复的，我想知道如何以动态的方式来避免代码中的重复。我正在使用data.table，因为性能是关键，因为表可能很大。
这就是我目前所拥有的：

data <-
  data.table(a = rnorm(20),
             b = rnorm(20),
             c = rnorm(20),
             d = rnorm(20),
             logret_a = rnorm(20),
             logret_b = rnorm(20),
             logret_c = rnorm(20),
             logret_d = rnorm(20))

corr <- function(y) cor(y[, 1], y[, 2])
corperiod <- 3

#1 here i would like one line instead of one line per ab, ac, ad, bc, bd
data$cor_ab <- c(NA, zoo::rollapplyr(data[-1, .(logret_a, logret_b)], corperiod, corr, by.column = FALSE, fill = NA))
data$cor_ac <- c(NA, zoo::rollapplyr(data[-1, .(logret_a, logret_c)], corperiod, corr, by.column = FALSE, fill = NA))
data$cor_ad <- c(NA, zoo::rollapplyr(data[-1, .(logret_a, logret_d)], corperiod, corr, by.column = FALSE, fill = NA))
# and so on...

#2 here i would like two lines instead of two lines per ab, ac, ad, bc, bd
fit_cor_ab <- lm(data=data, cor_ab ~ a + b + c + d + logret_a + logret_b + logret_c +  logret_d)
fit_cor_ab <- MASS::stepAIC(fit_cor_ab, direction="both", trace = FALSE)

fit_cor_ac <- lm(data=data, cor_ac ~ a + b + c + d + logret_a + logret_b + logret_c +  logret_d)
fit_cor_ac <- MASS::stepAIC(fit_cor_ac, direction="both", trace = FALSE)
# and so on...

simul <- as.data.table(matrix(0, nrow=100, ncol=ncol(data)))
colnames(simul) <- colnames(data)
simul[1] <- data[1]
# skipping for loop
i <- 2
#3 here i would like one line instead of one line per ab, ac, ad, bc, bd
simul[i, cor_ab := predict(fit_cor_ab, newdata = simul[i-1])]
simul[i, cor_ac := predict(fit_cor_ac, newdata = simul[i-1])]
# and so on...

我想要的是有一种方法可以对data.tabledata 中的任意数量的列执行 #1、#2 和 #3 中标记的这 3 个操作，并且无论data 中列的名称。我的代码有效...只是我必须在任何时候更改data 的内容时对其进行修改，所以这不太好...

任何帮助表示赞赏！

Answer 1

似乎是简单函数和嵌套 for 循环的理想选择。你尝试过这样的事情吗？注意calculate_cor 函数修改了data，所以你不需要返回任何东西。

# correlations
calculate_cor <- function(x, y){
  corr <- function(y) cor(y[, 1], y[, 2])
  corperiod <- 3
  newcol <- paste0("cor_", x, y)
  x <- paste0("logret_", x)
  y <- paste0("logret_", y)
  tmp <- data[-1, .SD, .SDcols=c(x, y)]
  out <- zoo::rollapplyr(tmp, corperiod, corr, 
                         by.column=FALSE, fill = NA)
  data[, (newcol) := c(NA, out)]
}

cols <- c("a", "b", "c", "d")
for (x in cols) {
  for (y in cols) {
    if (x < y) {
      calculate_cor(x, y)
    }
  }
}

# regressions
fit <- list()
cols <- grep("cor_", colnames(data), value=TRUE)
for (x in cols) {
  f <- as.formula(paste(x, "~a+b+c+d+logret_a+logret_b+logret_c+logret_d"))
  mod <- lm(f, data)
  fit[[x]] <- MASS::stepAIC(mod, direction="both", trace=FALSE)
}

我不太明白你想通过第三步完成什么，但希望与上述相同的逻辑适用。