使用单独数据框中的日期范围进行筛选-R

Question

我正在尝试生成一个在合并发生后的过去6个月内持有目标股票的唯一投资者列表。

我有两个单独的数据框架，用于此目的：- df1包含投资者ID、股票ID、日期和股票的投资组合持有量。- df2包含收购方股票ID、目标股票ID和合并日期。

investor stock  date            portfolio holdings
629      10     01/01/1990      100
629      10     02/01/1990      100
629      10     03/01/1990      70
629      10     04/01/1990      50
629      10     05/01/1990      0
629      10     06/01/1990      0
664      10     04/01/1990      100
664      10     05/01/1990      100
664      10     06/01/1992      100
664      12     10/10/1992      100
664      12     11/10/1992      100
1020     10     12/12/1995      50
1020     10     13/12/1995      25
1020     10     14/12/1995      25
1020     10     15/12/1995      0
...      ...    ...             ...

acquirer stock  target stock    date of merger
100             10              06/01/1990
101             12              10/10/1992
102             14              15/12/1995
...             ...             ...

对于每一次合并，我想过滤掉那些在合并发生前6个月内持有目标股票数量高于0的投资者。投资者在合并之日的投资组合持有量为0并不重要，如果他们在合并前6个月内持有正成交量。

我只需要一份持有目标股票的投资者名单，如下所示。稍后，我将使用此列表作为更大数据集的过滤器。

investor
629
664
…

投资者629之所以被选中，是因为她在合并日期之前的6个月内持有10股股票。投资者664是根据她持有的股票10和12来选择的。投资者1020没有被选中，因为虽然她持有股票10，但它不是在合并日期的6个月内。

Answer 1

首先，我对两个数据集执行merge操作。合并它们意味着执行类似join的操作。

df3 = merge (
    df1, df2,
    by.x = "stock", by.y = "target stock"
)

df3是合并后的数据集。它包含所有df1和所有df2列和行。我匹配了条件stock = target stock满足的两个数据集。请查看merge函数以了解更多详细信息(只需在R控制台中输入?merge )。

df4 = df3

tmp = sapply(
    df4[, "date of merger"], 
    function(d) as.Date(seq(d, length = 2, by = "-6 months")[2])
)

df4[, "date of merger start"] = as.Date(tmp, origin = "1970-01-01")

df4

然后我添加了一个新列。这个新列从date of merger中减去6个月:我将使用它来检查哪些行符合条件

"date of merger -6 months" <= "date" <= "date of merger"

我只保存满足条件的行：

df5 = subset(
    df4, "portfolio holdings" > 0 & "date" <= "date of merger" & "date of merger start" <= "date"
)

df5

有关详细信息，请参阅subset帮助(?subset)。

您声明您只对investor的不同值感兴趣：

unique(df5[, "investor"])

NOTES

• 我在测试代码时遇到了一些问题，所以它可能需要一些修复，但这就是我个人解决problem
• There的方法，您可能会发现许多不同的解决方案，我不能向您保证这是最好的解决方案
• 代码应该优化(避免创建无用的对象，如tmp、df3和df4：我添加它们作为中间步骤以便于调试/理解：)
• 我建议使用SQLH229< code >F230从数据库执行这些操作(基本上是数据过滤)