我有每日面板数据,有四个变量:日期、cusip(id标识符)、PD(违约概率)和价格。PD只有在1月、4月、7月、10月的第一天才有季度数据。我想用周林频率转换的方法生成PD的日数据,从 tempdisagg
包。我知道如何应用 td()
函数,但我没有找到面板数据框架的例子。以下是我的代码和使用 reproduce()
从 devtools
包,所以只包括几个样本日,而不是整个季度。运行 td()
报告了一个错误,在td(PD ~ price, conversion = "first", method = "chow-lin-fixed", fixed.rho = 0.5中出现了错误。
td(PD ~ price, conversion = "first", method = "chow-lin-fixed", fixed.rho = 0.5)错误:在数值模式下,'to'必须是一个整数。
我知道价格和PD都是高频日线指标,在 mydata
所以我想我需要用 to.quarterly()
作用于 PD
或类似的东西。
library(dplyr)
library(zoo)
library(tempdisagg)
library(tsbox)
mydata <- structure(list(date = structure(c(13516, 13516, 13517, 13517,13518, 13518, 13521, 13605, 13605, 13606), class = "Date"), cusip = c("31677310","66585910", "31677310", "66585910", "31677310", "66585910", "31677310","66585910", "31677310", "66585910"), PD = c(0.076891, 0.096,NA, NA, NA, NA, NA, 0.094341, 0.08867, NA), price = c(40.98, 61.31,40.99, 60.77, 40.18, 59.97, 39.92, 59.96, 38.6, 60.69)), row.names = c(6L,13L, 36L, 43L, 66L, 73L, 96L, 1843L, 1866L, 1873L), class = "data.frame")
mydata <- mydata%>%
group_by(cusip) %>%
arrange(cusip,date) %>%
mutate(PDdaily = td(PD ~ price, conversion = "first",method = "chow-lin-fixed", fixed.rho = 0.5))
你的例子是不够的。对于每个分类,我们需要至少3个低频值才能进行回归.下面是一个替代的例子,有3对低频和高频序列。
library(tidyverse)
library(tempdisagg)
library(tsbox)
mydata <- ts_c(
low_freq = ts_frequency(fdeaths, "year"),
high_freq = mdeaths
) %>%
ts_tbl() %>%
ts_wide() %>%
crossing(id = 1:3) %>%
arrange(id)
应用... td
在一个数据框中多次提取数据会很麻烦,将数据提取成两个列表,一个是低频系列,一个是高频系列,会比较容易。
list_lf <- group_split(ts_na_omit(select(mydata, time, value = low_freq, id)), id, keep = FALSE)
list_hf <- group_split(select(mydata, time, value = high_freq, id), id, keep = FALSE)
现在你可以使用 Map()
或 map2()
来将函数应用于每一对元素。
ans <- map2(list_lf, list_hf, ~ predict(td(.x ~ .y)))
将分类数据转化为数据框架。
bind_rows(ans, .id = "id")
#> # A tibble: 216 x 3
#> id time value
#> <chr> <date> <dbl>
#> 1 1 1974-01-01 59.2
#> 2 1 1974-02-01 54.2
#> 3 1 1974-03-01 54.4
#> 4 1 1974-04-01 54.4
#> 5 1 1974-05-01 47.3
#> 6 1 1974-06-01 42.8
#> 7 1 1974-07-01 43.3
#> 8 1 1974-08-01 40.6
#> 9 1 1974-09-01 42.0
#> 10 1 1974-10-01 47.3
#> # … with 206 more rows
创建于2020-06-03 重读包 (v0.3.0)