如何使用R语言批量计算多股票等权组合的历史波动率

第一步：预处理近三个月收益率数据 #

首先你需要先从perf中提取近三个月的日收益率数据，假设你的perf数据框的行对应交易日，且已经按时间升序排列（最早的日期在第一行，最晚的在最后一行），近三个月大概对应63个交易日（全球主流市场年均约252个交易日，季度约63个），可以按如下方式提取：

# 提取最近63个交易日的收益率数据，也可以根据你实际的日期列做更精准的日期筛选
perf_recent <- tail(perf, 63)
# 固定等权权重，所有四股组合通用
weights <- rep(0.25, 4)

如果你的perf有专门的日期列（比如列名为trade_date，格式为Date类型），可以用日期筛选更准确：

library(lubridate)
# 筛选近3个月的收益率数据
end_date <- max(perf$trade_date)
start_date <- end_date %m-% months(3)
perf_recent <- perf[perf$trade_date >= start_date & perf$trade_date <= end_date, ]
# 去掉日期列，只保留各ISIN的收益率列
perf_recent <- perf_recent[, setdiff(colnames(perf_recent), "trade_date")]

第二步：批量计算所有组合的波动率 #

直接用apply函数按行遍历final_output的每一条组合记录，逐一计算波动率即可，1万多条记录运行速度非常快，不会有性能问题：

# 定义单组合波动率计算函数
calc_portfolio_vol <- function(isin_vec) {
  # 提取当前组合4只股票的收益率序列
  port_return <- perf_recent[, isin_vec, drop = FALSE]
  # 校验ISIN是否都存在于perf中，不存在则返回NA
  if (ncol(port_return) != 4) {
    return(NA_real_)
  }
  # 计算协方差矩阵
  cov_mat <- cov(port_return, use = "pairwise.complete.obs")
  # 计算组合波动率
  vol <- as.numeric(sqrt(t(weights) %*% cov_mat %*% weights))
  return(vol)
}

# 批量计算，结果直接保存到final_output的新列portfolio_vol中
final_output$portfolio_vol <- apply(final_output[, c("ISIN_1", "ISIN_2", "ISIN_3", "ISIN_4")], 1, calc_portfolio_vol)

补充说明 #

• use = "pairwise.complete.obs"是协方差计算的缺失值处理规则，某两只股票的共同交易日数据完整时就参与计算，适合部分股票有上市时间差、临时停牌的场景，你也可以根据需要替换为use = "complete.obs"（仅用4只股票都有数据的交易日计算）
• 如果你需要基于月度收益率计算协方差，可以先把日收益率转成月度收益率再执行上述计算，转换参考代码：

library(dplyr)
library(lubridate)
# 假设你有trade_date列，先按年月分组计算累计月度收益率
perf_monthly <- perf %>%
  mutate(year_month = floor_date(trade_date, "month")) %>%
  group_by(year_month) %>%
  summarise(across(-trade_date, ~prod(1 + .x) - 1)) %>%
  ungroup() %>%
  select(-year_month)

替换上述代码中的perf_recent为perf_monthly即可。

内容的提问来源于stack exchange，提问作者Enrico Corneli