多线性回归

Question

作为我的数据分析(时间序列)的一部分，我正在检查日志收益与实际波动之间的相关性。

我的数据包括跨越几年的时间序列，涉及大约100家不同的公司(大型动物园对象，~2MB文件大小)。为了检查上述相关性，我使用了以下代码来计算几个滚动方差(即k.a)。已实现的波动)：

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，我将滚动变量转换为动物园对象，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 --虽然不太复杂，但工作得很好)。

现在，我希望创建大约100个线性回归模型，每个模型将一家公司的日志收益与实际波动率联系起来，将其与指定的公司联系起来。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])

这是没有问题的。

现在，我希望将其扩展到为所有100家公司自动创建线性回归模型。我尝试的是一个简单的循环：

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？(即如何简单地保存所有回归结果)。从现在开始，for循环只输出数百个回归结果，这在分析结果时是非常无效的。

我也尝试使用apply函数，但我不确定如何在本例中使用它，因为有几个timeseries对象(返回和滚动变量保存在不同的对象中，如您所见)。

Answer 1

至于您如何以简单的方式保存所有回归结果的问题，考虑到我们不知道您需要做什么，以及您认为什么“简单”，这是有点难回答的。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这个列表中，这样您就可以访问模型，而无需以后重新修改它们。试一试。

 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])
 }

这就给出了公司i在i-th列表中的合适模型。同样，您也可以保存摘要的输出。或者你做了像

 my.summaries_5 <- lapply(lm_rollvar5, summary)

这给了你一份总结的清单。