如何在R中根据value列条件处理时间序列的滞后收益率？

原始数据与当前实现 #

首先构造目标数据框：

library(tidyverse)
LAG = 2 
date = seq(as.Date("2022/1/1"), as.Date("2022/1/10"), by = "day")
close = c(1.02,1.01,0.992,1.01,1.01,0.993,0.98,1.02,1.02,0.994)
value = c(2,3,2,2,0,3,4,3,0,9)*1000000
df = tibble(date,close,value)

当前仅能处理当前日期value为0的代码：

df %>%
  dplyr::mutate(y = as.numeric(close/ (dplyr::lag(close, LAG))-1))

需求说明 #

需要将y列（LAG日滞后收益率）中满足以下任一条件的值设为NA：

• 计算该收益率的当前日期对应的value为0
• 计算该收益率的**起始日期（当前日期往前推LAG天）**对应的value为0
  且逻辑需适配任意LAG值（如3、5天）

解决方案 #

通过同时检查当前行与滞后LAG行的value值，实现NA替换：

方法1：使用ifelse #

df %>%
  mutate(
    # 计算原始滞后收益率
    y = close / lag(close, LAG) - 1,
    # 满足任一条件则设为NA
    y = ifelse(value == 0 | lag(value, LAG) == 0, NA_real_, y)
  )

方法2：使用case_when #

df %>%
  mutate(
    y = close / lag(close, LAG) - 1,
    y = case_when(
      value == 0 | lag(value, LAG) == 0 ~ NA_real_,
      TRUE ~ y
    )
  )

验证结果 #

运行上述代码后，输出与期望完全一致：

# A tibble: 10 × 4
   date       close   value       y
   <date>     <dbl>   <dbl>   <dbl>
 1 2022-01-01 1.02  2000000 NA     
 2 2022-01-02 1.01  3000000 NA     
 3 2022-01-03 0.992 2000000 -0.0275
 4 2022-01-04 1.01  2000000  0     
 5 2022-01-05 1.01        0  NA
 6 2022-01-06 0.993 3000000 -0.0168
 7 2022-01-07 0.98  4000000  NA
 8 2022-01-08 1.02  3000000  0.0272
 9 2022-01-09 1.02        0  NA
10 2022-01-10 0.994 9000000 -0.0255

内容的提问来源于stack exchange，提问作者Homer Jay Simpson