Newey West Adjustment w data.table

Question

Mam następującą tabelę danych

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

Chcę móc przeprowadzić test t, aby odrzucić wartość zerową, zgodnie z którą miesięczny średni zwrot nadwyżki wynosi zero, i aby to zrobić, chcę dokonać korekty Newey West z opóźnieniem 1 błędów. Więc regresuję Nadwyżkę Zwrotu na podstawie stałej pogrupowanej według Miesiąca i dokonuję korekty Newey West.

Na koniec chcę zgłosić statystykę t skorygowaną Newey West i miesięczną średnią nadwyżkę zwrotu dla każdego portfela.

Oto, co zrobiłem:

TS_Sample_Beta_Portfolio_Final<-Sample_Beta_Portfolio_Final[,list(coeftest(lm(ExcessReturn~1),
                                  vcov = NeweyWest(lm(ExcessReturn~1),lag = 12))),by=c("PrevMonth")]

gdzie Sample_Beta_Portfolio zawiera powyższe dane.

Ale to nie działa.

Każda pomoc będzie mile widziana!

Answer 1

Problem polega na tym, że twoje listwywołanie hermetyzuje dane wyjściowe coeftestwewnątrz listy, to znaczy listy z jednym elementem klasy coeftest. Zamiast tego potrzebujesz listy z każdą indywidualną statystyką utworzoną przez coeftest. Możesz więc użyć as.listzamiast tego:

Sample_Beta_Portfolio_Final[, as.list(coeftest(lm(ExcessReturn~1), 
                                               vcov=NeweyWest(lm(ExcessReturn~1), 
                                                              lag=12))),
                            by=c("PrevMonth")]

Problem z tym podejściem polega na tym, że nie nazwie poprawnie wyniku, ponieważ as.listupuszcza dimnames. Alternatywą byłoby napisanie fitfunkcji zmieniającej nazwę listy wyników.

Najpierw załaduj biblioteki i dane:

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")

Następnie zdefiniuj fitfunkcję i zastosuj ją do każdej grupy:

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

Zauważ, że spowoduje to ostrzeżenia, ponieważ określasz więcej opóźnień niż obserwacji w każdej grupie.