將不規則資料轉為規則資料

在 R 匯入與管理金融資料

Joshua Ulrich

Quantitative Analyst & quantmod Co-Author and Maintainer

規則的日期時間序列

時間觀測等間距
用 seq() 方法建立規則日期時間序列：
- seq.Date()
- seq.POSIXt()（POSIXct 與 POSIXlt）

from_date <- as.Date("2017-01-01")
to_date <- as.Date("2017-01-03")
date_seq <- seq(from = from_date, to = to_date, by = "day")

start() 第一個索引值
end() 最後一個索引值

regular_xts <- xts(seq_along(date_seq), order.by = date_seq)
start(regular_xts)

"2017-01-01"

end(regular_xts)

"2017-01-03"

seq(from = start(regular_xts), to = end(regular_xts), by = "day")

"2017-01-01" "2017-01-02" "2017-01-03"

零寬度 xts 物件

只有索引、沒有資料的 xts 物件

zero_width_xts <- xts(, order.by = date_seq)
zero_width_xts

Data:
numeric(0)
Index:
 Date[1:3], format: "2017-01-01" "2017-01-02" "2017-01-03"

str(zero_width_xts)

An 'xts' object of zero-width

由不規則生成規則資料

在規則序列的每個日期時間加入觀測值
結果含有 NA

合併不規則 xts 與規則零寬度 xts

irregular

           Price
2017-01-02 20.01
2017-01-04 20.02
2017-01-10 20.05

date_seq <- seq(from = start(irregular),
                to = end(irregular),
                by = "day")

regular_xts <- xts(, date_seq)

合併不規則 xts 與規則零寬度 xts

merge(irregular, regular_xts)

           Price
2017-01-02 20.01
2017-01-03    NA
2017-01-04 20.02
2017-01-05    NA
2017-01-06    NA
2017-01-07    NA
2017-01-08    NA
2017-01-09    NA
2017-01-10 20.05

填補遺漏值

merged_xts <- merge(irregular, regular_xts)

na.locf(merged_xts)

           Price
2017-01-02 20.01
2017-01-03 20.01
2017-01-04 20.02
2017-01-05 20.02
2017-01-06 20.02
2017-01-07 20.02
2017-01-08 20.02
2017-01-09 20.02
2017-01-10 20.05

填補遺漏值

merge(irregular, regular_xts, fill = na.locf)

           Price
2017-01-02 20.01
2017-01-03 20.01
2017-01-04 20.02
2017-01-05 20.02
2017-01-06 20.02
2017-01-07 20.02
2017-01-08 20.02
2017-01-09 20.02
2017-01-10 20.05

一起來練習吧！

在 R 匯入與管理金融資料