我有看起来像这样的数据

co_code company_name co_stkdate dailylogreturn
1        A           01-01-2000  0.76
1        A           02-01-2000  0.75
.
.
.
1        A           31-12-2019  0.54
2        B           01-01-2000  0.98
2        B           02-01-2000  0.45




等等

我想找到每周收益,等于一周的每日日志收益之和。

输出应该看起来像这样

 co_code company_name co_stkdate weeklyreturns
    1        A           07-01-2000  1.34
    1        A           14-01-2000  0.95
    .
    .
    .
    1        A           31-12-2019  0.54
    2        B           07-01-2000  0.98
    2        B           14-01-2000  0.45


我尝试将函数应用在quantmod包中,但这些函数仅适用于xts对象。 xts对象中的另一个问题是无法使用函数“ group_by()”。因此,我只想在通常的数据框中工作。

代码看起来像这样

library(dplyr)
### Reading txt file
df <- read.csv("33339_1_120_20190405_165913_dat.csv")


计算每日日志返回

df <- mutate(df, "dailylogrtn"=log(nse_returns)) %>% as.data.frame()


格式化日期

df$co_stkdate<- as.Date(as.character(df$co_stkdate), format="%d-%m-%Y")

最佳答案

由于我们不知道您每周有多少天获得dailylogreturn,因此可能会有不适用项,因此我建议按周和年份分组:

#sample data
df <-   data.frame(co_stkdate = rep(seq.Date(from = as.Date("2000-01-07"), to = as.Date("2000-02-07"), by = 1), 2),
                   dailylogreturn = abs(round(rnorm(64, 1, 1), 2)),
                   company_name = rep(c("A", "B"), each = 32))


df %>%
  mutate(co_stkdate = as.POSIXct(co_stkdate),
         year = strftime(co_stkdate, "%W"),
         week = strftime(co_stkdate, "%Y")) %>%
  group_by(company_name, year, week) %>%
  summarise(weeklyreturns = sum(dailylogreturn, na.rm = TRUE))

# A tibble: 12 x 4
# Groups:   company_name, year [12]
   company_name year  week  weeklyreturns
   <fct>        <chr> <chr>         <dbl>
 1 A            01    2000           6.31
 2 A            02    2000           6.11
 3 A            03    2000           6.02
 4 A            04    2000           8.27
 5 A            05    2000           4.92
 6 A            06    2000           0.5
 7 B            01    2000           1.82
 8 B            02    2000           6.6
 9 B            03    2000           7.55
10 B            04    2000           7.63
11 B            05    2000           7.54
12 B            06    2000           1.03


09-30 15:30