如何在R中为股票小时数据创建正确频率的ts对象？

作为R新手处理这类非规则的金融时间序列确实容易卡壳，咱们一步步来解决你的问题：

首先得明确：传统的ts对象更适合完全规则间隔的时间序列，但你的数据有两个特殊点：一是每天只有7个特定时段的观测（没有凌晨等非交易时段），二是周末没有数据，属于不规则时间序列。硬套ts不是最优解，但如果一定要用，或者想了解更合适的替代方案，下面两种方法都能帮到你：

方法一：用传统ts对象适配每日7个观测的频率 #

如果坚持要创建ts对象，需要先给每个观测生成连续的时间索引，把每日7个时段作为一个周期：

1. 先格式化日期时间列
   导入的数据中Date列大概率是字符型，先转成R能识别的时间格式：

   temp <- read.csv("somefile.csv")
   # 把字符串转成POSIXct时间类型
   temp$Date <- as.POSIXct(temp$Date, format = "%Y-%m-%d %H:%M:%S")
   

2. 生成连续的时间索引
   因为ts需要连续的间隔，我们把每个交易日的7个时段当成一个周期，计算每个观测在整个序列中的位置：

   # 提取纯日期部分，用于计算天数差
   temp$date_only <- as.Date(temp$Date)
   # 把时段转成有序因子，确保按交易时段排序
   temp$hour_slot <- factor(format(temp$Date, "%H:%M:%S"), 
                            levels = c("10:30:00", "11:30:00", "12:30:00", 
                                       "13:30:00", "14:30:00", "15:30:00", "15:59:00"))
   # 计算每个观测的索引：(距离首个交易日的天数)*7 + 当日时段的位置
   first_trade_day <- min(temp$date_only)
   temp$time_index <- as.numeric(temp$date_only - first_trade_day)*7 + as.numeric(temp$hour_slot)
   

3. 创建ts对象
   设定频率为7（每日7个观测），起始点对应第一个观测的时段位置：

   ts_volume <- ts(temp$Volume, 
                   start = c(1, as.numeric(temp$hour_slot[1])), 
                   frequency = 7)
   

   注意：这种方法会自动给缺失的日期（比如周末）填充NA值，如果你的分析需要忽略非交易日，这个方法可能会带来额外的处理成本。

方法二：用专门的金融时间序列包（更推荐） #

对于股票这类非规则时间序列，tsibble或者xts包是更合适的选择，它们能更好地处理非交易时段和日期缺失的情况：

用tsibble做时间序列分析（支持分解、绘图） #

tsibble是专门为时间序列设计的 tidy 格式数据结构，配合feasts包可以轻松完成季节性分解：

# 安装并加载包
install.packages(c("tsibble", "feasts", "dplyr"))
library(tsibble)
library(feasts)
library(dplyr)

# 把数据转成tsibble对象，指定Date为时间索引
tsb_volume <- temp %>%
  as_tsibble(index = Date, regular = FALSE)

# 做季节性分解（指定周期为7，对应每日7个观测）
tsb_volume %>%
  model(stl_decomp = STL(Volume ~ season(period = 7) + trend())) %>%
  components() %>%
  autoplot()

用xts处理金融时间序列（适合绘图和高频数据） #

xts是金融领域常用的时间序列包，对日期时间的支持非常友好：

install.packages("xts")
library(xts)

# 创建xts对象
xts_volume <- xts(temp$Volume, order.by = temp$Date)

# 直接绘图
plot(xts_volume, main = "股票小时成交量趋势", ylab = "成交量")

内容的提问来源于stack exchange，提问作者stucash