在R中使用tempdisagg在面板数据中进行低频到高频转换。

Question

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))

Answer 1

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)}