Multiplikation 2 Zoo-Serie in R

Die unten ist ein kleiner Auszug der gesamten Daten, ich habe Tausende von Symbolen über viele Jahre. . Beide Symbole und Datumsbereiche ändern sich von Lauf zu Lauf.Multiplikation 2 Zoo-Serie in R

Ich habe 2 Zoo-Serien "returns" und "decFac". Beide

> tail(returns) 
        AAPL   DISCA   IBM   JNJ   KO 
2014-12-23 -0.0035479832 0.0137774854 0.004943048 -0.0233164191 0.0145336114 
2014-12-24 -0.0047206092 -0.0054309123 -0.002592361 0.0029684238 -0.0006984054 
2014-12-26 0.0175226064 -0.0005733945 0.003208447 0.0044836732 0.0004657399 
2014-12-29 -0.0007020609   NA   NA 0.0025666222 -0.0023303779 
2014-12-30 -0.0122776892   NA   NA 0.0002847851 -0.0023360686 
2014-12-31 -0.0192020576 -0.0219631307 0.002433726 -0.0075263261 -0.0127090448 
        NKE   TXN 
2014-12-23 0.0004169359 -0.0007298205 
2014-12-24 0.0033288228 0.0014592993 
2014-12-26 0.0055922518 -0.0020985205 
2014-12-29   NA   NA 
2014-12-30   NA   NA 
2014-12-31 -0.0075636285 -0.0086595788 

> tail(decFac) 
2014-12-23 2014-12-24 2014-12-26 2014-12-29 2014-12-30 2014-12-31 
0.02576202 0.02655878 0.02738019 0.02822700 0.02910000 0.03000000

haben Werte (entsprechend R-Studio) von "Zoo-Serie von 2012-01-04 tp 2014.12.31"

die Datentypen von jedem sind unten:

> sapply(returns, typeof) 
    AAPL DISCA  IBM  JNJ  KO  NKE  TXN 
"double" "double" "double" "double" "double" "double" "double" 
> sapply(decFac, typeof) 
[1] "double"

Mein objextive ist jede Aktie Rückkehr zu haben, für jeden Tag, für die ersten 5 Tage AAPL sind unter

die gewünschten Ergebnisse bu die decFac für den gleichen Tag zu multiplizieren:

012.351.

    AAPL 
12/23/2014 -0.000091403 
12/24/2014 -0.000125374 
12/26/2014 0.000479772 
12/29/2014 -0.000019817 
12/30/2014 -0.000357281 
12/31/2014 -0.000576062

Quelle

2016-09-23 John

Zoo und xts Objekte werden durch den Index vor Operationen ausgerichtet werden:

returns * decFac 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 3.549359e-04 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -1.442384e-04 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-26 4.797723e-04 -1.569965e-05 8.784789e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -6.588939e-04 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04 
returns_zoo * decFac_zoo 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 3.549359e-04 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -1.442384e-04 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-26 4.797723e-04 -1.569965e-05 8.784789e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -6.588939e-04 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04

Überlegen Sie, was, wenn Sie waren passieren würde:

library(xts) 

time = seq.Date(as.Date('2014-12-23'), as.Date('2014-12-31'), by = 'day') 
time = time[c(1,2,4,7:9)] 

AAPL = c(-0.0035479832, -0.0047206092, 0.0175226064, 
      -0.0007020609, -0.0122776892, -0.0192020576) 
DISCA = c(0.0137774854, -0.0054309123 , -0.0005733945 , 
      NA, NA, -0.0219631307) 
IBM = c(0.004943048, -0.002592361, 0.003208447, 
     NA, NA, 0.002433726 ) 
JNJ = c(-0.0233164191, 0.0029684238, 0.0044836732, 
      0.0025666222, 0.0002847851, -0.0075263261 ) 
KO = c(0.0145336114, -0.0006984054, 0.0004657399, 
     -0.0023303779, -0.0023360686, -0.0127090448) 
NKE = c(0.0004169359, 0.0033288228, 0.0055922518, 
     NA, NA, -0.0075636285) 
TXN = c(-0.0007298205, 0.0014592993, -0.0020985205, 
     NA, NA, -0.0086595788) 
decFac_v = c(0.02576202, 0.02655878, 0.02738019, 
       0.02822700, 0.02910000, 0.03000000 ) 

returns_zoo = zoo(cbind(AAPL, DISCA, IBM, JNJ, KO, NKE, TXN), time) 
returns  = xts(cbind(AAPL, DISCA, IBM, JNJ, KO, NKE, TXN), time) 
decFac_zoo = drop(zoo(decFac_v, time)) 
decFac  = drop(xts(decFac_v, time))

den Zoo oder xts Multipliziert man zusammen sollten Objekten arbeiten Untergruppe returns oder decFac Objekte:

# subsetting 
x = zoo(cbind(AAPL, DISCA, IBM, JNJ, KO, NKE, TXN), time) 
y = drop(zoo(decFac_v, time)) 

x * y 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 3.549359e-04 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -1.442384e-04 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-26 4.797723e-04 -1.569965e-05 8.784789e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -6.588939e-04 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04 

x * y[-3] # does not return values corresponding to the third date index 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 0.0003549359 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -0.0001442384 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -0.0006588939 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04 

x[-3] * y # does not return values corresponding to the third date index 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 0.0003549359 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -0.0001442384 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -0.0006588939 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04 

x[,-3] * y # does not return values corresponding to the 3rd symbol column 
#     AAPL   DISCA   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 3.549359e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -1.442384e-04 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-26 4.797723e-04 -1.569965e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 
# 2014-12-29 -1.981707e-05   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -6.588939e-04 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04

Überlegen Sie, was passieren würde, wenn Sie den Datumsbereich erweitern waren:

# expanding time dimension 
expanded_time = seq.Date(as.Date('2012-01-04'), 
         as.Date('2014-12-22'), 
         by = 'day') 

value = rep_len(1, length(expanded_time)) 
old_returns = xts(cbind(AAPL = value, 
         DISCA = value, 
         IBM = value, 
         JNJ = value, 
         KO = value, 
         NKE = value, 
         TXN = value), 
        expanded_time) 

returns_expanded_time = xts(rbind(old_returns, returns), c(expanded_time, time)) 
returns_expanded_time * decFac 
# returns only values where the date index of each object matches: 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN 
# 2014-12-23 -9.140321e-05 3.549359e-04 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 
# 2014-12-24 -1.253736e-04 -1.442384e-04 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 
# 2014-12-26 4.797723e-04 -1.569965e-05 8.784789e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 
# 2014-12-31 -5.760617e-04 -6.588939e-04 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04

Überlegen Sie, was passieren würde, wenn Sie zusätzliche Spalten anhängen waren:

new_column1 = rep_len(1, length(c(expanded_time, time))) 
new_column2 = new_column1 

returns_expanded_cols = xts( 
    cbind(rbind(old_returns, returns), 
     nc1 = new_column1, 
     nc2 =new_column2), 
    c(expanded_time, time)) 

returns_expanded_cols * decFac 
# returns only values where the date index of each object matches, 
# including the two new columns, `nc1` and `nc2` 
#     AAPL   DISCA   IBM   JNJ   KO   NKE   TXN  nc1  nc2 
# 2014-12-23 -9.140321e-05 3.549359e-04 1.273429e-04 -6.006781e-04 3.744152e-04 1.074111e-05 -1.880165e-05 0.02576202 0.02576202 
# 2014-12-24 -1.253736e-04 -1.442384e-04 -6.884995e-05 7.883771e-05 -1.854880e-05 8.840947e-05 3.875721e-05 0.02655878 0.02655878 
# 2014-12-26 4.797723e-04 -1.569965e-05 8.784789e-05 1.227638e-04 1.275205e-05 1.531169e-04 -5.745789e-05 0.02738019 0.02738019 
# 2014-12-29 -1.981707e-05   NA   NA 7.244804e-05 -6.577958e-05   NA   NA 0.02822700 0.02822700 
# 2014-12-30 -3.572808e-04   NA   NA 8.287246e-06 -6.797960e-05   NA   NA 0.02910000 0.02910000 
# 2014-12-31 -5.760617e-04 -6.588939e-04 7.301178e-05 -2.257898e-04 -3.812713e-04 -2.269089e-04 -2.597874e-04 0.03000000 0.03000000

Quelle

2016-09-23 02:57:30

ich bin nicht sicher, wie Sie Ihren Vorschlag zur Umsetzung Ich habe jahrelange Daten und Tausende von Symbolen (ich aktualisiere meine Frage, um darauf hinzuweisen. . Ich habe darauf hingewiesen, die Zeit war 2 Jahre mit "Zoo-Serie von 2012-01-04 bis 2014-12-31" – John

Mein Vorschlag ist einfach zu 'Returns von' DecFrac zu multiplizieren. Das Ergebnis ist das Produkt der beiden Objekte für jeden Fall, in dem es einen Wert in 'returns' und' decFrac' gibt, die einen passenden Datumsindex haben. Dieses Konzept gilt weiterhin für Datums- und Spaltenbereiche, die sich vom Endstück Ihres Datasets unterscheiden. Ich werde meiner Antwort hinzufügen, um zu illustrieren, was das Produkt wäre, wenn ich die Reichweite eines der Objekte untergliedere oder erweitere. –

Multiplikation 2 Zoo-Serie in R

Antwort

Verwandte Themen