R语言按分组计算指定滚动窗口下X与Y的协方差

核心逻辑 #

• 先对数据集按个体分组，组内按日期升序排列，保证时间序列顺序正确
• 逐行做滑动窗口计算：窗口最大长度为250个观测，仅使用当前行及之前的历史数据；当累计观测数不足250时，用所有可用历史观测计算协方差，不产生不必要的缺失值
• 计算逻辑和你已实现的全样本协方差完全一致，仅把计算范围从全组数据替换为滚动窗口内的数据

实现代码 #

使用slider包做滚动计算，相比传统的zoo包滚动函数，它对dplyr分组操作的适配性更好，运行速度更快，且原生支持不足窗口长度的自适应计算。
首先安装并加载所需依赖：

# 首次使用先安装包
install.packages(c("dplyr", "slider"))

正式计算代码：

library(dplyr)
library(slider)

Data <- Data %>%
  # 先将日期列转为标准日期格式，避免字符串排序出错
  mutate(Date = as.Date(Date, format = "%d.%m.%Y")) %>%
  # 按个体名称分组
  group_by(Name) %>%
  # 组内按日期升序排列
  arrange(Date, .by_group = TRUE) %>%
  # 计算滚动协方差
  mutate(
    Covariance = slide2_dbl(
      .x = X,
      .y = Y,
      .f = ~cov(.x, .y),
      .before = 249,  # 包含当前行在内，最多向前取249条，合计250条观测
      .after = 0,     # 不引入未来数据
      .complete = FALSE # 观测不足250条时用全部可用数据计算，不返回NA
    )
  ) %>%
  ungroup()

参数调整说明 #

如果你需要严格使用当前行之前的历史观测（即不包含当前行本身，和你举例的“A的第4行仅用此前3条观测”规则完全匹配），将参数修改为.before = 249, .after = -1即可。该设置下第1行因无前置观测返回NA，观测数不足2时协方差本身无统计意义，也会自动返回NA，符合计算逻辑。

性能说明 #

slider包底层为C++实现，单组千条观测、全量十万级观测的场景下计算速度极快，不需要额外做性能优化即可满足你的真实数据集计算需求。

内容的提问来源于stack exchange，提问作者remo