我有一个 pandas 数据框，其中包含 1963 年至 2012 年各个公司的每日股票收益（近 6000 万行）。我想要估计 CAPM 贝塔值，因此我需要在过去 250 天内对每家公司运行滚动 OLS 回归，并将贝塔值添加到现有数据帧中。
我已经尝试将 pyfinance 包中的 PandasRollingOLS 函数与“groupby”结合起来，但它只返回内存错误。我还尝试编写两个 for 循环，第一个按公司分组（“PERMNO”），第二个 for 循环执行滚动回归。然而，这也行不通
我的数据框如下所示：
PERMNO RET mkt RF
date
1986-01-08 10000 -0.024640 -0.020994 0.00025
1986-01-09 10000 -0.000250 -0.011469 0.00025
1986-01-10 10000 -0.000250 -0.000167 0.00025
1986-01-13 10000 0.049750 0.002499 0.00025
1986-01-14 10000 0.047369 0.000116 0.00025
1986-01-15 10000 0.045205 0.007956 0.00025
1986-01-16 10000 0.043228 0.004452 0.00025
1986-01-17 10000 -0.000250 -0.001991 0.00025
1986-01-20 10000 -0.000250 -0.003985 0.00025
1986-01-21 10000 -0.000250 -0.007242 0.00025 …