R 将月数据扩展为日数据的方法及插值的可靠性

该项目旨在检测不同市场之间的一氧化碳超标情况。债券、股票和黄金的每日数据可用，但不适用于房地产（低流动性）。每月收集房价的链相对比率，具体而言，仅在每个月的最后一天检测房价。然而，对于co超标计数的检测，月度数据显然是不够的，我们需要扩大其规模

我尝试过一些插值方法，比如线性插值、三次样条插值和Kalman插值（structs，而不是ARIMA）。它们确实返回了插值，但太平滑了。如果我们将房屋/房地产视为市场上的一种商品，则应存在波动性。如何将波动性添加到插值中？我还需要知道插值的可靠性，因为有太多丢失的数据被替换

住房价格比率的原始数据框架为

    dput(house.dat)
    structure(list(Time = structure(c(14790, 14821, 14852, 14882, 
    14913, 14943, 14974, 15005, 15033, 15064, 15094, 15125, 15155, 
    15186, 15217, 15247, 15278, 15308, 15339, 15370, 15399, 15430, 
    15460, 15491, 15521, 15552, 15583, 15613, 15644, 15674, 15705, 
    15736, 15764, 15795, 15825, 15856, 15886, 15917, 15948, 15978, 
    16009, 16039, 16070, 16101, 16129, 16160, 16190, 16221, 16251, 
    16282, 16313, 16343, 16374, 16404, 16435, 16466, 16494, 16525, 
    16555, 16586, 16616, 16647, 16678, 16708, 16739, 16769, 16800, 
    16831, 16860, 16891, 16921, 16952, 16982, 17013, 17044, 17074, 
    17105, 17135), class = "Date"), housing.index = c(0.88, -1.3775, 
    -0.7775, 1.695, 0.95, 0.9625, 0.9975, 1.94, 1.1925, 0.6875, 0.5175, 
    0.6875, 0.3775, 0.625, -0.1225, -0.2525, -0.336, -0.24825, -0.588, 
    -0.08375, -0.16725, -0.341, -0.637, -0.408, 0.33325, 0.29, 0.34225, 
    0.30325, 0.38, 0.36, 0.69625, 1.6675, 1.8625, 1.16, 0.995, 1.095, 
    1.2425, 1.195, 1.1725, 1.5425, 1.895, 1.5675, 1.5075, 0.775, 
    0.6775, 0.4325, 0.3175, -0.305, -0.51, -0.94, -0.6975, -1.0175, 
    -0.6925, 0.47, 0.035, 0.3, 0.215, -0.1875, 0.2225, 1.305, 2.02, 
    2.8425, 1.26, 0.9075, 0.84, 0.9775, 1.68, 1.5925, 1.585, 2.7725, 
    1.925, 1.8475, 1.37, 1.7775, 2.62, 3.025, 1.4325, 0.9625)), .Names 
    = c("Time", 
    "housing.index"), row.names = c(NA, 78L), class = "data.frame")

NA已添加到每日帧，以下仅显示新数据帧的前三十三行

     daily.df[c(1:33),]
         Time housing.index
    1  2010-06-30        0.8800
    2  2010-07-01            NA
    3  2010-07-02            NA
    4  2010-07-03            NA
          ...               ...

    28 2010-07-27            NA
    29 2010-07-28            NA
    30 2010-07-29            NA
    31 2010-07-30            NA
    32 2010-07-31       -1.3775
    33 2010-08-01            NA

---

如果您对我的问题有一些线索或提示，非常感谢。

这不是一个适合堆栈溢出的特定编程问题。如果您需要帮助为数据选择统计模型，您应该在统计问题的主题上寻求帮助。这不是一个适合堆栈溢出的特定编程问题。若你们需要帮助为你们的数据选择一个统计模型，你们应该在统计问题的主题上寻求帮助。