Як я можу використовувати команду `td` з пакету` tempdisagg` для розбиття щомісячних даних на щоденну частоту даних?

У мене є щомісячні дані про частоту, які я намагаюся розділити на щоденні дані частоти. Тому я використовую tdкоманду з tempdisaggпакета в R, використовуючи код нижче:

 dat=ts(data[,2])
 result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog")

Тоді я отримую таке повідомлення про помилку:

 Error in td(dat ~ 1, conversion = "average", to = "day", method = "chow-lin-maxlog") : 'to' argument: unknown character string

Я використовую datтакі дані:

 > dput(head(dat))
 c(82.47703009, 84.63094431, 70.00659987, 78.81135651, 74.749746,82.95638213)

Тож хоча ці дані datє щомісячною періодичністю, початок і кінець цього ще не відображають. Фактично дата початку - 1/1997, а дата закінчення - 9/2019.

Чи можу я отримати допомогу щодо дезагрегації цих щомісячних даних datна дані про щоденну частоту?

Схоже, пакет tempdisagg не дозволяє щомісяця розбирати щоденно. З td()аргументу "до" аргументу:

високочастотна частота призначення як символьна рядок ("щоквартально" або "щомісяця") або як скалярна (наприклад, 2, 4, 7, 12). Якщо ряд вхідних даних є об'єктами, аргумент необхідний, якщо не вказано індикатора. Якщо вхідні ряди є векторами, повинен бути скаляр, що вказує на співвідношення частоти.

Ваше повідомлення про помилку "'to' аргумент: рядок невідомого символу" пояснюється тим, що to =аргумент приймає лише "квартальний" або "щомісячний" як рядки.

Тут є певна дискусія щодо дезагрегації щомісячних даних на щоденні на статистиці stackexchage тут: /stats/258810/disaggregate-monthly-forecasts-into-daily-data

Після деяких пошуків, схоже, ніхто не використовує щоденно розділених даних щоденно. tempdisaggПакет , здається, здатний то , що більшість інших знайшли можливим - раз в рік щоквартально або щомісяця, і періоди часу, які відповідають кратні.

Еріку, я додав нижче сценарій, який повинен ілюструвати те, що ти намагаєшся робити, наскільки я це розумію.

Тут ми використовуємо дані реального ціноутворення, щоб перейти від щоденних цін -> місячні ціни -> місячні декларації -> середньоденні доходи.

library(quantmod)
library(xts)
library(zoo)
library(tidyverse)
library(lubridate)

# Get price data to use as an example
getSymbols('MSFT')

#This data has more information than we want, remove unwanted columns:
msft <- Ad(MSFT) 

#Add new column that acts as an 'indexed price' rather than 
# actual price data.  This is to show that calculated returns
# don't depend on real prices, data indexed to a value is fine.
msft$indexed <- scale(msft$MSFT.Adjusted, center = FALSE)

#split into two datasets  
msft2 <- msft$indexed
msft$indexed <- NULL


#msft contains only closing data, msft2 only contains scaled data (not actual prices)
#  move from daily data to monthly, to replicate the question's situation.
a <- monthlyReturn(msft)
b <- monthlyReturn(msft2)

#prove returns based on rescaled(indexed) data and price data is the same:
all.equal(a,b)

# subset to a single year
a <- a['2019']
b <- b['2019']

#add column with days in each month
a$dim <- days_in_month(a) 
a$day_avg <- a$monthly.returns / a$dim  ## <- This must've been left out

day_avgs <- data.frame(day_avg = rep(a$day_avg, a$dim))


# daily averages timesereis from monthly returns.
z <- zoo(day_avgs$day_avg, 
         seq(from = as.Date("2019-01-01"), 
             to = as.Date("2019-12-31"), 
             by = 1)) %>%
  as.xts()

#chart showing they are the same:
PerformanceAnalytics::charts.PerformanceSummary(cbind(a$monthly.returns, z))

Ось три діаграми, що показують 1. лише щомісячні прибутки, 2. середньоденні показники від місячних повернень, 3. обидва разом. Оскільки вони однакові, перенапруження на третьому зображенні показує лише одне.