基于变量值创建新Data.Frame：股票日度组合权重计算需求

我来帮你搞定这个股票数据处理需求，咱们先从修正测试数据开始，再一步步实现你要的所有计算：

第一步：修正测试数据的日期格式 #

你提供的测试数据日期格式是"2017-22-11"，这不符合标准的年-月-日格式，所以没法转换成日期类型。咱们先把它改成正确的格式，比如"2017-11-22"（年-月-日）：

# 修正后的测试数据
RawInput <- data.frame(
  Date = c("2017-11-22", "2017-12-22", "2017-11-23", "2017-11-22", "2017-12-22", "2017-11-23", "2017-11-22"),
  Close = c(50, 55, 56, 10, 11, 12, 200),
  Volume = c(100, 110, 150, 60, 70, 80, 30),
  Stock_ID = factor(c(1, 1, 1, 2, 2, 2, 3))
)
# 转换成日期类型
RawInput$Date <- as.Date(RawInput$Date)

第二步：用dplyr实现每日指标计算 #

我们用dplyr包来完成分组计算，它能轻松处理可变数量的股票，完全适配你“每个日期1至n只股票”的数据特点。以下是完整的代码：

library(dplyr)

# 计算核心指标
portfolio_data <- RawInput %>%
  # 1. 先计算每只股票的当日交易价值（收盘价*成交量）
  mutate(Trade_Value = Close * Volume) %>%
  # 2. 按日期分组，计算当日总交易价值，并给每只股票标记当日总价值
  group_by(Date) %>%
  mutate(Daily_Total_Value = sum(Trade_Value)) %>%
  # 3. 计算每只股票的当日权重（个股交易价值/当日总交易价值）
  mutate(Weight = Trade_Value / Daily_Total_Value) %>%
  # 4. 将数据转成宽格式：每个日期一行，每只股票的权重单独成列
  tidyr::pivot_wider(
    id_cols = Date,
    names_from = Stock_ID,
    values_from = Weight,
    names_prefix = "Stock_",
    values_fill = 0  # 当日没有交易的股票权重填0
  ) %>%
  # 5. 计算每日收益率：(当日总价值 - 前一日总价值)/前一日总价值
  mutate(Daily_Return = (Daily_Total_Value - lag(Daily_Total_Value)) / lag(Daily_Total_Value)) %>%
  # 取消分组
  ungroup()

# 查看结果
print(portfolio_data)

代码解释 #

• 交易价值计算：Trade_Value = Close * Volume，得到每只股票当日的成交总金额。
• 每日总价值：按Date分组后用sum(Trade_Value)计算当日所有股票的总交易价值。
• 股票权重：用个股交易价值除以当日总价值，得到该股票在当日组合中的占比。
• 宽格式转换：用pivot_wider把每只股票的权重转成单独列，这样每个日期只会出现一行，完全符合你要的新DataFrame格式；values_fill=0确保当日没交易的股票权重显示为0，兼容可变数量的股票。
• 每日收益率：用lag()函数获取前一日的总交易价值，然后计算当日相对于前一日的收益率。

结果说明 #

最终的portfolio_data包含以下列：

• Date：日期（每个日期唯一）
• Daily_Total_Value：当日所有股票的总交易价值
• Stock_1、Stock_2、Stock_3...：对应股票当日的组合权重（自动适配数据中的股票数量）
• Daily_Return：当日组合的收益率（第一日因为没有前一日数据，会显示NA，你可以根据需求处理）

内容的提问来源于stack exchange，提问作者Rbitrage