Auf niedrigere Frequenz aggregieren

Importing und Verwalten finanzieller Daten in R

Joshua Ulrich

Quantitative Analyst & quantmod Co-Author and Maintainer

Niedrigfrequente Daten

Zeitstempel haben zu hohe Auflösung
Das 1. Quartal 2017 darstellen
- "2017-01-01" (Anfang)
- "2017-03-31" (Ende)
- "2017-02-01" (Mitte)

Beispiel

Vergleiche die tägliche 10‑Jahres-Rendite (constant maturity) mit dem BIP der USA (vierteljährlich)
FRED-Symbole:
- DGS10
- GDP

Aggregierte Daten mit Niedrigfrequenzdaten mergen

# Auf Quartale aggregieren
QGS10 <- apply.quarterly(DGS10, median, na.rm = TRUE)

# Quartalsaggregation mit quartalsweisem BIP mergen
QGS10_GDP <- merge(QGS10, GDP)
QGS10_GDP

           DGS10     GDP
2015-01-01    NA 17783.6
2015-03-31  1.97      NA
2015-04-01    NA 17998.3
2015-06-30  2.19      NA
2015-07-01    NA 18141.9
2015-09-30  2.20      NA
2015-10-01    NA 18222.8
2015-12-31  2.23      NA

Niedrigfrequente Datum-Zeit-Klassen

yearmon() für Monatsdaten
yearqtr() für Quartalsdaten

as.Date("2017-01-01")

"2017-01-01"

as.yearmon("2017-01-01")

"Jan 2017"

as.yearqtr("2017-01-01")

"2017 Q1"

Index auf niedrigste Frequenz umstellen

# Convert both indexes to yearqtr
index(QGS10) <- as.yearqtr(index(QGS10))
index(GDP) <- as.yearqtr(index(GDP))

# Merging 'just works'
merge(QGS10, GDP)

        DGS10     GDP
2015 Q1  1.97 17783.6
2015 Q2  2.19 17998.3
2015 Q3  2.20 18141.9
2015 Q4  2.23 18222.8

Am Periodenanfang ausrichten

# Letzte Beobachtung rückwärts tragen
QGS10_GDP_locb <- na.locf(QGS10_GDP, fromLast = TRUE)

# Nach Anfangszeitpunkt indizieren
QGS10_GDP_first_period <- QGS10_GDP_locb[index(GDP)]
QGS10_GDP_first_period

          DGS10     GDP
2015-01-01  1.97 17783.6
2015-04-01  2.19 17998.3
2015-07-01  2.20 18141.9
2015-10-01  2.23 18222.8

Lass uns üben!

Importing und Verwalten finanzieller Daten in R