问题背景 #

我正在进行股票组合分析，需要计算多只股票间的滚动相关系数矩阵，动态监控它们的相关性变化。

具体需求 #

针对每个交易日，使用当日及前59天（共60个交易日）的收益数据，计算所有股票对的相关系数。

样本数据 #

// Generate simulated return data for 4 stocks over 90 days
n_days = 90
n_stocks = 4
stock_list = `stock_A`stock_B`stock_C`stock_D

// Generate dates and stock symbols (90 days for each stock)
trade_date = (2023.10.01 + 0..(n_days-1)) join (2023.10.01 + 0..(n_days-1)) join (2023.10.01 + 0..(n_days-1)) join (2023.10.01 + 0..(n_days-1))
symbol = take(`stock_A, n_days) join take(`stock_B, n_days) join take(`stock_C, n_days) join take(`stock_D, n_days)

// Generate return data
return_A = norm(0.001, 0.02, n_days)
return_B = return_A * 0.7 + norm(0, 0.015, n_days)  // Correlated with A
return_C = norm(0.0012, 0.018, n_days)
return_D = norm(0.0005, 0.015, n_days)

daily_return = return_A join return_B join return_C join return_D

returns = table(trade_date, symbol, daily_return)

// View data structure
select top 20 * from returns order by trade_date, symbol

已尝试方案 #

直接使用corr()函数 #

// Attempting to calculate correlation in a 60-day rolling window
result = select corr(daily_return) as correlation
from returns
context by symbol

// Error: corr requires two parameters, cannot pass only one column
// Syntax Error: [line #24] The function [corr] expects 2 argument(s), but the actual number of arguments is: 1

corr()函数需要两个变量作为参数，但数据中不同股票的收益都在daily_return列中，不知道如何配对不同股票来计算相关系数。

核心问题 #

如何针对这种格式的时间序列数据，计算所有股票对的滚动相关系数？

解决方案 #

要解决这个问题，需要先将长格式的数据转换为宽格式（每只股票的收益作为单独列），再通过滚动窗口计算相关系数矩阵。以下是完整的Q语言实现步骤：

步骤1：转换数据格式为宽表 #

首先把长表转换为宽表，每一列对应一只股票的日收益：

// 转换为宽格式：trade_date 作为行索引，每只股票对应一列
wide_returns = pivot(returns, `trade_date, `symbol, `daily_return)

步骤2：定义滚动窗口相关系数计算函数 #

编写一个函数，输入指定窗口内的收益数据，输出所有股票对的相关系数表：

// 计算相关系数矩阵并转换为长表格式
corrPairs:{[df]
    // 计算相关系数矩阵
    corr_mat = corr each flip df;
    // 获取股票列表
    syms = cols df;
    // 生成所有股票对（排除自身配对）
    pairs = syms cross syms where not syms cross syms like each syms;
    // 提取对应相关系数值
    corr_vals = raze corr_mat where not iota[count syms] cross iota[count syms] like each iota[count syms];
    // 返回结果表
    table(symbol1: first each pairs, symbol2: last each pairs, correlation: corr_vals)
}

步骤3：滚动窗口计算 #

使用rolling函数对宽表应用滚动窗口，结合上述函数计算每个窗口的相关系数：

// 设置滚动窗口大小为60
window_size = 60

// 对每一行，取当前行及前59行的数据计算相关系数
rolling_corr = select trade_date, ungroup corrPairs(wide_returns[window_start::window_end;])
from wide_returns
where window_end = iota[count wide_returns], window_start = max(0; window_end - window_size + 1)
// 过滤掉窗口数据不足60天的行
where window_end >= window_size - 1

步骤4：结果说明 #

最终结果表rolling_corr包含以下字段：

• trade_date：当前交易日（窗口结束日）
• symbol1：股票对中的第一只股票
• symbol2：股票对中的第二只股票
• correlation：两只股票在过去60个交易日的相关系数

这样就能得到每个交易日对应的所有股票对滚动相关系数，满足动态监控的需求。

内容的提问来源于stack exchange，提问作者xinyu zhang