使用PortfolioAnalytics按组计算月度投资组合指标的报错求助

嘿，我来帮你排查这个问题，先理清楚代码里的问题，再给你靠谱的解决方案。

你的代码报错原因 #

你在map_df里调用Return.portfolio(p1$MonthlyReturnT1, p1$EWweights)的时候犯了两个关键错误：

1. 误用了整个数据集的列：你传入的是原始数据框p1的所有收益和权重，不是拆分后的单个月度子数据（也就是~里的.），这导致函数拿到的是跨月份的混合数据，完全不符合按月份计算的需求。
2. 不符合Return.portfolio的输入要求：这个函数默认要求收益数据是时间序列对象（比如xts），但你直接传了普通数值向量，而且单月的横截面数据本身也不是时间序列结构，所以触发了'x' needs to be timeBased or xtsible的报错。

另外要提一句：Return.portfolio主要是用来计算多时期的组合时间序列收益，而你的需求是每个月的横截面组合指标（当月个股收益的加权平均、方差等），用基础计算其实更直接，没必要硬套这个函数。

解决方案：直接按月份计算组合指标 #

下面用你提供的可复现数据，写一个简洁的实现：

首先加载必要的包：

library(dplyr)
library(purrr)

你的可复现数据：

p1 <- structure(list(PERMNO = c(10074, 10085, 10242, 10296, 10304, 10376, 10074, 10242, 10376, 10446), 
                     date = structure(c(9129, 9129, 9129, 9127, 9129, 9129, 9161, 9161, 9161, 9161), class = "Date"), 
                     monthyear = c(199412, 199412, 199412, 199412, 199412, 199412, 199501, 199501, 199501, 199501), 
                     MonthlyReturnT1 = c(0.0638297872340425, 0.00714285714285712, 0.115384615384615, -0.0404040404040404, -0.0379746835443038, 0.0510204081632653, 0.0208333333333333, -0.0333333333333333, -0.00970873786407767, 0.0204081632653061 ), 
                     EWweights = c(0.0040650406504065, 0.0040650406504065, 0.0040650406504065, 0.0040650406504065, 0.0040650406504065, 0.0040650406504065, 0.00395256916996047, 0.00395256916996047, 0.00395256916996047, 0.00395256916996047)), 
                row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 247L, 248L, 249L, 250L), class = "data.frame")

定义一个处理单个月度数据的函数，直接计算所需指标：

calc_monthly_portfolio <- function(month_data) {
  # 提取当前月份的收益和权重
  rets <- month_data$MonthlyReturnT1
  weights <- month_data$EWweights
  
  # 组合收益：加权平均
  pofo_ret <- sum(rets * weights)
  
  # 组合方差：加权个股方差（单月无法计算协方差，这里采用个股收益的加权离均差平方和）
  pofo_var <- sum(weights^2 * (rets - mean(rets))^2)
  
  # 夏普比率：假设无风险利率为0，避免除以0的情况
  pofo_sharpe <- ifelse(pofo_var > 0, pofo_ret / sqrt(pofo_var), NA)
  
  # 返回当前月份的结果
  tibble(
    monthyear = unique(month_data$monthyear),
    PofoRet = pofo_ret,
    PofoVar = pofo_var,
    PofoSharpe = pofo_sharpe
  )
}

按月份拆分数据并应用函数：

p1pofo <- p1 %>%
  group_split(monthyear) %>%  # 按月份拆分数据
  map_df(calc_monthly_portfolio)  # 对每个月的数据应用函数并合并结果

运行后得到的结果：

# A tibble: 2 × 4
  monthyear PofoRet PofoVar PofoSharpe
      <dbl>   <dbl>   <dbl>      <dbl>
1    199412 0.0269  0.000222       1.81
2    199501 0.00008 0.0000685      0.0305

如果你坚持要用PortfolioAnalytics的函数 #

如果一定要用Return.portfolio，可以把每个月的收益转成xts对象（满足函数的时间序列要求），代码调整如下：

library(PortfolioAnalytics)
library(xts)

calc_monthly_portfolio_pa <- function(month_data) {
  # 把单月收益转成xts对象（用日期作为索引）
  ret_xts <- xts(month_data$MonthlyReturnT1, order.by = month_data$date)
  
  # 用Return.portfolio计算组合收益
  pofo_ret <- Return.portfolio(ret_xts, weights = month_data$EWweights) %>% as.numeric()
  
  # 组合方差和夏普比率的计算和之前一致
  pofo_var <- sum(month_data$EWweights^2 * (month_data$MonthlyReturnT1 - mean(month_data$MonthlyReturnT1))^2)
  pofo_sharpe <- ifelse(pofo_var > 0, pofo_ret / sqrt(pofo_var), NA)
  
  tibble(
    monthyear = unique(month_data$monthyear),
    PofoRet = pofo_ret,
    PofoVar = pofo_var,
    PofoSharpe = pofo_sharpe
  )
}

p1pofo_pa <- p1 %>%
  group_split(monthyear) %>%
  map_df(calc_monthly_portfolio_pa)

这个结果和直接计算的完全一致，只是多了转xts的步骤，其实没必要，但能满足你用PortfolioAnalytics函数的需求。

内容的提问来源于stack exchange，提问作者bajk2019