Comment tracer 20 ans de données quotidiennes en séries chronologiques

J'ai le jeu de données suivant: https://dl.dropbox.com/u/22681355/ORACLE.csv et je voudrais tracer les changements quotidiens dans «Ouvrir» par «Date», j'ai donc fait ce qui suit:

oracle <- read.csv(file="http://dl.dropbox.com/u/22681355/ORACLE.csv", header=TRUE)
plot(oracle$Date, oracle$Open, type="l")

et j'obtiens ce qui suit:

Maintenant, ce n'est évidemment pas le plus beau tracé jamais, alors je me demande quelle est la bonne méthode à utiliser pour tracer des données aussi détaillées?

Le problème avec vos données n'est pas qu'elles sont extrêmement détaillées: vous n'avez pas de valeurs le week-end, c'est pourquoi elles sont tracées avec des lacunes. Il y a deux façons de le gérer:

1. Soit essayer de deviner les valeurs approximatives en fin de semaine avec des méthodes de lissage ( smooth.spline, loess, etc.). Le code d'interpolation simple est ci-dessous. Mais dans ce cas, vous introduirez quelque chose de "non naturel" et artificiel dans les données. C'est pourquoi je préfère la deuxième option.

currentDate <- min(as.Date(oracle$Date))
dates <- c(currentDate)
openValues <- c(oracle$Open[5045])
i <- 5044
while (i > 0) {
  currentDate <- currentDate + 1;
  dates <- c(dates, currentDate)
  if (currentDate == as.Date(oracle$Date[i])) {
        # just copy value and move
        openValues <- c(openValues, oracle$Open[i])
        i <- i-1
      } else {
        # interpolate value
        openValues <- c(openValues, mean(oracle$Open[i:i-1]))
  }
}
plot(dates, openValues, type="l")

1. Vous pouvez passer d'une base quotidienne à une base hebdomadaire, en faisant simplement la moyenne (par exemple) de cinq points séquentiels qui appartiennent à une semaine (dans ce cas, vous "tuez" certaines informations). Un petit exemple de la façon de procéder serait

openValues = c(mean(oracle$Open[1:5]));
dates = c(as.Date(oracle$Date[1]));
for (i in seq(6,5045,5)) {
  openValues = c(openValues, mean(oracle$Open[i:i+5]));
      dates = c(dates, as.Date(oracle$Date[i]));
}
plot(dates, openValues, type="l")

J'espère que cela vous aidera.

Étant donné que le problème est commun à de nombreux environnements logiciels statistiques, discutons-en ici sur Cross Validated plutôt que de le migrer vers un forum spécifique à R (tel que StackOverflow).

Le vrai problème est qu'il Dateest traité comme un facteur - une variable discrète - et que les lignes ne sont donc pas connectées correctement. (Les points ne sont pas non plus tracés parfaitement avec précision dans le sens horizontal.)

Pour faire le tracé de droite, le Datechamp a été converti d'un facteur en une date réelle, chaque semaine a été identifiée avec un calcul simple (en répartissant les semaines entre le samedi et le dimanche) et les lignes ont été interrompues le week-end en bouclant au fil des semaines:

oracle$date <- as.Date(oracle$Date)
oracle$week.num <- (as.integer(oracle$date) + 3) %/% 7 
oracle$week <- as.Date(oracle$week.num * 7 - 3, as.Date("1970-01-01", "%Y-%m-%d"))

par(mfrow=c(1,2))
plot(as.factor(unclass(oracle$Date[1:120])), oracle$Open[1:120], type="l",
     main="Original Plot: Inset", xlab="Factor code")
plot(oracle$date[1:120], oracle$Open[1:120], type="n", ylab="Price", 
     main="Oracle Opening Prices")
tmp <- by(oracle[1:120,], oracle$week[1:120], function(x) lines(x$date, x$Open, lwd=2))

(Une date équivalente à chaque semaine, donnant le lundi de cette semaine, a également été stockée dans la oracletrame de données car elle peut être utile pour tracer des données agrégées hebdomadaires.)

L'intention initiale peut être réalisée simplement en émulant la dernière ligne pour afficher toutes les données. Pour ajouter des informations sur le comportement saisonnier, le graphique suivant fait varier la couleur par semaine tout au long de chaque année civile:

par(mfrow=c(1,1))
colors <- terrain.colors(52)
plot(oracle$date, oracle$Open, type="n", main="Oracle Opening Prices")
tmp <- by(oracle, oracle$week, 
          function(x) lines(x$date, x$Open, col=colors[x$week.num %% 52 + 1]))

Je n'interpolerais pas le week-end. Très peu de bourses se négocient le samedi et aucune à ma connaissance le dimanche. Vous introduisez une estimation pour les données qui n'ont jamais existé, alors pourquoi ne pas simplement supprimer samedi et dimanche de l'ensemble de données? Je ferais quelque chose comme ci-dessous:

require(ggplot2)
require(scales)
require(gridExtra)
require(lubridate)
require(reshape)

set.seed(12345)

# Create data frame from random data
daysback <- 1000 # number of days, only a few for this example
startdate <- as.Date(format(now()), format = "%Y-%m-%d") - days(daysback)
mydf <- data.frame(mydate = seq(as.Date(startdate), by = "day", length.out = daysback),
                   open = runif(daysback, min = 600, max = 800))

# Now that we have a data frame, remove the weekend days
mydf <- mydf[!(weekdays(as.Date(mydf$mydate)) %in% c('Saturday','Sunday')),] # remove weekend days
    # Calculate change, except for the first date
    mydf$diff <- c(NA, diff(mydf$open))
    # Remove first row with no 'diff' value
    firstdate <- head(mydf$mydate, 1)
mydf <- mydf[mydf$mydate > firstdate, ]

p <- ggplot(mydf, aes(x = mydate, y = diff)) +
    geom_bar(data = mydf, stat = "identity", fill = "red")

print(p)

En ce qui concerne l'apparence de votre intrigue, je suppose que l'ajout de plusieurs étiquettes sous l'axe x l'améliorerait visuellement. L'aspect de l'intrigue suggérée, vous pouvez voir ici http://imgur.com/ZTNPniA

Je ne sais pas comment faire une telle intrigue, c'est juste une idée (que je n'ai pas vue réalisée en R)