【文件属性】：
文件名称：imputeFin:具有缺失值和_或离群值的金融时间序列的估算
文件大小：1.61MB
文件格式：ZIP
更新时间：2021-05-10 01:40:41
time-series outliers financial-data missing-values R
imputeFin
由于各种原因（收款过程或处理阶段中的错误，资产流动性不足，资金报告不足等），财务数据中经常会出现价值缺失的情况。 但是，大多数数据分析方法都需要完整的数据，因此不能在缺少值的情况下使用。 一种无需重新设计数据分析方法即可解决此问题的简便方法是估算缺失值。 该程序包提供了一种有效的方法，可以基于使用随机游动或自回归（AR）模型对时间序列进行建模来估算缺失值，从而可以方便地为金融数据中的对数价格和对数建模。 在当前版本中，插补基于单变量（因此不使用资产关联）。 此外，可以检测到异常值并将其删除。
该软件包基于以下文件：
J.Liu，S.Kumar和DP Palomar（2019年）。 带有随机数据的数据丢失的重尾AR模型的参数估计。 IEEE Trans。 信号处理，第一卷。 67号8，第2159-2172页。
R.Zhou，J.Liu，S.Kumar和DP Pa
【文件预览】：
imputeFin-master
----vignettes()
--------ImputeFinancialTimeSeries.html(781KB)
--------ImputeHankel.html(200KB)
--------ImputeHankel.Rmd(6KB)
--------journal-of-econometrics.csl(827B)
--------ImputeFinancialTimeSeries.html.asis(327B)
--------econometrica.csl(12KB)
--------refs.bib(1KB)
--------.gitignore(63B)
--------ImputeFinancialTimeSeries.Rmd(15KB)
----NAMESPACE(454B)
----R_buildignore()
--------profiling_code.R(5KB)
--------test_plotting.R(263B)
--------test_attributes.R(1KB)
--------checking - assist - by Rui.R(5KB)
--------fit_VAR_t.xmind(28KB)
--------test_AR1_gaussian.R(2KB)
--------_plots.R(3KB)
--------checking - by Rui.R(2KB)
--------developer_commands.R(2KB)
--------fit_VAR_t.pdf(31KB)
--------deleted_parts.R(1KB)
--------_test_AR1_t_real_data.R(3KB)
--------test_AR1_t.R(2KB)
----README.html(1.01MB)
----NEWS.md(776B)
----cran-comments.md(323B)
----DESCRIPTION(2KB)
----inst()
--------CITATION(3KB)
----TODO.txt(84B)
----R()
--------ts_AR1_t.R(1KB)
--------estimate_impute_AR1_t.R(36KB)
--------ts_VAR_t.R(736B)
--------ts_AR1_Gaussian.R(1024B)
--------imputeFin-package.R(2KB)
--------plot_imputed.R(6KB)
--------fit_VAR_t.R(26KB)
--------OHLC.R(3KB)
--------misc.R(710B)
--------estimate_impute_AR1_Gaussian.R(34KB)
--------outliers.R(2KB)
----imputeFin.Rproj(303B)
----.Rbuildignore(488B)
----LICENSE(34KB)
----README.md(4KB)
----data()
--------ts_AR1_Gaussian.RData(4KB)
--------ts_VAR_t.RData(5KB)
--------ts_AR1_t.RData(4KB)
----man()
--------figures()
--------.gitignore(5B)
----tests()
--------testthat()
--------testthat.R(62B)
----.gitignore(137B)
----data-raw()
--------generate-ts_AR1_Gaussian.R(1KB)
--------generate-ts_VAR_t.R(718B)
--------generate-ts_AR1_t.R(1KB)
----README.Rmd(4KB)