R中如何对单个dataframe及列表应用函数计算滚动3月收益率

你之前lapply调用失败有两个核心问题：

1. lapply(stefi$return, calc_3m_return)会把return列的每一个单独数值传给函数，而lag需要作用在完整的收益率序列上才能取到前2期的值，单个数值根本无法完成滚动计算
2. 你在lapply末尾多传了多余的return参数，你的自定义函数没有定义这个入参，自然会报“unused argument”错误

滚动窗口计算场景更适合用zoo包的rollapply（属于apply类函数族），专门处理这类需求，写法如下：

# 加载所需包
library(dplyr)
library(zoo)

# 滚动3月收益率计算函数
calc_3m_return <- function(return_vec) {
  prod(return_vec + 1) - 1
}

# 单个dataframe计算：窗口设为3，对齐到窗口末尾，不足窗口的位置返回NA
stefi <- stefi %>%
  mutate(return_3m = rollapply(return, width = 3, FUN = calc_3m_return, align = "right", fill = NA))

运行结果和你当前用lag实现的效果完全一致。

假设你存储多个组合/基准数据的列表为port_list，每个列表元素都是和stefi结构相同的DataFrame，直接用lapply遍历整个列表即可完成批量计算：

# 示例构造DataFrame列表：这里复制3份stefi模拟3个不同组合的数据
port_list <- list(stefi, stefi, stefi)

# 批量计算每个组合的滚动3月收益率
port_list_calc <- lapply(port_list, function(df) {
  df %>%
    mutate(return_3m = rollapply(return, width = 3, FUN = calc_3m_return, align = "right", fill = NA))
})

运行后得到的port_list_calc就是计算完成的列表，每个元素都新增了return_3m列。

如果你不想额外安装zoo包，用你原来基于lag的函数也可以，批量处理逻辑完全一致：

# 基于lag的计算函数
calc_3m_return_lag <- function(return_vec){
  (return_vec + 1) * (lag(return_vec, 1) + 1) * (lag(return_vec, 2) + 1) - 1
}

# 批量处理
port_list_calc <- lapply(port_list, function(df) {
  df %>% mutate(return_3m = calc_3m_return_lag(return))
})

内容的提问来源于stack exchange，提问作者Bandit King