stata 低频转高频（季度转日度）如何实现？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我下载的个股财务杠杆和账面市值比都是季度的数据，想转为日度数据，请问如何实现呢？谢谢大家

----------------------- copy starting from the next line -----------------------

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str6 Stkcd float(Date LEV BM)
   
4. "000002" 21457 1.146224  .964731
   
5. "000002" 21549  1.08892  .982434
   
6. "000002" 21639 1.313664  .937771
   
7. "000002" 21730  1.11641  .950663
   
8. "000002" 21822 1.115368  .971616
   
9. "000002" 21914 1.074941  .948919
   
10. "000002" 22005 1.471233  .991006
    
11. "000002" 22096 1.125107  .993164
    
12. "000002" 22188 1.114664  .987544
    
13. "000002" 22280 1.064576  1.00886
    
14. "000002" 22370  1.38672  1.00363
    
15. "000063" 16982 1.111947  .566728
    
16. "000063" 17074  1.19291  .538784
    
17. "000063" 17166 1.224021  .496556
    
18. "000063" 17256 2.346933  .482847
    
19. "000063" 17347 1.311644  .469436
    
20. "000063" 17439 1.294167  .460933
    
21. "000063" 17531 1.286138  .448222
    
22. "000063" 17622 2.074913  .488662
    
23. "000063" 17713 1.462651   .49645
    
24. "000063" 17805 1.703219  .645302
    
25. "000063" 17897 1.578223   .70431
    
26. "000063" 17987 3.381124  .628543
    
27. "000063" 18078 1.303297   .65047
    
28. "000063" 18170  1.29662  .527079
    
29. "000063" 18262 1.236026  .515536
    
30. "000063" 18352 2.225113  .534488
    
31. "000063" 18443 1.531737  .690516
    
32. "000063" 18535 1.306154  .612668
    
33. "000063" 18627 1.274867   .61223
    
34. "000063" 18717 1.583779  .596463
    
35. "000063" 18808 1.346089  .631535
    
36. "000063" 18900 1.924224  .715838
    
37. "000063" 18992 1.894193  .767896
    
38. "000063" 19083 1.363138  .774968
    
39. "000063" 19174 2.267575  .833798
    
40. "000063" 19358        .  .907882
    
41. "000063" 19448 3.165516  .865495
    
42. "000063" 19539 2.943369  .829494
    
43. "000063" 19631 2.826073  .746139
    
44. "000063" 19723 2.346014  .824497
    
45. "000063" 19813 1.268961  .843532
    
46. "000063" 19904 1.308987  .833992
    
47. "000063" 19996 1.534647  .793991
    
48. "000063" 20088 1.593795  .747968
    
49. "000063" 20178 1.720235  .735033
    
50. "000063" 20269 1.470084  .712331
    
51. "000063" 20361 1.335871  .804005
    
52. "000063" 20453  1.33247  .780592
    
53. "000063" 20544 1.111316  .875685
    
54. "000063" 20635  .964895  .892557
    
55. "000063" 20727 1.033625  .893447
    
56. "000063" 20819        .  .845614
    
57. "000063" 20909  .990943  .828324
    
58. "000063" 21000 1.087959  .719885
    
59. "000063" 21092 1.112349  .664977
    
60. "000063" 21184 1.155305  .573492
    
61. "000063" 21365        .  .852277
    
62. "000063" 21549        .  .724555
    
63. "000063" 21639 1.560336  .610006
    
64. "000063" 21730 1.296231  .578441
    
65. "000063" 21822 1.092868  .602768
    
66. "000063" 21914 1.134878   .55842
    
67. "000063" 22005 1.870895  .487269
    
68. "000063" 22096 1.222752  .540112
    
69. "000063" 22188 1.173519  .604899
    
70. "000063" 22280 1.083042  .579913
    
71. "000063" 22370 1.149438  .641938
    
72. "000066" 16982  .972822  .650691
    
73. "000066" 17074  .968294  .711033
    
74. "000066" 17166  .938979  .727992
    
75. "000066" 17256  .965674  .527378
    
76. "000066" 17347  1.01471  .535085
    
77. "000066" 17439 1.094212  .434683
    
78. "000066" 17531 1.212695  .461073
    
79. "000066" 17622 5.104902  .574584
    
80. "000066" 17713 1.671842  .835362
    
81. "000066" 17805 2.661818  .951487
    
82. "000066" 17897 5.615477  .797973
    
83. "000066" 17987 1.468755  .633396
    
84. "000066" 18078 1.196008  .509399
    
85. "000066" 18170 1.173138  .547582
    
86. "000066" 18262 1.159464  .977657
    
87. "000066" 18352 1.258292  .986353
    
88. "000066" 18443 1.414269  1.03674
    
89. "000066" 18535  .966281  .951801
    
90. "000066" 18627  .986344  .941281
    
91. "000066" 18717  .484187  .967756
    
92. "000066" 18808   .33182 1.043311
    
93. "000066" 18900   .94867 1.091419
    
94. "000066" 18992 1.109036 1.124992
    
95. "000066" 19083  .225103 1.154963
    
96. "000066" 19174  3.43508 1.157313
    
97. "000066" 19266 1.803335 1.145658
    
98. "000066" 19358 2.582588 1.174611
    
99. "000066" 19448        . 1.180134
    
100. "000066" 19539        . 1.170781
     
101. "000066" 19631        . 1.090976
     
102. "000066" 19723        . 1.103269
     
103. "000066" 19904        . 1.064006
     
104. end
     
105. format %tdCCYY-NN-DD Date

复制代码

------------------ copy up to and including the previous line ------------------

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Stata 如何实现 tata stata教材 请教达人关于用stata Stata Stata教程 STATA数据

这样做是否合理呢？将这种类型的季度数据转化为日度？有相关的研究么？烦请指教

wdlbcj 发表于 2021-8-1 19:50
这样做是否合理呢？将这种类型的季度数据转化为日度？有相关的研究么？烦请指教

没有找到相关研究因为其他数据都是日度的，就想这么处理了

不高兴的羊 发表于 2021-8-1 20:37
没有找到相关研究因为其他数据都是日度的，就想这么处理了

问题是每个季度一个数据，你打算怎么弄成日数据，你给举个例子？没听说过这种做法

zdlspace 发表于 2021-8-2 01:22
问题是每个季度一个数据，你打算怎么弄成日数据，你给举个例子？没听说过这种做法

我也不知道怎么操作 我看了看也没有相关文献，问了师兄，这样频率相差较多，应该是不可以这么做的

建议你可以看看高铁梅的教材，有提及这块的内容

lu5862380 发表于 2021-8-6 11:57
建议你可以看看高铁梅的教材，有提及这块的内容

你确定季度数据能变为日数据？这太神奇了，搞出来的日数据可信吗

根据企业的报表报送时间段分为季报、半年报、年报，拟选用的财务指标都是时点指标，是根据报表编制当天企业的财务情况计算的，并不是根据每日的财务情况计算的，转换成日度不科学，或者你可以将那一时间段的日度指标数值都设置成和季度一样

x948936710 发表于 2021-8-19 22:25
根据企业的报表报送时间段分为季报、半年报、年报，拟选用的财务指标都是时点指标，是根据报表编制当天企业 ...

好的 谢谢

在 Stata 中将低频数据（如季度）转换为高频数据（如日度），主要通过插入缺失值和处理日期范围来实现。以下是一个基于您给出的数据结构的示例，使用插值方法填充财务杠杆(LEV)和账面市值比(BM)：

1. **加载数据**：首先确保您的数据已导入 Stata。

2. **生成日度日期变量**：
   如果你的数据是从最早的季度报告到最新的季度报告的连续序列，你可能需要构造一个从最早季度开始到最后一个季度结束的日历时间序列。例如：

   ```stata
   gen dayDate = mdy(1, 1, Date - 60) // 假设每个季度末为最后一天
   replace dayDate = dayDate + 90 if _n != _N // 从上一季度末加90天得到下一季度初，这里简单处理了天数问题。
   gen dummy_date = .
   forvalues i = 1/(_N-1) {
     quietly replace dummy_date = msequence(dayDate[`i'], dayDate[`i'+1'] - 1)
   }
   sort Stkcd Date
   expand dummy_date, by(Stkcd)
   drop dummy_date dayDate
   ```

3. **插值填充 LEV 和 BM**：利用 `cspline`、`mim` 或者简单的线性插值等方法。这里以最简单的前向填充为例：

   ```stata
   sort Stkcd Date
   bysort Stkcd: egen LEV_f = ffill(LEV)
   bysort Stkcd: egen BM_f = ffill(BM)
   drop LEV BM
   rename LEV_f LEV
   rename BM_f BM
   ```

这样，每个季度末的值就被填充到了该季度内的每一天。如果你想更精细地处理日期范围和插值方法，可能需要基于特定的业务逻辑或数据特点来设计代码。

请注意，这种方法仅仅是在没有具体日度数据时的一种填补策略，对于财务指标来说，这种做法假设了季度报告后的数值在下一季度报出前保持不变（或按照某种方式线性变化）。如果要更精确地反映实际情况，可能需要考虑更多因素和复杂的模型。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用