Estoy tratando de construir una serie temporal diaria de precios y rendimientos para un gran universo de valores. Sin embargo, todo lo que tengo disponible son series temporales mensuales de precios/rendimientos (así como otras características) de los valores individuales, una serie temporal diaria de un índice ponderado por capitalización de mercado de todos los valores y series temporales semanales de varios subíndices.
La serie temporal construida en última instancia se utilizará para estimar parámetros de un modelo más general, como la probabilidad de que el emisor de un valor tome alguna acción (por ejemplo, refinanciar su deuda) en función del precio del valor. Por lo tanto, considero que no es importante mantener la causalidad. El emisor presumiblemente conoce el precio real al tomar la acción, aunque yo no lo sepa, y necesito construir una mejor suposición sobre cuál era el precio dado todo lo que sé hoy.
Nota: no es posible obtener datos de mayor frecuencia a nivel de valor individual, ya sea porque los valores mismos no comercian con tanta frecuencia, o porque (hasta donde yo sé) nadie recolecta los datos. El objetivo es interpolar un conjunto de precios y rendimientos diarios que parezcan razonables basados en toda la información disponible. Se agradecería cualquier consejo sobre cómo llevar a cabo esta estimación.
Tengo algunas ideas propias, que puedo compartir después de un tiempo, pero ahora mismo aún estoy en la fase exploratoria y estoy buscando algo de inspiración adicional.
Solo para dejar claro lo que quiero decir mediante un ejemplo, supongamos que quisiera encontrar los precios diarios de las 1500 acciones en el S&P 1500, pero todo lo que tengo son precios mensuales para las acciones, precios semanales para los 10 índices sectoriales GICS y para los 500 de gran capitalización, 400 de mediana capitalización y 600 de pequeña capitalización, y precios diarios para el S&P 1500 en su conjunto.
El propósito, en ese ejemplo, sería ajustar un modelo de anuncios de recompras de acciones y ofertas secundarias en base a métricas de valoración interpoladas.
ACTUALIZACIÓN: Una respuesta sugirió aplicar el algoritmo de Expectation-Maximization. Por lo que puedo ver, EM no es aplicable a este problema. Aplicando EM al precio, se obtiene un patrón de diente de sierra donde los valores rellenados están en un plano diferente de los valores conocidos. No puedo encontrar una manera de aplicar EM a los rendimientos, ya que no me faltan rendimientos mensuales, y me faltan todos los rendimientos diarios/semanales de los valores individuales.