使用rollapply计算月度Beta的回归问题求助（含样本数据）

数据老陈

2026-5-14

解决滚动月度Beta计算的问题：错误排查与完整方案

先帮你拆解原来代码里的几个核心问题，再给你一套完全匹配需求的解决方案：

原来代码的错误点

固定天数窗口不符合需求：你用width=252是固定交易日数，但需求是「t-11至t月的日度数据」，应该按12个月的滚动时间窗口计算，而非固定天数（不同月份/年份的交易日数差异很大）。
by.column=TRUE的逻辑错误：这个参数会把每一列单独传入FUN，导致你在函数里拿不到mktrf列，根本无法完成回归。
公式写法错误：paste0(" ", x , " ~ mktrf")里的x是整个窗口的数据集，不是股票列名，完全无法生成有效回归公式。
缺失值处理错误：lm函数不支持na.rm=T参数，应该用na.action=na.omit来剔除缺失的观测对；同时你没处理退市股票的全NA情况。
缺少观测数校验：没有判断回归的有效观测数是否≥150。

完整解决方案

我用dplyr+zoo+lubridate来实现，完全贴合你的需求：

1. 加载依赖包

library(zoo)
library(dplyr)
library(lubridate)

2. 数据预处理（添加年月标识）

先给数据加一个「年月」列，方便后续按月份做滚动窗口：

joined_data <- joined_data %>%
  mutate(year_month = floor_date(date, "month"))  # 把日期转换为当月第一天，用于分组

3. 定义Beta计算工具函数

这个函数负责单只股票的Beta计算，同时校验有效观测数：

calc_single_beta <- function(stock_returns, market_returns) {
  # 剔除股票收益和市场收益同时缺失的观测
  valid_pairs <- na.omit(data.frame(stock = stock_returns, mktrf = market_returns))
  
  # 检查有效观测数是否达标
  if(nrow(valid_pairs) < 150) {
    return(NA)  # 不足150个观测返回NA
  }
  
  # 执行回归，提取mktrf的系数（即Beta）
  beta_model <- lm(stock ~ mktrf, data = valid_pairs)
  return(coef(beta_model)[["mktrf"]])
}

4. 定义滚动窗口处理函数

这个函数负责处理每个12个月的滚动窗口，计算所有股票的Beta：

calc_window_betas <- function(window_data) {
  # 提取所有股票列（排除date、year_month、mktrf）
  stock_columns <- setdiff(colnames(window_data), c("date", "year_month", "mktrf"))
  
  # 遍历所有股票列，计算Beta
  beta_results <- sapply(stock_columns, function(col) {
    calc_single_beta(window_data[[col]], window_data[["mktrf"]])
  })
  
  # 返回窗口对应的月份+所有股票的Beta
  return(data.frame(
    year_month = last(window_data$year_month),  # 窗口对应的目标月份（最后一个月）
    t(beta_results),
    stringsAsFactors = FALSE
  ))
}

5. 执行滚动计算并整理输出

# 把数据转换为按年月索引的时间序列对象
ts_data <- read.zoo(joined_data, index = "year_month", split = NULL)

# 执行12个月的滚动计算：align="right"表示窗口结束于当前月份
rolling_beta_results <- rollapply(
  data = ts_data,
  width = 12,
  FUN = calc_window_betas,
  by = 1,
  align = "right",
  by.column = FALSE,  # 必须设为FALSE，才能传入整个窗口的所有列
  fill = NA
)

# 转换为标准数据框，调整格式和输入一致
final_betas <- do.call(rbind, rolling_beta_results) %>%
  # 如果需要对应月末日期，把下面的date行换成：date = ceiling_date(year_month, "month") - days(1)
  mutate(date = as.Date(year_month)) %>%
  select(date, all_of(stock_columns))  # 保持股票列的顺序和输入一致

关键特性说明

精准匹配月度滚动需求：用12个月的时间窗口替代固定天数，完全符合「t月Beta用t-11至t月数据」的要求。
观测数校验：自动检查有效观测数≥150，不足则返回NA。
缺失值处理：自动剔除回归中的缺失观测对，退市股票的全NA情况会返回NA，保持输出格式和输入一致。
输出格式对齐：最终输出的列名、结构和输入表格完全匹配，方便后续分析。

你的样本数据只有10天（不到1个月），运行后会返回全NA，但逻辑完全正确，替换成真实的长周期数据就能得到正常结果。

内容的提问来源于stack exchange，提问作者Mia