Stata：估计投资组合的每月加权平均值
Stata: estimating monthly weighted mean for portfolio
我一直在努力编写最佳代码来估算投资组合的每月加权平均值 returns。
我有以下变量：
固定库存returns（ret）
1 月、1 年和日期
portfolio (port1): 这定义了公司股票的投资组合 returns
市值（mcap）：估算权重（按月1年1端口1）
我想计算每个月的加权 returns 和按市值加权的投资组合。每家公司的 (mcap)。
我编写了以下代码，它可以正常工作，但需要很长时间并且效率非常低：
foreach x in 11 12 13 21 22 23 {
display `x'
forvalues y = 1980/2010 {
display `y'
forvalues m = 1/12 {
display `m'
tempvar tmp_wt tmp_tm tmp_p
egen `tmp_tm' = total(mcap) if month1==`m' & year1==`y' & port1 ==`x'
gen `tmp_wt' = mcap/`tmp_tm' if month1==`m' & year1==`y' & port1 ==`x'
gen `tmp_p' = ret*`tmp_wt' if month1==`m' & year1==`y' & port1 ==`x'
gen port_ret_`m'_`y'_`x' = `tmp_p'
}
}
}
数据如图所示：![价值加权投资组合的数据 return][1]
这看起来确实是一个如何尽可能慢地做事的案例示例，只是您自然不会故意那样做。它所缺少的只是一个循环观察以计算总数。所以，好消息是你确实应该能够加快速度。
似乎可以归结为
gen double wanted = .
bysort port1 year month : replace wanted = sum(mcap)
by port1 year month : replace wanted = (mcap * ret) / wanted[_N]
原则。要在单个标量中求和，请使用 summarize, meanonly 而不是使用 egen, total() 将该标量重复放入变量中，而是使用 sum() 和 by: 来获取组求和一个变量，当这是你需要的时候，就像这里一样。 sum() returns 累计和，所以你想要累计和的最后一个值。
原则。当可以在 by: 的支持下进行分组计算时，不需要循环（此处使用 foreach）。这是 Stata 程序员需要学习的强大结构。
原则。创建大量临时变量，这里有 6 * 31 * 12 * 3 = 6696 个，会减慢速度并使用比需要更多的内存。每次执行 tempvar 并执行 generate 命令时，都会多出三个临时变量，它们都是数据集中一列的大小（这就是 Stata 中的变量），但是一旦它们被使用他们只是留在记忆中，再也没有看过。临时变量的一个微妙之处是 tempvar 每次都分配一个新名称，但应该清楚 generate 每次都创建一个新变量； generate 永远不会覆盖现有变量。临时变量将在程序结束时全部删除，但到该程序结束时，您会持有很多不必要的东西，可能是数据集的大小乘以大约一千。如果那个临时扩展的数据集不能全部放入内存，你可以让 Stata 陷入困境。
原则。使用 if 迫使 Stata 依次检查每个观察结果；在这种情况下，大多数与正在执行的循环的特定交集无关，并且您让 Stata 检查几乎所有数据集（2231/2232 的一小部分，几乎是 1），同时对数据集的 1/2232 进行每个特定计算。如果你有更多的年头或更多的投资组合，那么无关紧要的部分就会更高。
本质上，Stata 会服从您的指示（并且不会尝试任何类型的优化——您的代码完全按字面解释）但是 by: 会更快地给出交叉组合。
注意。我不知道这些数字会有多大或接近于零，所以我给了你一个 double。据我所知，float 对您来说效果很好。
评论。我猜您正在受到其他语言的编码经验的影响，在这些语言中创建变量意味着类似于 x = 42 的东西来保持常量。你也可以在 Stata 中做到这一点，使用标量或局部或全局宏，更不用说 Mata 了。请记住，Stata 中的新变量是数据集中的一个全新列，无论它在每个观察中是保持不变还是不同的值。你会得到你所要求的，但它更像是每次都得到一个数组。同样，您似乎只需要一个新变量作为最终结果，实际上您根本不需要临时创建任何其他变量。
我一直在努力编写最佳代码来估算投资组合的每月加权平均值 returns。
我有以下变量：
固定库存returns（ret）
1 月、1 年和日期
portfolio (port1): 这定义了公司股票的投资组合 returns
市值（mcap）：估算权重（按月1年1端口1）
我想计算每个月的加权 returns 和按市值加权的投资组合。每家公司的 (mcap)。
我编写了以下代码，它可以正常工作，但需要很长时间并且效率非常低：
foreach x in 11 12 13 21 22 23 {
display `x'
forvalues y = 1980/2010 {
display `y'
forvalues m = 1/12 {
display `m'
tempvar tmp_wt tmp_tm tmp_p
egen `tmp_tm' = total(mcap) if month1==`m' & year1==`y' & port1 ==`x'
gen `tmp_wt' = mcap/`tmp_tm' if month1==`m' & year1==`y' & port1 ==`x'
gen `tmp_p' = ret*`tmp_wt' if month1==`m' & year1==`y' & port1 ==`x'
gen port_ret_`m'_`y'_`x' = `tmp_p'
}
}
}
数据如图所示：![价值加权投资组合的数据 return][1]
这看起来确实是一个如何尽可能慢地做事的案例示例，只是您自然不会故意那样做。它所缺少的只是一个循环观察以计算总数。所以，好消息是你确实应该能够加快速度。
似乎可以归结为
gen double wanted = .
bysort port1 year month : replace wanted = sum(mcap)
by port1 year month : replace wanted = (mcap * ret) / wanted[_N]
原则。要在单个标量中求和，请使用 summarize, meanonly 而不是使用 egen, total() 将该标量重复放入变量中，而是使用 sum() 和 by: 来获取组求和一个变量，当这是你需要的时候，就像这里一样。 sum() returns 累计和，所以你想要累计和的最后一个值。
原则。当可以在 by: 的支持下进行分组计算时，不需要循环（此处使用 foreach）。这是 Stata 程序员需要学习的强大结构。
原则。创建大量临时变量，这里有 6 * 31 * 12 * 3 = 6696 个，会减慢速度并使用比需要更多的内存。每次执行 tempvar 并执行 generate 命令时，都会多出三个临时变量，它们都是数据集中一列的大小（这就是 Stata 中的变量），但是一旦它们被使用他们只是留在记忆中，再也没有看过。临时变量的一个微妙之处是 tempvar 每次都分配一个新名称，但应该清楚 generate 每次都创建一个新变量； generate 永远不会覆盖现有变量。临时变量将在程序结束时全部删除，但到该程序结束时，您会持有很多不必要的东西，可能是数据集的大小乘以大约一千。如果那个临时扩展的数据集不能全部放入内存，你可以让 Stata 陷入困境。
原则。使用 if 迫使 Stata 依次检查每个观察结果；在这种情况下，大多数与正在执行的循环的特定交集无关，并且您让 Stata 检查几乎所有数据集（2231/2232 的一小部分，几乎是 1），同时对数据集的 1/2232 进行每个特定计算。如果你有更多的年头或更多的投资组合，那么无关紧要的部分就会更高。
本质上，Stata 会服从您的指示（并且不会尝试任何类型的优化——您的代码完全按字面解释）但是 by: 会更快地给出交叉组合。
注意。我不知道这些数字会有多大或接近于零，所以我给了你一个 double。据我所知，float 对您来说效果很好。
评论。我猜您正在受到其他语言的编码经验的影响，在这些语言中创建变量意味着类似于 x = 42 的东西来保持常量。你也可以在 Stata 中做到这一点，使用标量或局部或全局宏，更不用说 Mata 了。请记住，Stata 中的新变量是数据集中的一个全新列，无论它在每个观察中是保持不变还是不同的值。你会得到你所要求的，但它更像是每次都得到一个数组。同样，您似乎只需要一个新变量作为最终结果，实际上您根本不需要临时创建任何其他变量。