标签:处理 方法 rank V2 频率 时候 低频 高频 数据
不同频率数据的处理方法
降频
- 这个方法不行,因为我们要做到daily based predict,而我们能拿到的高频的数据就是daily,如果我们能拿到更高配的数据那也行
最简单(扭曲了现象)
- 直接把这个季度里面的所有天的数据都放成一个值
- 高频数据:天
- 低频数据:季度
插值(扭曲)
- 低频模型给出估计以后线性插值做为高频因子
- 50个数字丢了一个是可以插值,少量的数据丢了可以
dummy variable的方法(这个方法比较practical)
- GDP 公布的时候他的值是1,其他的时候标注为0
- 公布的时候可能之前多
- GDP的之后
在低频数据结果的时候把其对于下一天数据的影响变高(和dummy variable一样的)
- 就相当于在正常的时候还是日度指标rank高一些,等月(季)度数据出来的时候这个月(季)度数据指标rank高一些
标签:处理,方法,rank,V2,频率,时候,低频,高频,数据 来源: https://blog.csdn.net/Dequn_Teng_CSDN/article/details/120754352
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。