R语言计算多时间跨度基金CAGR：变量列引用错误排查

我有Calpers私募股权基金的多年业绩数据，已清洗合并成包含186条单基金投资记录的表格。部分基金有5年数据，多数是4年及以下。需要用公式CAGR= (Latest/First)^(1/n)-1，基于每条记录的最早和最晚数据计算CAGR。数据列名为2017、2018、2019、2020、2021。

尝试的实现步骤 #

1. 定位数据列：

idx<- which(startsWith(names(calperMV),"2")) # 定位CAGR计算所需的列
idx <- rev(idx) # 匹配NA列的计数顺序

此时idx值为(6,5,4,3,2)，对应2021-2020-2019-2018-2017的列序号。

2. 统计每行NA数量得到indx（NA均从左到右排列），尝试用!!sym()结合列名索引调用对应列计算CAGR：

calperMV %>% rowwise() %>% 
mutate(CAGR=`2021`/!!sym((colnames(.)[idx[indx]])^(1/(5-indx))-1))))

遇到的错误 #

执行上述代码时触发递归错误：

Error in local_error_context(dots = dots, .index = i, mask = mask) :
promise already under evaluation: recursive default argument reference or earlier problems?

我已经通过测试代码验证索引能正确获取列名和对应数值，但完整计算CAGR时仍出现该错误。

解决方案 #

方法1：自动提取首尾值（推荐） #

不需要手动统计NA数量，直接对每行的年份列提取非NA的最早/最晚值，再计算CAGR：

library(dplyr)

# 定义年份列集合
year_cols <- c("2017", "2018", "2019", "2020", "2021")

calperMV <- calperMV %>%
  rowwise() %>%
  mutate(
    # 提取该行第一个非NA值（最早业绩数据）
    first_val = first(na.omit(c_across(all_of(year_cols)))),
    # 提取该行最后一个非NA值（最新业绩数据）
    last_val = last(na.omit(c_across(all_of(year_cols)))),
    # 计算有效数据的年数
    n_years = length(na.omit(c_across(all_of(year_cols)))),
    # 计算CAGR，年数为1时返回NA避免除以0
    CAGR = ifelse(n_years > 1, (last_val / first_val)^(1/(n_years - 1)) - 1, NA)
  ) %>%
  ungroup()

方法2：修复原代码的语法与逻辑错误 #

原代码存在括号不匹配、!!sym()使用场景错误、公式逻辑错位三个问题，修正后如下：

# 假设indx已正确统计每行左侧连续NA的数量
calperMV <- calperMV %>%
  rowwise() %>%
  mutate(
    # 动态获取最早数据的列名（根据idx倒序和indx的定义调整索引）
    first_col = colnames(.)[idx[indx + 1]],
    # 用get()在rowwise环境下动态取列值，替代!!sym()
    first_val = get(first_col),
    # 按正确公式计算CAGR
    CAGR = (`2021` / first_val)^(1/(5 - indx)) - 1
  ) %>%
  ungroup()

注意：此方法依赖indx的准确定义，需确保5 - indx等于有效数据的年数。

错误原因说明 #

1. 语法错误：原代码中mutate的表达式括号嵌套混乱，导致解析失败
2. 函数使用错误：!!sym()用于提前解析列名，无法在rowwise()的逐行环境中动态引用每行的列名，改用get()更合适
3. 公式逻辑错误：原代码把指数运算错误嵌套到了列名引用中，正确逻辑应为先计算(最新值/最早值)，再进行指数运算

内容的提问来源于stack exchange，提问作者xtufer