Come tracciare 20 anni di dati giornalieri in serie temporali

Ho il seguente set di dati: https://dl.dropbox.com/u/22681355/ORACLE.csv e vorrei tracciare le modifiche giornaliere in "Apri" per "Data", quindi ho fatto quanto segue:

oracle <- read.csv(file="http://dl.dropbox.com/u/22681355/ORACLE.csv", header=TRUE)
plot(oracle$Date, oracle$Open, type="l")

e ottengo il seguente:

Ora, ovviamente, questa non è la trama più bella di sempre, quindi mi chiedo quale sia il metodo giusto da utilizzare per la stampa di dati così dettagliati?

Il problema con i tuoi dati non è che sono estremamente dettagliati: non hai valori nei fine settimana, ecco perché sono tracciati con lacune. Esistono due modi per gestirlo:

1. O cercare di indovinare valori approssimativi in week-end con alcuni metodi di lisciatura ( smooth.spline, loess, ecc). Il codice di interpolazione semplice è di seguito. Ma in questo caso introducerai qualcosa di "innaturale" e artificiale nei dati. Ecco perché preferisco la seconda opzione.

currentDate <- min(as.Date(oracle$Date))
dates <- c(currentDate)
openValues <- c(oracle$Open[5045])
i <- 5044
while (i > 0) {
  currentDate <- currentDate + 1;
  dates <- c(dates, currentDate)
  if (currentDate == as.Date(oracle$Date[i])) {
        # just copy value and move
        openValues <- c(openValues, oracle$Open[i])
        i <- i-1
      } else {
        # interpolate value
        openValues <- c(openValues, mean(oracle$Open[i:i-1]))
  }
}
plot(dates, openValues, type="l")

1. Puoi passare da una base giornaliera a una base settimanale, calcolando in media (ad esempio) cinque punti sequenziali che arrivano a una settimana (in questo caso stai "uccidendo" alcune informazioni). Sarebbe solo un rapido esempio di come farlo

openValues = c(mean(oracle$Open[1:5]));
dates = c(as.Date(oracle$Date[1]));
for (i in seq(6,5045,5)) {
  openValues = c(openValues, mean(oracle$Open[i:i+5]));
      dates = c(dates, as.Date(oracle$Date[i]));
}
plot(dates, openValues, type="l")

Spero che possa aiutare.

Poiché il problema è comune a molti ambienti software statistici, discutiamolo qui su Cross Validated anziché migrarlo in un forum specifico per R (come StackOverflow).

Il vero problema è che Dateviene trattato come un fattore - una variabile discreta - e quindi le linee non vengono collegate correttamente. (Né i punti vengono tracciati in modo perfettamente accurato in direzione orizzontale.)

Per creare il diagramma a destra, il Datecampo è stato convertito da un fattore a una data effettiva, ogni settimana è stata identificata con un semplice calcolo (interrompendo le settimane tra sabato e domenica) e le linee sono state interrotte nei fine settimana ripetendo ciclicamente le settimane:

oracle$date <- as.Date(oracle$Date)
oracle$week.num <- (as.integer(oracle$date) + 3) %/% 7 
oracle$week <- as.Date(oracle$week.num * 7 - 3, as.Date("1970-01-01", "%Y-%m-%d"))

par(mfrow=c(1,2))
plot(as.factor(unclass(oracle$Date[1:120])), oracle$Open[1:120], type="l",
     main="Original Plot: Inset", xlab="Factor code")
plot(oracle$date[1:120], oracle$Open[1:120], type="n", ylab="Price", 
     main="Oracle Opening Prices")
tmp <- by(oracle[1:120,], oracle$week[1:120], function(x) lines(x$date, x$Open, lwd=2))

(Una data equivalente di ogni settimana, che oracleindica il lunedì di quella settimana, è stata anche memorizzata nel frame di dati perché può essere utile per tracciare dati aggregati settimanali.)

L'intenzione originale può essere raggiunta semplicemente emulando l'ultima riga per visualizzare tutti i dati. Per aggiungere alcune informazioni sul comportamento stagionale, la seguente trama varia il colore per settimana durante ogni anno solare:

par(mfrow=c(1,1))
colors <- terrain.colors(52)
plot(oracle$date, oracle$Open, type="n", main="Oracle Opening Prices")
tmp <- by(oracle, oracle$week, 
          function(x) lines(x$date, x$Open, col=colors[x$week.num %% 52 + 1]))

Non interpolerei nei fine settimana. Pochissime borse vengono scambiate sabato e nessuna di quelle che conosco domenica. Stai introducendo una stima per i dati che non sono mai esistiti, quindi perché non rimuovere semplicemente sabato e domenica dal set di dati? Vorrei fare qualcosa come il seguente:

require(ggplot2)
require(scales)
require(gridExtra)
require(lubridate)
require(reshape)

set.seed(12345)

# Create data frame from random data
daysback <- 1000 # number of days, only a few for this example
startdate <- as.Date(format(now()), format = "%Y-%m-%d") - days(daysback)
mydf <- data.frame(mydate = seq(as.Date(startdate), by = "day", length.out = daysback),
                   open = runif(daysback, min = 600, max = 800))

# Now that we have a data frame, remove the weekend days
mydf <- mydf[!(weekdays(as.Date(mydf$mydate)) %in% c('Saturday','Sunday')),] # remove weekend days
    # Calculate change, except for the first date
    mydf$diff <- c(NA, diff(mydf$open))
    # Remove first row with no 'diff' value
    firstdate <- head(mydf$mydate, 1)
mydf <- mydf[mydf$mydate > firstdate, ]

p <- ggplot(mydf, aes(x = mydate, y = diff)) +
    geom_bar(data = mydf, stat = "identity", fill = "red")

print(p)

Per quanto riguarda l'aspetto della tua trama, suppongo che l'aggiunta di più etichette sotto l'asse x la migliorerebbe visivamente. L'aspetto della trama suggerita è disponibile qui http://imgur.com/ZTNPniA

Non so come realizzare una trama del genere, è solo un'idea (che non ho visto realizzato in R)