Darts时间序列库处理缺失值的实践指南

前言

在金融时间序列分析中，数据缺失是常见问题。本文基于Darts时间序列库在实际项目中的应用经验，深入探讨如何处理包含缺失值的时间序列数据，特别是针对金融数据分析场景。

Darts时间序列数据结构特性

Darts的TimeSeries数据结构有一个重要特性：它保证具有完整且按时间排序的时间索引。这意味着：

1. 当从DataFrame创建TimeSeries时，如果原始数据中存在时间间隔缺失，Darts会自动补全这些时间点
2. 补全的时间点会用NaN填充
3. 这种设计确保了时间序列的连续性，便于后续分析

缺失值处理的挑战

在金融数据分析中，我们经常遇到以下情况：

1. 交易日数据（Business Day频率）天然存在周末和节假日缺口
2. 某些股票可能在某些交易日没有交易记录
3. 直接填充缺失值（如插值或零填充）可能导致不切实际的分析结果

解决方案比较

方案一：使用MissingValuesFiller

Darts提供了MissingValuesFiller工具，可以自动填充缺失值。但对于金融数据，简单的插值可能引入偏差。

from darts.dataprocessing.transformers import MissingValuesFiller

filler = MissingValuesFiller()
filled_series = filler.transform(original_series)

方案二：分割连续片段

更合理的做法是将含缺失值的时间序列分割为多个连续片段：

# 获取所有连续片段
continuous_series = original_series.gaps()

# 或者获取最长连续片段
longest_continuous = original_series.longest_contiguous_slice()

这种方法特别适合：

• 缺失值较多的场景
• 不允许插值的分析需求
• 需要保持数据真实性的情况

方案三：样本权重法（推荐）

Darts最新版本支持样本权重功能，可以优雅地处理缺失值：

1. 保持时间序列完整性
2. 训练时自动忽略NaN值
3. 不引入虚假数据

from darts.models import RegressionModel
from sklearn.linear_model import LinearRegression

# 创建带有样本权重的模型
model = RegressionModel(lags=10, 
                      model=LinearRegression(),
                      use_static_covariates=False)

# 自动处理缺失值
model.fit(series_with_nans)

静态协变量保留技巧

当使用TimeSeries.from_group_dataframe()方法时，需要注意：

1. 默认情况下分组列会被丢弃
2. 通过设置drop_group_cols=False可以保留为静态协变量
3. 非数值型协变量需要转换为数值形式

series_group = TimeSeries.from_group_dataframe(
    df,
    time_col='datetime',
    group_cols=['ticker'],
    value_cols='close',
    drop_group_cols=False  # 保留分组列
)

金融时间序列分析实践建议

1. 对于高频数据（如30分钟频率），考虑使用样本权重法
2. 长期缺失（超过1天）建议分割为多个时间序列
3. 回测时需手动重组预测结果
4. 避免简单插值导致的预测偏差

结语

Darts时间序列库提供了多种处理缺失值的方案，金融数据分析师应根据具体场景选择最适合的方法。样本权重法是当前最推荐的解决方案，既保持了数据真实性，又简化了建模流程。