不同频率数据的处理方法V2
生活随笔
收集整理的這篇文章主要介紹了
不同频率数据的处理方法V2
小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
不同頻率數(shù)據(jù)的處理方法
降頻
- 這個(gè)方法不行，因?yàn)槲覀円龅絛aily based predict，而我們能拿到的高頻的數(shù)據(jù)就是daily，如果我們能拿到更高配的數(shù)據(jù)那也行
最簡(jiǎn)單（扭曲了現(xiàn)象）
- 直接把這個(gè)季度里面的所有天的數(shù)據(jù)都放成一個(gè)值
- 高頻數(shù)據(jù)：天
- 低頻數(shù)據(jù)：季度
插值（扭曲）
- 低頻模型給出估計(jì)以后線性插值做為高頻因子
- 50個(gè)數(shù)字丟了一個(gè)是可以插值，少量的數(shù)據(jù)丟了可以
dummy variable的方法（這個(gè)方法比較practical）
- GDP 公布的時(shí)候他的值是1，其他的時(shí)候標(biāo)注為0
- 公布的時(shí)候可能之前多
- GDP的之后
在低頻數(shù)據(jù)結(jié)果的時(shí)候把其對(duì)于下一天數(shù)據(jù)的影響變高（和dummy variable一樣的）
- 就相當(dāng)于在正常的時(shí)候還是日度指標(biāo)rank高一些，等月（季）度數(shù)據(jù)出來(lái)的時(shí)候這個(gè)月（季）度數(shù)據(jù)指標(biāo)rank高一些
總結(jié)
以上是生活随笔為你收集整理的不同频率数据的处理方法V2的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
