如何将“ for”循环中的回归结果存储在唯一名称下的列表中？

我对股票数据运行了多个滚动窗口分位数回归，因此结果输出是一个xts文件，其系数在每个时间点估算。然后，根据分位数对最终估计量进行近似。然后使用for参数对我所有股票进行5次回归。

我想做什么？我需要循环并存储xts输出，该输出看起来像下面显示的列表中的唯一名称，以便稍后在我的方法的下一步中使用。

           (Intercept)      rmrf        smb         hml        rmw        cma
2015-05-21 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021
2015-05-22 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021
2015-05-26 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021
2015-05-27 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021
2015-05-28 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021
2015-05-29 -0.001070362 0.9647046 -0.1206183 -0.05204882 0.01866969 -0.0361021

当我想将结果存储到列表中时，最后出现了问题。发生这种情况是因为我希望数据集的名称与执行回归的列的名称相同。

该代码已简化为仅一种回归。解决此问题的最佳尝试如下：

testlist <- list()

    for(i in 1:ncol(stocks) {

stock_data <- stocks[,i]


 # merge data together 
    regression_input <- merge(stock_data, rmrf, smb, hml, rmw, cma, rf)
    #rename 
    colnames(regression_input) = c("stock_returns" , "rmrf" , "smb" , "hml" , "rmw" , "cma" , "rf")

        quantile005 <- as.xts(                 
            rollapply(zoo(regression_input),
                      width=200,
                      FUN = function(Z) 
                      { 
                        t = rq(stock_returns ~ rmrf + smb + hml + rmw + cma, tau=0.05, data = as.data.frame(Z),
                               method="br", model = TRUE); 
                        return(t$coef) 
                      },
                      by.column=FALSE, align="right")
              )

    final_estimators <- # additional calculations are performed with results stored here 

#save
name <-  paste(rownames(i), sep = "")
testlist[[name]] <- final_estimators
}

此外：即使在外部循环时，该命令似乎也不会读取我的行的名称。

> name <-  paste(rownames(return_data[,1]), sep = "")
> name
character(0)
> 

编辑W解决方案

看来解决方案已经在我身边了。问题是colnames函数仅从数据框对象检索名称。这是代码的最终版本。

# Create list to store dataframes


testlist <- list()


# Loop over entire regression methodology 


for(i in 1:ncol(test_3_stocks)) {

  # Get regression input together
  stock_data <- test_3_stocks[,i] - ff_data[,7]/100
  regression_input <- merge(stock_data, rmrf, smb, hml, rmw, cma, rf)
  colnames(regression_input) = c("stock_returns" , "rmrf" , "smb" , "hml" , "rmw" , "cma" , "rf")

  #Rolling window regression -  Quantile coefficients data

  quantile005 <- as.xts( 

    rollapply(zoo(regression_input),
              width=200,
              FUN = function(Z) 
              { 
                t = rq(stock_returns ~ rmrf + smb + hml + rmw + cma, tau=0.05, data = as.data.frame(Z),
                       method="br", model = TRUE); 
                return(t$coef) 
              },
              by.column=FALSE, align="right")
  )
  print(tail(summary(quantile005)))

  tmp <- summary(quantile005)

  name <- colnames(as.data.frame(test_3_stocks[,i]))
  testlist[[name]] <- tmp

}

最终结果：

> tail(testlist$TEST1)
           (Intercept)       rmrf      smb      hml      rmw       cma
2015-05-21    1255.853   -7.16453 531.4655 1870.740 1422.398 -4034.082
2015-05-22    1256.221  -40.88781 512.3803 1700.796 1569.501 -3830.814
2015-05-26    1256.413 -152.42752 713.5793 1754.086 1452.681 -3771.936
2015-05-27    1256.707   15.39627 451.2127 1568.405 1246.730 -3665.781
2015-05-28    1257.893 -133.72554 705.0280 1816.560 1232.326 -4188.772
2015-05-29    1258.239 -148.11936 624.4424 1837.348 1098.122 -4301.114