求助SAS编程问题涉及数据分类

现有如下形式数据，不要计较其实际内容，只是借以说明问题。

nianfen	a	b	c	d	e
1996	110.99	110.99	110.99	110.99	110.99
1997	130.77	130.77	130.77	130.77	130.77
1997	119.89	119.89	119.89	119.89	119.89
1997	128.92	128.92	128.92	128.92	128.92
1997	107.75	107.75	107.75	107.75	107.75
1997	118.34	118.34	118.34	118.34	118.34
1998	143.21	143.21	143.21	143.21	143.21
1998	134.32	134.32	134.32	134.32	134.32
1998	142.43	142.43	142.43	142.43	142.43
1998	116.9	116.9	116.9	116.9	116.9
1998	134.84	134.84	134.84	134.84	134.84
1999	146	146	146	146	146
1999	141.46	141.46	141.46	141.46	141.46
1999	98.14	98.14	98.14	98.14	98.14
1999	98.15	98.15	98.15	98.15	98.15

在每个时间段用变量abcde拟合出一条曲线，然后把这些曲线以时间为轴排列起来绘成一个曲面。
现在已经通过几个data步能够对单个时间段内的变量进行曲线的拟合，但是怎么实现这后面的步骤呢？
就是每个时间段自动拟合，然后绘图。最好是自动的，因为实际处理的时间点大约在2000个左右。
对单个表预处理的工作实在太庞大了
我是初学，实在不懂，希望大家不吝赐教。

这段时间考试比较忙，如果您回答了我的问题，我没及时做出反应请见谅。

宏

为了更好的帮助你，建议楼主能更详细的描述你的问题。最好是将你已有的code贴出来

3# BraveMadMan
源代码是老板未发表论文中的东西，实在不方便贴出，只能借用一下其他的。比如宋军老师《金融计量学》中NSS方法，代码如下
/*Nelsen-siegel，创建数据集bond */
PROC IMPORT OUT= WORK.bond
           DATAFILE= "D:\data\bond.xls"
     DBMS=EXCEL2000 REPLACE;
     GETNAMES=YES;
run;
data float;
set bond;
dif=yrdif-int(yrdif);   /* 非整数年份数 */
/*以下if语句的判断是对不同的债券进行的 */
if fre=1 then if dif=0 then do;  /*计算年付息频率为1，非整数年份数dif为0时的现金流 */
y=yrdif;  /*y为非整年份数dif为0时的现金流次数 */
a=coupond; /*a年付息频率为1时的现金流 */
end;
else do; /*计算年付息频率为1，非整数年份数dif不为0时的现金流次数 */
y=int(yrdif)+1;  /*y为非整数年份数不为0时的现金流次数 */
a=coupond;  /*a年付息频率为1时的现金流 */
end;
if fre=2 then if dif=0.5 then do; /*计算年付息频率为2, 非整数年份数dif为0.5时的现金流 */
y=yrdif*2; /*y为非整数年份数dif为0.5时的现金流次数 */
a=coupond/2; /* a年付息频率为2时的现金流 */
end;
else if dif>0.5 then do; /*计算年付息频率为2, 非整数年份数dif大于0.5时的现金流 */
y=int(yrdif)*2+2; /*非整数年份数dif大于0.5时的现金流次数 */
a=coupond/2;
end;
     
else do; /*计算年付息频率为2, 非整数年份数dif小于0.5时的现金流 */
y=int(yrdif)*2+1; /*y非整数年份数dif小于0.5时的现金流次数 */
a=coupond/2;
end;
array c{30};   /*30是最长期限现金流的期数*/
do i=1 to y;
/*以下if语句的判断是对不同的债券进行的 */
if i<y then c=a;  /*y为相应债券的现金流次数，此时为小于到期期数时的现金流 */
         else c=a+100; /*到期期数时的现金流 */
end;
do j=y+1 to 30; /*大于到期期数而小于30时的现金流为0 */
c[j]=0;
end;
run;
/*产生自2010年6月2日以后各现金流对应的时刻（年份数） */
data time(keep=name t1-t30);
set bond;
dif=yrdif-int(yrdif);
/*以下if语句的判断是对不同的债券进行的 */
if fre=1 then if dif=0 then do;
y=yrdif;  
a=1; /*当前时刻为付息日时，现金流对应的时刻应为年份数加1。变量a即为要加上的数 */
end;
else do; /*dif不等于0 */
y=int(yrdif)+1;
a=dif; /*a为求现金流对应的时刻时，需年份数加上的那个数 */
end;
if fre=2 then if dif=0.5 then do;
y=yrdif*2;
a=0.5;
end;
                 else if dif>0.5 then do;
y=int(yrdif)*2+2;
a=dif-0.5;
end;
else do; /*dif<0.5 */
y=int(yrdif)*2+1;
a=dif;
end;
array t{30};
do i=1 to y;
t=a+(1/fre)*(i-1);  /*现金流对应的时刻，fre为年付息频率 */
end;
do j=y+1 to 30;
t[j]=1; /*剩余的期限赋值为1，方便Nelsen Siegel模型的计算*/
end;
run;
    /*合并现金流与相对应时刻数据集*/
data float_time;
merge float time;
run;
/*生成用于回归的系数矩阵*/
data regression(keep=name a bb cc d1-d3);  /*bb cc d1 d2 d3分别对应5个参数的系数*/
set float_time;
array c{30} ;
array t{30} ;
a=0;bb=0;cc=0;d1=0;d2=0;d3=0;  /*回归参数的初值赋为0*/
do i=1 to 30;
a=a+c;bb=bb+c*t;cc=cc+c*t**2;  /*现金流叠加 */
if t<5 then do td1=t**3;td2=0;td3=0;end;  
    else if t<8 then do td1=t**3-(t-5)**3;td2=(t-5)**3;td3=0;end;
         
else do td1=t**3-(t-5)**3;td2=(t-5)**3-(t-8)**3; td3=(t-8)**3; /* t>=8时*/
end;   
d1=d1+c*td1;d2=d2+c*td2;d3=d3+c*td3;
end;
run;
/*计算久期倒数总和，并将期赋给一个宏变量ddd，以备后用*/
data a (keep=sumdu1);
set bond end=end;
du1=1/du;
sumdu1+du1;
if end;
call symput('ddd',sumdu1); /*ddd为宏变量，其值为久期倒数总和(4.371),这里是为了以后自动调用*/
run;
/*产生回归系数矩阵 */
data regression(keep=name v bb cc d1-d3 w w1);
merge regression bond;
v=price-a; /*现价减去常数项*/
w=1/(1/du/&ddd)**2;  /*产生权重w，宏变量ddd的值是久期倒数总和*/
w1=(1/du/&ddd);
run;
Ods listing close; /*关闭LISTING */
Ods output ParameterEstimates(match_all persist=proc)= Estimates;
proc glm data=regression;
model v=bb cc d1 d2 d3/noint; /*noint为不要截矩选项 */
weight w;
run;
quit;
Ods listing; /*打开LISTING */
/*NELSEN-SIEGEL模型*/
/*将数据集生成相应的矩阵*/
proc iml;
reset deflib=work;
use bond;
read all var{price} into price; /*由SAS数据集bond中变量price的所有观测值创建向量price */
read all var{du} into du; /*由久期的所有观测值创建向量du */
use float_time;
read all var('c1': 'c37') into float; /*由所有现金流值创建矩阵float */
read all var('t1': 't37') into time; /*由现金流对应的时刻值创建矩阵time */
use regression;
read all var{w1} into wei; /*由所有权重w值创建向量wei */
store price du float time wei;
run;
/*通过循环计算出模型中的参数 */
proc iml;
reset deflib=work;
load price du float time wei;
y=j(1099560,7); /* j(1099560,7)为元素全为1的矩阵，共有1099560行，7列。1099560实际为控制循环的次数 */
A=j(30,1,1.);
do b1=-0.086 to -0.076 by 0.001; /*b1为参数，[-0.086 -0.076]为b1的优化范围 */
       do b2=-0.109 to -0.098 by 0.001;
          do b0=0.086 to 0.094 by 0.0005;
          do t1=9 to 12 by 0.5;
          do b3=0.042 to 0.054 by 0.002;
         do t2=2.2 to 4 by 0.2;
i=(b1+0.086)/0.001*99960+(b2+0.109)/0.001*8330+(b0-0.086)/0.0005*490+(t1-9)/0.5*70+(b3-0.042)/0.002*10+(t2-2.2)/0.2+1;   /*计算这是第几个循环，I为第几次循环*/
/*目标函数*/
y[i,7] = ssq(((float#exp(-time#(b0+(b1+b2)#((1-exp(-time/t1))/(time/t1))-b2#exp(-time/t1)+b3#((1-exp(-time/t2))/(time/t2)-exp(-time/t2)))))*A-price)#wei)/15;
y[i,1]=b1;y[i,2]=b2;y[i,3]=b0;y[i,4]=b3;y[i,5]=t1;y[i,6]=t2;
                   end;
                 end;
              end;
           end;
        end;
end;
create yyy from y;/*产生一个新的数据集，根据这个数据集的结果来排序，得到最小的目标函数，即得到相应的参数*/
append from y;
quit;
proc sort data=yyy;
by col7;
run;
    /*计算理论价格和价差*/
proc iml;
reset deflib=work;
A=j(37,1,1.);
load float time price du wei;
x={-0.079 -0.107 0.093 0.048 10.5 3.2};
lprice=(float#exp(-time#(x[3]+(x[1]+x[2])#((1-exp(-time/x[5]))/(time/x[5]))-x[2]#exp(-time/x[5])+x[4]#((1-exp(-time/x[6]))/(time/x[6])-exp(-time/x[6])))))*A;/*计算理论价格*/
dif=(float#exp(-time#(x[3]+(x[1]+x[2])#((1-exp(-time/x[5]))/(time/x[5]))-x[2]#exp(-time/x[5])+x[4]#((1-exp(-time/x[6]))/(time/x[6])-exp(-time/x[6])))))*A-price;/*计算理论价格与市场价格的差*/
store dif lprice;
create dif from dif;
append from dif;
create lprice from lprice;
append from lprice;
print dif lprice ;
quit;
/*画图，利率期限结构图*/
data plot;
do i=0.1 to 20 by 0.1;
time =i;
b0=0.093;b1=-0.079;b2=-0.107;b3=0.048;t1=10.5;t2=3.2;
sr=b0+(b1+b2)*((1-exp(-time/t1))/(time/t1))-b2*exp(-time/t1)+b3*((1-exp(-time/t2))/(time/t2)-exp(-time/t2));
fr=b0+b1*exp(-time/t1)+b2*(time/t1)*exp(-time/t1)+b3*(time/t2)*exp(-time/t2);
output;
end;
run;
proc gplot data=plot;
symbol v='*' color=blue;
plot sr*time;
run;


现在的数据是个EXCEL表，其中包含了多个多个时间观测点的截面数据，每个时间点拟合一条曲线，然后把不同时间点的曲线在一个曲面上排列
就如利率期限结构的那样

没想出来楼主这样作有什么特别之处？为什么不划五条二维的曲线呢？即使你强行划三维的，效果跟二维有什么不同吗？

5# BraveMadMan
问题就在于不是5条，是2500条曲线组成的一个曲面，如果手动画2500条曲线，再拟合的话工作量过大了，没有效率了

楼主有解决吗
我也遇到了同样的问题

很好的