Изменение периодичности данных панели в R - PullRequest
Новая
       21

Изменение периодичности данных панели в R

0 голосов
/ 01 марта 2019

У меня есть данные банковской панели, которые ежемесячно.Я хочу конвертировать в квартальную частоту, используя среднее значение трех месяцев в данном квартале.Ниже заголовок () моего фрейма данных: 

    db %>% select(Data,Bank,PC) %>% head()
    # A tibble: 6 x 3
      Data       Bank                             PC
      <date>     <chr>                         <dbl>
    1 2017-01-01 BANCO BM&FBOVESPA        502630099.
    2 2017-01-01 BANCO BONSUCESSO S.A.   1716340938.
    3 2017-01-01 BANCO BRADESCARD        5334785523.
    4 2017-01-01 BANCO BTG PACTUAL S.A. 98935990703.
    5 2017-01-01 BANCO CBSS               596039238.
    6 2017-01-01 BANCO CIFRA              116806412.

Этот набор данных содержит ежемесячные данные за 2017 год для более чем 100 банков.Мне нужно конвертировать каждую банковскую серию в квартальную частоту.Поэтому в приведенном выше примере мне нужно вычислить среднее значение ПК для каждого квартала года для каждого банка в выборке.Другими словами, мне нужно изменить частоту моих данных Panel с ежемесячной на квартальную.Как я могу получить данные в R?

Ниже приведено подмножество моих данных, если кто-то хочет их попробовать. 

    structure(list(Data = structure(c(17167, 17198, 17226, 17257, 
    17287, 17318, 17348, 17379, 17410, 17440, 17471, 17501), class = "Date"), 
Bank = c("BANCO ORIGINAL", "BANCO ORIGINAL", "BANCO ORIGINAL", 
"BANCO ORIGINAL", "BANCO ORIGINAL", "BANCO ORIGINAL", "BANCO ORIGINAL", 
"BANCO ORIGINAL", "BANCO ORIGINAL", "BANCO ORIGINAL", "BANCO ORIGINAL", 
"BANCO ORIGINAL"), Taxonomy = c("BANCOS MULTIPLOS", "BANCOS MULTIPLOS", 
"BANCOS MULTIPLOS", "BANCOS MULTIPLOS", "BANCOS MULTIPLOS", 
"BANCOS MULTIPLOS", "BANCOS MULTIPLOS", "BANCOS MULTIPLOS", 
"BANCOS MULTIPLOS", "BANCOS MULTIPLOS", "BANCOS MULTIPLOS", 
"BANCOS MULTIPLOS"), Liq = c(1.1997748808169, 1.19259719096416, 
1.17984955128666, 1.18695199874656, 1.19834389025218, 1.22404552882798, 
1.24812868632381, 1.25155515564228, 1.23908341171122, 1.22923764062342, 
1.22573014109315, 1.19451856437255), Cap = c(0.0564130001266887, 
0.0511332310836733, 0.055115912263737, 0.0610766393321285, 
0.0516610760871821, 0.0519465686269887, 0.0582801135631064, 
0.053508898053011, 0.0557890616137837, 0.0639122025397535, 
0.0588865316259913, 0.0534625111456079), Size = c(24.3393816873135, 
24.4387493714898, 24.3615598295339, 24.2589048360285, 24.4251409240454, 
24.4154251928763, 24.3141208787945, 24.4120044047441, 24.3647597828241, 
24.219599367394, 24.304650218349, 24.3922876799839), risk = c(0.220292714085706, 
0.226351022665361, 0.225513481661864, 0.261226698162742, 
0.268547230949181, 0.193220911345295, 0.189681335841555, 
0.203642574652873, 0.17111480849187, 0.198715216005694, 0.189870257131344, 
0.13419221010663), profitability = c(-0.01753800950183, -0.0175186818010891, 
-0.017557013896287, -0.0175563818325023, -0.0175772644337278, 
-0.0176513268874473, -0.0161626726677722, -0.015962366730429, 
-0.0160506385110374, -0.0161994381957536, -0.0161484427069834, 
-0.0162943410707466)), row.names = c(NA, -12L), class = c("tbl_df", 
    "tbl", "data.frame"))

Ответы [ 2 ]

0 голосов
/ 01 марта 2019

Вы можете разделить значение месяца на три (и добавить одно к сдвигу qtr к 1: 4).Вы можете вставить значение года, если данные охватывают несколько лет: 

 aggregate(dat[4:8], list( qtr=as.POSIXlt(dat$Data)$mon%/%3 +1, bank=dat$Bank), mean)
  qtr           bank      Liq        Cap     Size      risk profitability
1   1 BANCO ORIGINAL 1.190741 0.05422071 24.37990 0.2240524   -0.01753790
2   2 BANCO ORIGINAL 1.203114 0.05489476 24.36649 0.2409983   -0.01759499
3   3 BANCO ORIGINAL 1.246256 0.05585936 24.36363 0.1881462   -0.01605856
4   4 BANCO ORIGINAL 1.216495 0.05875375 24.30551 0.1742592   -0.01621407

Оказывается, в зоопарке есть класс yearqtr, который был бы еще лучше: 

library(zoo)
aggregate(dat[4:8], list( qtr=as.yearqtr(dat$Data), bank=dat$Bank), mean)
      qtr           bank      Liq        Cap     Size      risk profitability
1 2017 Q1 BANCO ORIGINAL 1.190741 0.05422071 24.37990 0.2240524   -0.01753790
2 2017 Q2 BANCO ORIGINAL 1.203114 0.05489476 24.36649 0.2409983   -0.01759499
3 2017 Q3 BANCO ORIGINAL 1.246256 0.05585936 24.36363 0.1881462   -0.01605856
4 2017 Q4 BANCO ORIGINAL 1.216495 0.05875375 24.30551 0.1742592   -0.01621407
0 голосов
/ 01 марта 2019

Если вы используете библиотеку lubridate, вы можете сгенерировать квартал: 

library(lubridate)
db %>% mutate(qData = quarter(Data))

Best!

...