Phương pháp nào tốt nhất để thu thập số liệu khối lượng trong ngày từ một khoảng thời gian giá cổ phiếu bằng cách sử dụng XTS/ZOO vv trong R?

Question

Ví dụ, giả sử bạn có ~ 10 năm ngày 1 dữ liệu tối thiểu cho khối lượng cụ x như sau (ở định dạng xts) 9:30-04:30:

Date.Time    Volume   
    2001-01-01 09:30:00  1200 
    2001-01-01 09:31:00  1110 
    2001-01-01 09:32:00  1303 

Tất cả các cách thức thông qua để:

2010-12-20 16:28:00  3200 
    2010-12-20 16:29:00  4210 
    2010-12-20 16:30:00  8303 

tôi muốn:

• Lấy khối lượng trung bình tại mỗi phút cho toàn bộ loạt (tức là khối lượng trung bình trên tất cả 10 năm lúc 9:30, 9:31, 09:32 ... 16:28, 16:29, 16:30)

Làm thế nào tôi nên đi tốt nhất về:

• Tập hợp các dữ liệu vào xô một phút
• Lấy trung bình của những thùng đó
• Tái tạo lại những nhóm "trung bình" đó trở lại chuỗi thời gian xts/sở thú duy nhất?

Tôi đã có một xô tốt xung quanh với aggregate, sapply, period.apply chức năng vv, nhưng chỉ dường như không thể "bin" các dữ liệu một cách chính xác.

Thật dễ dàng để giải quyết vấn đề này với vòng lặp, nhưng rất chậm. Tôi muốn tránh một giải pháp có lập trình và sử dụng chức năng tận dụng kiến ​​trúc C++ (tức là giải pháp dựa trên xts)

Có ai có thể đưa ra một số lời khuyên/giải pháp không?

Cảm ơn bạn rất nhiều trước.

Answer 1

Đầu tiên cho phép tạo ra một số dữ liệu thử nghiệm:

library(xts) # also pulls in zoo 
library(timeDate) 
library(chron) # includes times class 

# test data 
x <- xts(1:3, timeDate(c("2001-01-01 09:30:00", "2001-01-01 09:31:00", 
    "2001-01-02 09:30:00"))) 

1) aggregate.zoo. Bây giờ hãy thử chuyển đổi nó để times lớp và tổng hợp sử dụng này một liner:

aggregate(as.zoo(x), times(format(time(x), "%H:%M:%S")), mean) 

1a) aggregate.zoo (biến thể). hoặc sự thay đổi này mà chuyển đổi hàng loạt tổng hợp ngắn hơn để times để tránh phải làm điều đó trên loạt gốc còn:

ag <- aggregate(as.zoo(x), format(time(x), "%H:%M:%S"), mean) 
zoo(coredata(ag), times(time(ag))) 

2) tapply.Một thay thế sẽ là tapply đó là khả năng nhanh hơn:

ta <- tapply(coredata(x), format(time(x), "%H:%M:%S"), mean) 
zoo(unname(ta), times(names(ta))) 

EDIT: đơn giản (1) và gia tăng (1a) và (2)

Answer 2

Đây là một giải pháp với ddply, nhưng bạn có thể có lẽ cũng sử dụng sqldf, tapply, aggregate, by vv

# Sample data 
minutes <- 10 * 60 
days <- 250 * 10 
d <- seq.POSIXt( 
    ISOdatetime(2011,01,01,09,00,00, "UTC"), 
    by="1 min", length=minutes 
) 
d <- outer(d, (1:days) * 24*3600, `+`) 
d <- sort(d) 
library(xts) 
d <- xts(round(100*rlnorm(length(d))), d) 

# Aggregate 
library(plyr) 
d <- data.frame( 
    minute=format(index(d), "%H:%M"), 
    value=coredata(d) 
) 
d <- ddply( 
    d, "minute", 
    summarize, 
    value=mean(value, na.rm=TRUE) 
) 

# Convert to zoo or xts 
zoo(x=d$value, order.by=d$minute) # The index does not have to be a date or time 
xts(x=d$value, order.by=as.POSIXct(sprintf("2012-01-01 %s:00",d$minute), "%Y-%m-%d %H:%M:%S"))