我正在努力创建一个独特的投资者名单,这些投资者在合并过去的6个月内持有目标股票。
我有两个独立的数据框用于此目的: - df1包含投资者ID,股票ID,日期和股票的投资组合持有。 - df2包含收单机构股票ID,目标股票ID和合并日期。
investor stock date portfolio holdings
629 10 01/01/1990 100
629 10 02/01/1990 100
629 10 03/01/1990 70
629 10 04/01/1990 50
629 10 05/01/1990 0
629 10 06/01/1990 0
664 10 04/01/1990 100
664 10 05/01/1990 100
664 10 06/01/1992 100
664 12 10/10/1992 100
664 12 11/10/1992 100
1020 10 12/12/1995 50
1020 10 13/12/1995 25
1020 10 14/12/1995 25
1020 10 15/12/1995 0
... ... ... ...
acquirer stock target stock date of merger
100 10 06/01/1990
101 12 10/10/1992
102 14 15/12/1995
... ... ...
对于每次合并,我想过滤掉那些在合并前6个月内持有任何目标股票量超过0的投资者。投资者在合并之日持有的投资组合为0,如果他们在此之前的6个月内保持正数,则无关紧要。
我需要的只是那些持有目标股票的投资者名单,如下所示。稍后我将使用此列表作为更大数据集的过滤器。
investor
629
664
…
选择投资者629是因为她在合并日期前6个月内持有股票10。投资者664的选择基于她持有的股票10和12.投资者1020未被选中,因为虽然她持有股票10,但它不在合并日期的6个月内。
首先,我merge
这两个数据集。合并它们意味着执行类似连接的操作。
df3 = merge (
df1, df2,
by.x = "stock", by.y = "target stock"
)
df3
是合并的数据集。它包含所有df1
和所有df2
列和行。我匹配满足条件stock = target stock
的两个数据集。请查看merge
函数以获取更多详细信息(只需在R控制台中键入?merge
)。
df4 = df3
tmp = sapply(
df4[, "date of merger"],
function(d) as.Date(seq(d, length = 2, by = "-6 months")[2])
)
df4[, "date of merger start"] = as.Date(tmp, origin = "1970-01-01")
df4
然后我添加一个新列。这个新专栏从date of merger
减去6个月:我将用它来检查哪些行符合条件
"date of merger -6 months" <= "date" <= "date of merger"
我只保留符合条件的行:
df5 = subset(
df4, "portfolio holdings" > 0 & "date" <= "date of merger" & "date of merger start" <= "date"
)
df5
请查看subset
help(?subset
)了解更多详情。
您声明您只对investor
不同的值感兴趣:
unique(df5[, "investor"])
笔记
tmp
,df3
和df4
:我将它们添加为中间步骤,以便更容易调试/理解:)