使用 tempdisagg 在 R 中的面板数据中进行低频到高频转换

Question

我有包含四个变量的每日面板数据：日期、cusip（id 标识符）、PD（默认概率）和价格。 PD 仅在 1 月、4 月、7 月和 10 月的第一天按季度提供。我想使用 tempdisagg 包中的 Chow-Lin 频率转换为 PD 生成每日数据。我知道如何在时间序列上应用td() 函数，但我没有找到面板数据框的示例。这是我使用来自devtools 包的reproduce() 的代码和示例数据，因此只包括几个示例天而不是整个季度。运行td()报错：

td 中的错误（PD ~ 价格，转换 = “first”，方法 = “chow-lin-fixed”，fixed.rho = 0.5) : 在数字模式下，'to' 必须是整数。

我知道价格和PD都是mydata中的高频每日指标，所以我想我需要在PD或类似的东西上使用to.quarterly()函数。

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。对于每个分解，我们需要至少 3 个低频值才能执行回归。 这是一个替代示例，具有 3 对低频和高频系列：

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)

对数据框中的数据多次应用td 会很麻烦。 更容易将数据提取到两个列表中，一个是低频序列，一个是高频序列：

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)

现在您可以使用Map() 或map2() 将函数应用于每对元素：

ans <- map2(list_lf, list_hf, ~ predict(td(.x ~ .y)))

将分解后的数据转换回数据框：

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

^{由reprex package (v0.3.0) 于 2020 年 6 月 3 日创建}