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題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。