Come posso usare il comando `td` dal pacchetto` tempdisagg` per disaggregare i dati mensili nella frequenza giornaliera?

Ho una frequenza mensile che sto cercando di disaggregare in una frequenza giornaliera. Quindi uso il tdcomando dal tempdisaggpacchetto in R usando il codice seguente:

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

Quindi ricevo il seguente messaggio di errore:

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

I dati per cui utilizzo datsono i seguenti:

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

Quindi, sebbene questi dati datsiano in frequenza mensile, l'inizio e la fine non riflettono ancora questo. In effetti, la data di inizio è 1/1997 e la data di fine è 9/2019.

Posso ricevere assistenza per disaggregare questi dati mensili datin dati di frequenza giornalieri, per favore?

Sembra che il pacchetto tempdisagg non consenta la disaggregazione mensile o giornaliera. Dal td()file della guida "a" argomento:

frequenza di destinazione ad alta frequenza come stringa di caratteri ("trimestrale" o "mensile") o scalare (ad es. 2, 4, 7, 12). Se le serie di input sono oggetti ts, l'argomento è necessario se non viene fornito alcun indicatore. Se le serie di input sono vettori, deve essere uno scalare che indica il rapporto di frequenza.

Il tuo messaggio di errore "argomento" ": stringa di caratteri sconosciuta" è perché l' to =argomento accetta solo "trimestrale" o "mensile" come stringhe.

C'è qualche discussione sul disaggregare i dati mensili su quotidiani sullo stack stack di statistiche qui: /stats/258810/disaggregate-monthly-forecasts-into-daily-data

Dopo alcune ricerche, sembra che nessuno utilizzi costantemente dati disaggregati su base mensile o giornaliera. Il tempdisaggpacchetto sembra essere in grado di ciò che la maggior parte degli altri ha scoperto essere possibile - da annuale a trimestrale o mensile e periodi di tempo coerenti anche multipli.

Eric, ho aggiunto una sceneggiatura che dovrebbe illustrare cosa stai cercando di fare, come ho capito.

Qui utilizziamo dati sui prezzi reali per passare dai prezzi giornalieri -> prezzi mensili -> rendimenti mensili -> rendimenti giornalieri medi.

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))

Ecco tre grafici che mostrano 1. solo rendimenti mensili, 2. media giornaliera dai rendimenti mensili, 3. entrambi insieme. Poiché sono identici, la sovraincisione nella terza immagine ne mostra solo una.