要实现这个需求，我们可以通过先计算各组均值，再匹配到对应观测的方式来完成，具体步骤如下：

步骤1：计算每个(date, strike)组的Price均值并保存临时数据集 #

首先我们需要先把每个日期、行权价组合的Price均值单独提取出来，方便后续匹配：

// 保存当前数据状态，避免修改原数据
preserve

// 按date和strike分组，计算每组price的均值
collapse (mean) mean_price = price, by(date strike)

// 重命名变量并调整行权价，用于后续匹配
rename strike strike_plus50
replace strike_plus50 = strike_plus50 - 50  // 让原strike=s+50对应到当前strike=s

// 将处理后的均值数据保存为临时文件
tempfile mean_dataset
save `mean_dataset'

// 恢复原数据状态
restore

步骤2：将均值匹配回原数据 #

接下来我们把临时数据集中的均值，按「相同日期+当前行strike等于临时数据集中的strike_plus50」的规则合并到原数据里：

// 按date和strike匹配，将对应strike+50组的均值合并到原数据
merge m:1 date strike using `mean_dataset', keep(match master) nogen

效果验证 #

• 对于原数据中strike=50的观测，合并后的mean_price就是同日期下strike=100组的Price均值；
• 对于strike=100的观测，mean_price会是同日期下strike=150组的均值（如果该组只有一个观测，均值就是其本身的Price值）；
• 对于strike=150的观测，mean_price则是同日期下strike=200组的Price均值，完全符合你的示例需求。

如果某些日期下不存在strike+50的组，对应的mean_price会显示为缺失值，这是合理的预期结果。

内容的提问来源于stack exchange，提问作者jthg