本文主要是介绍不同频率数据的处理方法V2，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

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

这篇关于不同频率数据的处理方法V2的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！