通过计算要添加的每个值将列添加到数据框中

Question

晚上好，

我之前问了一个问题，发现很难实施该解决方案，因此我将以更清晰的方式重新提出。 我有一个问题，我想在股票每日收益的数据框中添加一列。假设它是正态分布的，我想添加一列，其中包含我自己编写的风险值（hist）。 限制是每个观察值都应该分配给我的函数，并且还要接受最后的 249 个观察值。 因此，当计算下一个观测值时，它也应该只取之前 das 的最后 249 个观测值。所以输入值应该随着时间的推移而移动。换句话说，我希望排除 251 天前的值。希望我能很好地解释自己。如果不是，那么代码可能会为我说话：

df<- data.frame(Date=seq(ISOdate(2000,1,1), by = "days", length.out = 500), Returns=rnorm(500))
#function
VaR.hist<- function(x, n=250, hd=20, q=0.05){
  width<-nrow(x)
  NA.x<-na.omit(x)
  quantil<-quantile(NA.x[(width-249):width],probs=q)
  VaR<- quantil*sqrt(hd)%>%
    return()
}
# Run the function on the dataframe
df$VaR<- df$Returns%>%VaR.hist()

 Error in (width - 249):width : argument of length 0 

这是我得到的错误代码，而不是我的新变量... 谢谢！！

Answer 1

正如 wibom 在评论中所写的 nrow(x) 不适用于向量。你需要的是length()。此外，最后一行不需要return()，因为如果之前没有早期的return()，R 会自动返回函数的最后一行。

library(dplyr)
df<- data.frame(Date=seq(ISOdate(2000,1,1), by = "days", length.out = 500), Returns=rnorm(500))

#function
VaR.hist <- function(x, n=250, hd=20, q=0.05){
  width <- length(x) # here you need length as x is a vector, nrow only works for data.frames/matrixes
  NA.x <- na.omit(x)
  quantil <- quantile(NA.x[(width-249):width], probs = q)
  quantil*sqrt(hd)
}

# Run the function on the dataframe
df$VaR <- df$Returns %>% VaR.hist()

Answer 2

要确切地理解你想要做什么有点困难。

我的理解是，您希望计算一个新变量 VarR，它是根据 df$Returns 的当前和之前的 249 次观察计算得出的，对吧？

这是关于你想做的事吗？：

library(tidyverse)
set.seed(42)

df <- tibble(
  Date = seq(ISOdate(2000, 1, 1), by = "days", length.out = 500), 
  Returns=rnorm(500)
)

the_function <- function(i, mydata, hd = 20, q = .05) {
  r <- 
    mydata %>% 
    filter(ridx <= i, ridx > i - 249) %>% 
    pull(Returns)

  quantil <- quantile(r, probs = q)
  VaR <- quantil*sqrt(hd)
}

df <- 
  df %>% 
  mutate(ridx = row_number()) %>% 
  mutate(VaR = map_dbl(ridx, the_function, mydata = .))

如果您正在寻找 base-R 解决方案：

set.seed(42)
df <- data.frame(
  Date = seq(ISOdate(2000, 1, 1), by = "days", length.out = 500), 
  Returns = rnorm(500)
)


a_function <- function(i, mydata, hd = 20, q = .05) {
  r <- mydata$Returns[mydata$ridx <= i & mydata$ridx > (i - 249)] 
  quantil <- quantile(r, probs = q)
  VaR <- quantil*sqrt(hd)
}

df$ridx <- 1:nrow(df) # add index
df$VaR <- sapply(df$ridx, a_function, mydata = df)