R语言实现带滞后项的多变量滚动回归及系数均值计算

全程用data.table做数据处理、slider做滚动窗口计算，默认开启多线程，千级股票量级的计算可以在秒级完成。 #

步骤1：依赖安装与加载 #

没装过依赖包先跑安装命令，之后加载包：

install.packages(c("data.table", "slider"))
library(data.table)
library(slider)
setDTthreads(0) # 调用所有可用CPU核心计算，大样本提速明显

步骤2：数据对齐预处理 #

先把宽表转长表处理，避免逐股票写重复循环，同时提前计算好所有滞后项，减少滚动阶段的重复计算：

注意：滞后项的位移逻辑完全按照你给出的2010年回归示例校准：无额外滞后时费用已经领先价格1年，因此1-5阶回归滞后对应费用列分别向前位移2-6个年份

# 假设Prices、Expenses已经读入为R数据框，Date列为整数格式的年份
setDT(Prices)
setDT(Expenses)

# 宽表转长表
prices_long <- melt(Prices, id.vars = "Date", variable.name = "stock", value.name = "price")
expenses_long <- melt(Expenses, id.vars = "Date", variable.name = "stock", value.name = "expense")

# 按年份、股票匹配两个数据集
dt <- merge(prices_long, expenses_long, by = c("Date", "stock"), all.x = TRUE)
setorder(dt, stock, Date)

# 提前生成1-5阶滞后对应的费用列
dt[, paste0("exp_lag", 1:5) := lapply(2:6, function(n) shift(expense, n = n)), by = stock]

步骤3：滚动回归与系数均值计算 #

定义单窗口计算函数，用8年滚动窗口分别跑5个滞后项的一元回归，提取自变量系数后算算术平均：

# 单窗口计算逻辑：输入8年的窗口数据，返回5个滞后回归的系数均值
get_avg_coef <- function(window_data) {
  # 窗口不足8个完整观测直接返回NA
  if (nrow(window_data) < 8) return(NA_real_)
  # 分别跑5个滞后的回归，提取费用项系数，报错时返回NA
  coef_list <- sapply(paste0("exp_lag", 1:5), function(col) {
    tryCatch(
      coef(lm(as.formula(paste("price ~", col)), data = window_data))[[2]],
      error = function(e) NA_real_
    )
  })
  # 计算算术平均，自动跳过无效NA值
  mean(coef_list, na.rm = TRUE)
}

# 按股票分组执行滚动计算
dt[, avg_coef := slide_period_dbl(
  .x = .SD,
  .i = Date,
  .period = "year",
  .f = get_avg_coef,
  .before = 7, # 向前回溯7年+当年，正好8年窗口
  .complete = TRUE # 仅当窗口满8年时计算结果
), by = stock, .SDcols = c("price", paste0("exp_lag", 1:5))]

步骤4：输出为要求的宽表格式 #

# 长表转宽表，得到最终结果
final_result <- dcast(dt[!is.na(avg_coef)], Date ~ stock, value.var = "avg_coef")
setnames(final_result, "Date", "date")

优化提示 #

• 如果股票数量超过1000只，可以把lm替换为RcppEigen::fastLm，回归速度可以提升5-10倍，逻辑完全兼容。
• 首次跑的时候建议抽单只股票（比如Stock1）2010年的窗口手动计算核对，确认年份、滞后项对齐无误后再跑全量。

内容的提问来源于stack exchange，提问作者Ramon