我有以下数据。表
PrevMonth Portfolio ExcessReturn
196306 Portfolio 1 -0.3035362
196306 Portfolio 10 -1.250766
196306 Portfolio 2 1.08474287
196306 Portfolio 3 -0.628247
196306 Portfolio 4 -0.2490027
196306 Portfolio 5 0.47310531
196306 Portfolio 6 0.36409036
196306 Portfolio 7 -0.8392494
196306 Portfolio 8 -0.5734843
196306 Portfolio 9 -1.9914358
196306 Portfolio LS -0.9472298
196307 Portfolio 1 3.29524841
196307 Portfolio 10 6.47879571
196307 Portfolio 2 2.8880775
196307 Portfolio 3 4.35083011
196307 Portfolio 4 4.2523679
196307 Portfolio 5 4.30965798
196307 Portfolio 6 4.68137361
196307 Portfolio 7 4.34311633
196307 Portfolio 8 7.04824776
196307 Portfolio 9 7.35395871
196307 Portfolio LS 3.18354731
196308 Portfolio 1 -0.4837659
196308 Portfolio 10 -0.8704307
196308 Portfolio 2 -1.8642527
我希望能够执行t检验来拒绝每月平均超额收益为零的null,为此,我想进行Newey West调整,误差滞后1。因此,我对按月分组的常量进行超额收益回归并进行Newey West调整。
我最终想报告每个投资组合的Newey West调整后的t统计量和月平均超额收益。
这是我所做的:
TS_Sample_Beta_Portfolio_Final<-Sample_Beta_Portfolio_Final[,list(coeftest(lm(ExcessReturn~1),
vcov = NeweyWest(lm(ExcessReturn~1),lag = 12))),by=c("PrevMonth")]
其中Sample_Beta_Portfolio具有上述数据。
但这似乎不起作用。
任何帮助将不胜感激!
答案 0 :(得分:0)
问题是您的list
调用将coeftest
的输出封装在一个列表内,即,列表包含一个类为coeftest
的元素。相反,您想要的是一个列表,其中包含coeftest
生成的每个单独的统计信息。因此,您可以改用as.list
:
Sample_Beta_Portfolio_Final[, as.list(coeftest(lm(ExcessReturn~1),
vcov=NeweyWest(lm(ExcessReturn~1),
lag=12))),
by=c("PrevMonth")]
此方法的问题在于,由于as.list
丢弃了dimnames
,因此无法正确命名您的结果。一种替代方法是编写一个fit
函数来重命名输出列表。
首先,加载库和数据:
library(data.table)
library(sandwich)
library(lmtest)
dat = fread("PrevMonth -Portfolio ExcessReturn
196306-Portfolio 1 -0.3035362
196306-Portfolio 10 -1.250766
196306-Portfolio 2 1.08474287
196306-Portfolio 3 -0.628247
196306-Portfolio 4 -0.2490027
196306-Portfolio 5 0.47310531
196306-Portfolio 6 0.36409036
196306-Portfolio 7 -0.8392494
196306-Portfolio 8 -0.5734843
196306-Portfolio 9 -1.9914358
196306-Portfolio LS -0.9472298
196307-Portfolio 1 3.29524841
196307-Portfolio 10 6.47879571
196307-Portfolio 2 2.8880775
196307-Portfolio 3 4.35083011
196307-Portfolio 4 4.2523679
196307-Portfolio 5 4.30965798
196307-Portfolio 6 4.68137361
196307-Portfolio 7 4.34311633
196307-Portfolio 8 7.04824776
196307-Portfolio 9 7.35395871
196307-Portfolio LS 3.18354731
196308-Portfolio 1 -0.4837659
196308-Portfolio 10 -0.8704307
196308-Portfolio 2 -1.8642527")
然后,定义fit
函数并将其应用于每个组:
fit = function(x) {
m = lm(ExcessReturn~1, x)
v = NeweyWest(m, lag=12)
ct = coeftest(m, vcov=v)
out = as.list(ct)
names(out) = dimnames(ct)[[2]]
out[["r2"]] = summary(m)$r.squared
out
}
dat[, fit(.SD), by="PrevMonth"]
#> PrevMonth Estimate Std. Error t value Pr(>|t|) r2
#> 1: 196306-Portfolio -0.4419102 0.1596251 -2.768425 1.984085e-02 0
#> 2: 196307-Portfolio 4.7441110 0.2203860 21.526374 1.044449e-09 0
#> 3: 196308-Portfolio -1.0728164 0.1614823 -6.643553 2.191480e-02 0
请注意,这会产生警告,因为您指定的滞后时间要多于每组中的观察值。