Como plotar 20 anos de dados diários em séries temporais

Eu tenho o seguinte conjunto de dados: https://dl.dropbox.com/u/22681355/ORACLE.csv e gostaria de plotar as alterações diárias em 'Abrir' por 'Data', então fiz o seguinte:

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

e recebo o seguinte:

Agora, obviamente, este não é o melhor enredo de todos os tempos, então estou me perguntando qual é o método certo a ser usado ao plotar dados tão detalhados?

O problema com seus dados não é que eles sejam extremamente detalhados: você não tem valores nos finais de semana, é por isso que é plotado com lacunas. Existem duas maneiras de lidar com isso:

1. Ou tentar adivinhar valores aproximados em fins de semana com alguns métodos de alisamento ( smooth.spline, loess, etc.). O código de interpolação simples está abaixo. Mas, neste caso, você apresentará algo "não natural" e artificial aos dados. Por isso prefiro a segunda opção.

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. Você pode ir de uma base diária para uma semanal, calculando a média (por exemplo) de cinco pontos seqüenciais que chegam a uma semana (nesse caso, você está "matando" algumas informações). Apenas um exemplo rápido de como fazer isso seria

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")

Espero que ajude.

Como o problema é comum a muitos ambientes de software estatístico, vamos discuti-lo aqui em Validação cruzada, em vez de migrá-lo para um fórum específico de R (como StackOverflow).

A questão real é que isso Dateé tratado como um fator - uma variável discreta - e, portanto, as linhas não estão sendo conectadas corretamente. (Os pontos também não são plotados perfeitamente com precisão na direção horizontal.)

Para fazer o gráfico à direita, o Datecampo foi convertido de um fator para uma data real, cada semana foi identificada com um cálculo simples (quebrando as semanas entre sábado e domingo) e as linhas foram interrompidas nos finais de semana, fazendo um loop ao longo das semanas:

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))

(Uma data equivalente a cada semana, fornecendo a segunda-feira dessa semana, também foi armazenada no oracledataframe porque pode ser útil para plotar dados agregados semanais.)

A intenção original pode ser alcançada simplesmente emulando a última linha para exibir todos os dados. Para adicionar algumas informações sobre o comportamento sazonal, a seguinte plotagem varia de cor por semana ao longo de cada ano civil:

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]))

Eu não interpolava nos fins de semana. Poucas bolsas são negociadas no sábado e nenhuma que eu saiba no domingo. Você está introduzindo uma estimativa para os dados que nunca existiram. Por que não remover sábado e domingo do conjunto de dados? Eu faria algo como o abaixo:

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)

Em relação à aparência do seu gráfico, suponho que a adição de vários rótulos no eixo x o melhoraria visualmente. A aparência do gráfico sugerido você pode ver aqui http://imgur.com/ZTNPniA

Eu não sei como fazer esse enredo, é apenas uma ideia (que eu não vi realizada em R)