如何使用tempdisagg软件包中的td命令将每月数据分解为每日数据频率？

我有一个每月频率数据，试图将其分解为每日频率数据。所以我使用下面的代码td从tempdisaggR中的包中使用命令：

 dat=ts(data[,2])
 result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog")

然后我收到以下错误消息：

 Error in td(dat ~ 1, conversion = "average", to = "day", method = "chow-lin-maxlog") : 'to' argument: unknown character string

我使用的数据dat如下：

 > dput(head(dat))
 c(82.47703009, 84.63094431, 70.00659987, 78.81135651, 74.749746,82.95638213)

因此，尽管此数据dat以每月频率显示，但开始和结束尚未反映出来。实际上，开始日期是1/1997，结束日期是9/2019。

在将此月度数据dat分解为每日频率数据方面，我可以得到帮助吗？

看起来tempdisagg软件包不允许进行每月到每天的分类。从td()帮助文件“ to”参数中：

高频目标频率，例如字符串（“每季度”或“每月”）或标量（例如2、4、7、12）。如果输入序列是ts对象，则在没有给出指示符的情况下该参数是必需的。如果输入序列是向量，则to必须是表示频率比的标量。

您的错误消息“'to'参数：未知字符串”是因为该to =参数仅接受“每季度”或“每月”作为字符串。

这里有一些关于在统计堆栈交换上将每月数据分解为每日的讨论：https : //stats.stackexchange.com/questions/258810/disaggregate-monthly-forecasts-into-daily-data

经过一番搜索后，似乎没人连续使用每月分类的数据。该tempdisagg软件包似乎能够满足大多数其他人的可能-每年一次，每季度一次或每月一次，并且时间段甚至是整数倍。

埃里克（Eric），根据我的理解，我在下面添加了一个脚本，该脚本应说明您正在尝试执行的操作。

在这里，我们使用实际定价数据从每日价格->每月价格->每月收益->平均每日收益转移。

library(quantmod)
library(xts)
library(zoo)
library(tidyverse)
library(lubridate)

# Get price data to use as an example
getSymbols('MSFT')

#This data has more information than we want, remove unwanted columns:
msft <- Ad(MSFT) 

#Add new column that acts as an 'indexed price' rather than 
# actual price data.  This is to show that calculated returns
# don't depend on real prices, data indexed to a value is fine.
msft$indexed <- scale(msft$MSFT.Adjusted, center = FALSE)

#split into two datasets  
msft2 <- msft$indexed
msft$indexed <- NULL


#msft contains only closing data, msft2 only contains scaled data (not actual prices)
#  move from daily data to monthly, to replicate the question's situation.
a <- monthlyReturn(msft)
b <- monthlyReturn(msft2)

#prove returns based on rescaled(indexed) data and price data is the same:
all.equal(a,b)

# subset to a single year
a <- a['2019']
b <- b['2019']

#add column with days in each month
a$dim <- days_in_month(a) 
a$day_avg <- a$monthly.returns / a$dim  ## <- This must've been left out

day_avgs <- data.frame(day_avg = rep(a$day_avg, a$dim))


# daily averages timesereis from monthly returns.
z <- zoo(day_avgs$day_avg, 
         seq(from = as.Date("2019-01-01"), 
             to = as.Date("2019-12-31"), 
             by = 1)) %>%
  as.xts()

#chart showing they are the same:
PerformanceAnalytics::charts.PerformanceSummary(cbind(a$monthly.returns, z))

这是三个图表，显示1. 1.仅月度收益； 2.月度收益的每日平均值； 3.两者合计。由于它们是相同的，因此在第三幅图像中进行的过度绘图仅显示一个。