如何使用 `tempdisagg` 包中的 `td` 命令將每月數據分解為每日數據頻率？

Question

我有一個每月頻率數據，我試圖將其分解為每日頻率數據。 因此，我使用 R 中的tempdisagg包中的td命令使用以下代碼：

 dat=ts(data[,2])
 result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog")

然后我收到以下錯誤消息：

 Error in td(dat ~ 1, conversion = "average", to = "day", method = "chow-lin-maxlog") : 'to' argument: unknown character string

我用於dat的數據如下：

 > dput(head(dat))
 c(82.47703009, 84.63094431, 70.00659987, 78.81135651, 74.749746,82.95638213)

所以雖然這個數據dat是按月頻率的，但開始和結束還沒有反映這一點。 實際上，開始日期是 1/1997，結束日期是 9/2019。

我可以得到幫助上分列該月度數據dat到日常的頻率數據討好？

Answer 1

看起來 tempdisagg 包不允許每月到每天的分解。 從td()幫助文件 'to' 參數：

高頻目標頻率作為字符串（“每季度”或“每月”）或作為標量（例如 2、4、7、12）。 如果輸入系列是 ts 對象，則在未給出指示符時該參數是必需的。 如果輸入序列是向量，to 必須是表示頻率比的標量。

您的錯誤消息“'to' 參數：未知字符串”是因為to =參數只接受 'quarterly' 或 'monthly' 作為字符串。

在此處的 stats stackexchage 上有一些關於將每月數據分解為每日數據的討論： https : //stats.stackexchange.com/questions/258810/disaggregate-monthly-forecasts-into-daily-data

經過一番搜索，似乎沒有人一直使用按月到日分類的數據。 tempdisagg包似乎能夠完成大多數其他人認為可能的事情——每年到每季度或每月，以及一致的甚至倍數的時間段。

埃里克，我在下面添加了一個腳本，據我所知，它應該說明您正在嘗試做什么。

在這里，我們使用真實的定價數據從每日價格 -> 每月價格 -> 每月回報 -> 平均每日回報。

library(quantmod)
library(xts)
library(zoo)
library(tidyverse)
library(lubridate)

# Get price data to use as an example
getSymbols('MSFT')

#This data has more information than we want, remove unwanted columns:
msft <- Ad(MSFT) 

#Add new column that acts as an 'indexed price' rather than 
# actual price data.  This is to show that calculated returns
# don't depend on real prices, data indexed to a value is fine.
msft$indexed <- scale(msft$MSFT.Adjusted, center = FALSE)

#split into two datasets  
msft2 <- msft$indexed
msft$indexed <- NULL


#msft contains only closing data, msft2 only contains scaled data (not actual prices)
#  move from daily data to monthly, to replicate the question's situation.
a <- monthlyReturn(msft)
b <- monthlyReturn(msft2)

#prove returns based on rescaled(indexed) data and price data is the same:
all.equal(a,b)

# subset to a single year
a <- a['2019']
b <- b['2019']

#add column with days in each month
a$dim <- days_in_month(a) 
a$day_avg <- a$monthly.returns / a$dim  ## <- This must've been left out

day_avgs <- data.frame(day_avg = rep(a$day_avg, a$dim))


# daily averages timesereis from monthly returns.
z <- zoo(day_avgs$day_avg, 
         seq(from = as.Date("2019-01-01"), 
             to = as.Date("2019-12-31"), 
             by = 1)) %>%
  as.xts()

#chart showing they are the same:
PerformanceAnalytics::charts.PerformanceSummary(cbind(a$monthly.returns, z))

以下是三個圖表，顯示 1. 僅月度回報，2. 月度回報的日均值，3. 兩者兼而有之。 由於它們是相同的，第三張圖像中的過度繪制僅顯示一個。

Answer 2

使用tempdisagg 1.0 ，可以輕松地將月度數據分解為每日數據，使總和或平均值與月度系列保持一致。

這篇文章更詳細地解釋了新功能。

一些技巧也使從每月轉換為每周成為可能。

這是一個可重復的示例，使用原始帖子的前六個月：

x <- tsbox::ts_tbl(ts(c(82.47703009, 84.63094431, 70.00659987, 78.81135651, 74.749746, 82.95638213), start = 2020, frequency = 12))
x
#> # A tibble: 6 x 2
#>   time       value
#>   <date>     <dbl>
#> 1 2020-01-01  82.5
#> 2 2020-02-01  84.6
#> 3 2020-03-01  70.0
#> 4 2020-04-01  78.8
#> 5 2020-05-01  74.7
#> 6 2020-06-01  83.0

library(tempdisagg)
packageVersion("tempdisagg")
#> [1] '1.0'

m <- td(x ~ 1, to = "daily", method = "fast", conversion = "average")
predict(m)
#> # A tibble: 182 x 2
#>    time       value
#>    <date>     <dbl>
#>  1 2020-01-01  80.6
#>  2 2020-01-02  80.7
#>  3 2020-01-03  80.7
#>  4 2020-01-04  80.7
#>  5 2020-01-05  80.8
#>  6 2020-01-06  80.8
#>  7 2020-01-07  80.9
#>  8 2020-01-08  81.0
#>  9 2020-01-09  81.1
#> 10 2020-01-10  81.2
#> # … with 172 more rows

^{由reprex 包( v2.0.0 ) 於 2021 年 7 月 15 日創建}