R语言Form_CharSizePorts2函数输出获取与可视化方法咨询

获取函数输出 #

这个函数的作用是基于NYSE股票的分位数断点，按50%规模分位、30%/70%目标特征分位构建2×3共6个投资组合，输出各期组合收益以及SMB、HML类因子收益，直接按要求传入参数调用即可拿到输出。
入参要求：

• main：股票面板原始数据集，必须包含Date（期数/交易日期）、PERMNO（股票唯一ID）、exchcd（交易所代码，值为1代表NYSE），以及后续指定的规模、特征、权重、收益字段
• size：代表公司规模的字段（如流通市值）
• var：用于分组的目标特征字段（如账市比、动量等）
• wght：计算组合加权收益的权重字段（通常用流通市值做市值加权）
• ret：个股收益率字段

调用前先加载依赖包，再传入对应参数即可：

# 加载依赖
library(dplyr)
library(tidyr)

# 示例调用：假设原始数据集名为stock_data，规模字段为mktcap，特征字段为bm，权重为mktcap，收益字段为ret
port_result <- Form_CharSizePorts2(
  main = stock_data,
  size = mktcap,
  var = bm,
  wght = mktcap,
  ret = ret
)

调用完成后，port_result就是函数的输出结果，是按日期存储的数据框，包含：

• 6个基础组合的每期收益：Small.Low、Small.Neutral、Small.High、Big.Low、Big.Neutral、Big.High
• 规模分组合成收益：Small（小市值组合平均）、Big（大市值组合平均）、SMB（小市值减大市值的规模因子）
• 特征分组合成收益：High（高特征组合平均）、Low（低特征组合平均）、HML（高特征减低特征的特征因子）

排错提示：如果调用报错，优先检查原始数据是否缺失必填字段、NYSE样本（exchcd==1）是否存在、分组字段是否存在大量缺失值导致分位数计算失败。如果函数本身的returnValue报错，把函数最后一行替换为return(Ret)即可。

常用可视化实现 #

拿到输出结果后，可以根据分析需求做不同类型的可视化，以下是最常用的两种方案，需要先加载ggplot2包：

library(ggplot2)

1. 因子累计收益时序图 #

用于观察SMB、HML因子的长期收益走势：

# 计算累计净值
cum_ret_data <- port_result %>%
  arrange(Date) %>%
  # 注意：如果你的收益率是小数格式（如0.01代表1%），去掉下面代码里的/100
  mutate(
    SMB = cumprod(1 + SMB/100) - 1,
    HML = cumprod(1 + HML/100) - 1
  ) %>%
  select(Date, SMB, HML) %>%
  pivot_longer(cols = -Date, names_to = "因子", values_to = "累计收益率")

# 绘图
ggplot(cum_ret_data, aes(x = Date, y = 累计收益率, color = 因子)) +
  geom_line(linewidth = 0.8) +
  scale_y_continuous(labels = scales::percent) +
  labs(title = "SMB与HML因子累计收益走势") +
  theme_minimal()

2. 6个基础组合平均收益对比图 #

用于对比不同规模-特征分组的收益差异：

# 计算各组合全样本平均收益
mean_ret_data <- port_result %>%
  select(Small.Low, Small.Neutral, Small.High, Big.Low, Big.Neutral, Big.High) %>%
  summarise(across(everything(), ~mean(., na.rm = TRUE))) %>%
  pivot_longer(everything(), names_to = "组合", values_to = "平均期收益率")

# 绘图
ggplot(mean_ret_data, aes(x = 组合, y = 平均期收益率, fill = 组合)) +
  geom_col() +
  scale_y_continuous(labels = scales::percent) +
  labs(title = "2×3分组组合平均收益率对比", x = "组合（规模.特征分组）") +
  theme_minimal() +
  theme(legend.position = "none", axis.text.x = element_text(angle = 30, hjust = 1))

如果需要观察分组断点的变化，可以在函数中额外返回Bkpts.NYSE数据集，对每期的规模中位数、特征30%/70%分位值做时序图即可。

内容的提问来源于stack exchange，提问作者35mmongol