Bagaimana saya bisa menggunakan perintah `td` dari paket` tempdisagg` untuk memisahkan data bulanan menjadi frekuensi data harian?

Saya memiliki data frekuensi bulanan yang saya coba pisahkan menjadi data frekuensi harian. Jadi saya menggunakan tdperintah dari tempdisaggpaket di R menggunakan kode di bawah ini:

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

Lalu saya mendapatkan pesan kesalahan berikut:

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

Data yang saya gunakan datadalah sebagai berikut:

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

Jadi meskipun data datini dalam frekuensi bulanan, awal dan akhir belum mencerminkan ini. Bahkan, tanggal mulai adalah 1/1997 dan tanggal akhir adalah 9/2019.

Bolehkah saya mendapatkan bantuan untuk memisahkan data bulanan ini datmenjadi data frekuensi harian?

Sepertinya paket tempdisagg tidak memungkinkan disagregasi bulanan ke harian. Dari td()argumen file bantuan 'ke':

frekuensi tujuan frekuensi tinggi sebagai string karakter ("triwulanan" atau "bulanan") atau sebagai skalar (mis. 2, 4, 7, 12). Jika seri input adalah objek ts, argumen diperlukan jika tidak ada indikator yang diberikan. Jika seri input adalah vektor, harus berupa skalar yang menunjukkan rasio frekuensi.

Pesan kesalahan Anda "ke 'argumen: string karakter tidak dikenal" adalah karena to =argumen hanya menerima' triwulanan 'atau' bulanan 'sebagai string.

Ada beberapa diskusi tentang pemisahan data bulanan setiap hari di statistik stackexchage di sini: /stats/258810/disaggregate-monthly-forecasts-into-daily-data

Setelah beberapa pencarian, sepertinya tidak ada yang secara konsisten menggunakan data bulanan ke data harian terpilah. The tempdisaggpaket tampaknya mampu apa yang telah ditemukan kebanyakan orang lain menjadi mungkin - tahunan untuk kuartalan atau bulanan, dan periode waktu yang bahkan kelipatan konsisten.

Eric, saya telah menambahkan skrip di bawah ini yang harus menggambarkan apa yang Anda coba lakukan, seperti yang saya mengerti.

Di sini kami menggunakan data penetapan harga riil untuk berpindah dari harga harian -> harga bulanan -> pengembalian bulanan -> pengembalian harian rata-rata.

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))

Berikut adalah tiga grafik yang menunjukkan 1. pengembalian bulanan saja, 2. rata-rata harian dari pengembalian bulanan, 3. keduanya bersamaan. Karena mereka identik, overplotting pada gambar ketiga hanya menunjukkan satu.