在R中如何按日调整时间序列的零值方差

针对连续时间序列中每日零值附近波动幅度不一的问题，以下是几种按日调整方差的实用方法：

• 按日Z-score标准化
  对每一天的数据单独执行标准化转换，公式为：

  x_scaled = (x - μ_day) / σ_day
  

  其中μ_day是当日所有数据的均值，σ_day是当日数据的标准差。处理后每日数据的均值为0、方差统一为1，能直接消除每日波动幅度的差异。若当日标准差为0（所有数据完全相同），可跳过该日处理，或用全局标准差替代计算。

• 按日最小-最大缩放
  针对单日数据做范围缩放，将所有值映射到固定区间（比如[0,1]），公式为：

  x_scaled = (x - min_day) / (max_day - min_day)
  

  其中min_day和max_day分别是当日数据的最小值和最大值。如果当日所有数据相同，可保持原数值或统一设为区间中点（比如0.5）。

• 稳健型相对波动调整
  若数据存在异常值，用中位数和中位数绝对偏差（MAD）替代均值和标准差做调整，公式为：

  x_scaled = (x - median_day) / MAD_day
  

  中位数绝对偏差的计算方式是median(|x_i - median_day|)，这种方法受极端值影响更小，适合零值附近波动伴随异常点的场景。

• 单日滑动窗口调整
  如果单日包含高频数据点（比如分钟级），可以设定滑动窗口（例如1小时窗口），对每个窗口内的数据单独做标准化或缩放。这种方法能适配单日内部波动也存在变化的情况，让调整更贴合局部数据特征。

内容的提问来源于stack exchange，提问作者Egler