r語言做股票走勢圖

1. 有哪些關於 R 語言的書值得推薦

數據挖掘與R語言
本書首先簡要介紹了R軟體的基礎知識（安裝、R數據結構、R編程、R的輸入和輸出等）。然後通過四個數據挖掘的實際案例 （藻類頻率的預測、證券趨勢預測和交易系統模擬、交易欺詐預測、微陣列數據分類）介紹數據挖掘技術。這四個案例基本覆蓋了常見的數據挖掘技術，從無監督的 數據挖掘技術、有監督的數據挖掘技術到半監督的數據挖掘技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，並且各章自成體 系。讀者可以從頭至尾逐章學習，也可以根據自己的需要進行學習，找到自己實際問題的解決方案。

本書不需要讀者具備R和數據挖掘的基礎知識。不管是R初學者，還是熟練的R用戶都能從書中找到對自己有用的內容。讀者既可以把本書作為學習如何應用R的一本優秀教材，也可以作為數據挖掘的工具書。

機器學習：實用案例解析
機器學習是計算機科學和人工智慧中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技 術。本書比較全面系統地介紹了機器學習的方法和技術，不僅詳細闡述了許多經典的學習方法，還討論了一些有生命力的新理論、新方法。

全書案例既有分類問題，也有回歸問題；既包 含監督學習，也涵蓋無監督學習。本書討論的案例從分類講到回歸，然後討論了聚類、降維、最優化問題等。這些案例包括分類：垃圾郵件識別，排序：智能收件 箱，回歸模型：預測網頁訪問量，正則化：文本回歸，最優化：密碼破解，無監督學習：構建股票市早閉鄭場指數，空間相似度：用投票記錄對美國參議員聚類，推薦系 統：給用戶推薦R語言包，社交網路分析：在Twitter上感興趣的人，模型比較：給你的問題找到最佳演算法。各章對原理的敘述力求概陸頌念清晰、表達准確，突 出理論聯系實際，富有啟發性，易於理解。在探索這些案例的過程中用到的基本工具就是R統計編程語言。R語言非常適合用於機器學習的案例研究，因為它是一種 用於數據分析的高水平、功能性腳本語言。

R語言經典實例
本書涵蓋200多個R語言實用方法，可以幫助讀者快速而有效地使用R進行數據分析。R語言給我們提供了統計分析酣一切工具，但是R本身的結 構可能有些難於掌握。本書提供的這些面向任務、簡明的R語言方法包含了從基本的分析任務到輸入和輸出、常用統計分析、繪圖、線性回歸等內容，它們可以讓你 馬上應用R高效地工作。
每一個R語言方法都專注於一個特定的問題，隨後的討論則對問題的解決方案給出解釋，並闡釋該方法的工作機理。對於R的初級用戶，《R語言經典實例》將幫助 你步入R的殿堂；對於R的資深用戶，本書將加深你對R的理解並拓展你的視野。通過本書，你可以使你的分析工作順利完成並學習更多R語言知識。本書由蒂特 著。

R語言編程藝術
R語言是世界上最流行的用於數據態吵處理和統 計分析的腳本語言。考古學家用它來跟蹤古代文明的傳播，醫葯公司用它來探索哪種葯物更安全、更有效，精算師用它評估金融風險以保證市場的平穩運行。總之， 在大數據時代，統計數據、分析數據都離不開計算機軟體的支持，在這方面R語言尤其出色。

本書將帶領你踏上R語言軟體開發之旅，從最 基本的數據類型和數據結構開始，到閉包、遞歸和匿名函數等高級主題，由淺入深，講解細膩，讀者完全不需要統計學的知識，甚至不需要編程基礎。而書中提到的 很多高級編程技巧，都是作者多年編程經驗的總結，對有經驗的開發者也大有裨益。本書精選了44個擴展案例，這些案例都源自於作者親身參與過的咨詢項目，都 是與數據分析相關的，生動展示了R語言在統計學中的高效應用。

金融數據分析導論：基於R語言
本書由統計學領域著名專家Ruey S. Tsay（蔡瑞胸）所著，從基本的金融數據出發，討論了這些數據的匯總統計和相關的可視化方法，之後分別介紹了商業、金融和經濟領域中的基本時間序列分析和計量經濟模型。

時間序列分析及應用:R語言(原書第2版)
本書以易於理解的方式講述了時間序列模型及其應用，主要內容包括：趨勢、平穩時間序列模型、非平穩時間序列模 型、模型識別、參數估計、模型診斷、預測、季節模型、時間序列回歸模型、異方差時間序列模型、譜分析入門、譜估計、門限模型.對所有的思想和方法，都用真 實數據集和模擬數據集進行了說明。
本書可作為高等院校統計、經濟、商科、工程及定量社會科學等專業學生的教材或教學參考書，同時也可供相關技術人員使用。

2. k線中出現s點b點r點它們是代表什麼意思

s點和b點是股票領域的專業名詞，s點表示外盤，以賣出價成交的交易。b點表示內盤，以買入價成交的交易，看漲。通常投資者可以通過查看s點b點了解股票買賣情況，判斷股票市場買方和賣方實力的強弱。r代表這個股票是融券標。

K線圖最上方的一條細線稱為上影線，中間的一條粗線為實體。下面的一條細線為下影線。當收盤價高於開盤價，也就是股價走勢呈上升趨勢時，這種情況下的K線為陽線，中部的實體以空白或紅色表示。

上影線的長度表示最高價和收盤價之間的價差，實體的長短代表收盤價與開盤價之間的價差，下影線的長度則代表開盤價和最低價之間的差距。

(2)r語言做股票走勢圖擴展閱讀：

周K線注意事項：

1、周K線在連續出現陰線而超跌時，在出現兩根以上的周K線組合表明有止跌跡象後，通常表示其後可能會有力度較大的反彈或反轉行情出現，這時買入後可不必依照日K線的分析過早賣出，可以適當增加持股的時間。

2、在連續的下跌行情中，對周K線而言，要等到較長的下影線和成交量極度萎縮同時出現時才可以考慮是否介入，而不應僅靠日K線的分析來判斷操作時機。

3、在上漲行情中，如果周K線呈現出量價齊增的態勢，則下一周應該還有新的高點出現。這時若周初盤中出現低點，不需依照日K線的提示考慮賣出，反而應當視為較好的短線介入時機而考慮短線買入。

參考資料來源：網路-K線圖

參考資料來源：網路-外盤

參考資料來源：網路-內盤

參考資料來源：網路-融券

3. 什麼是波動率指數

原文鏈接：http://tecdat.cn/?p=19129

摘要

在學術界和金融界，分析高頻財務數據的經濟價值現在顯而易見。它是每日風險監控和預測的基礎，也是高頻交易的基礎。為了在財務決策中高效利用高頻數據，高頻時代採用了最先進的技術，用於清洗和匹配交易和報價，以及基於高收益的流動性的計算和預測。

高頻數據的處理

在本節中，我們討論高頻金融數據處理中兩個非常常見的步驟：（i）清理和（ii）數據聚合。

> dim(dataraw);[1] 48484 7> tdata$report;initial number no zero prices select exchange48484 48479 20795sales condition merge same timestamp20135 9105> dim(afterfirstclean)[1] 9105 7

高頻數據的匯總

通常不會在等間隔的時間點記錄價格，而許多實際波動率衡量方法都依賴等實際間隔的收益。有幾種方法可以將這些非同步和/或不規則記錄的序列同步為等距時間數據。
最受歡迎的方法是按照時間匯總，它通過獲取每個網格點之前的最後價格來將價格強制為等距網格。

> # 載入樣本價格數據> data("sample");> # 聚合到5分鍾的采樣頻率：> head(tsagg5min);PRICE2008-01-04 09:35:00 193.9202008-01-04 09:40:00 194.6302008-01-04 09:45:00 193.5202008-01-04 09:50:00 192.8502008-01-04 09:55:00 190.7952008-01-04 10:00:00 190.420> # 聚合到30秒的頻率：> tail(tsagg30sec);PRICE2008-01-04 15:57:30 191.7902008-01-04 15:58:00 191.7402008-01-04 15:58:30 191.7602008-01-04 15:59:00 191.4702008-01-04 15:59:30 191.8252008-01-04 16:00:00 191.670

在上面的示例中，價格被強制設置為5分鍾和30秒的等距時間網格。此外，aggregates函數內置於所有已實現的度量中，可以通過設置參數align.by和align.period來調用該函數。在這種情況下，首先將價格強制等間隔的常規時間網格，然後根據這些常規時間段內執行觀察值的收益率來計算實際度量。這樣做的優點是，用戶可以將原始價格序列輸入到實際度量中，而不必擔心價格序列的非同步性或不規則性。

帶有時間和波動率計算的價格示例：

> #我們假設stock1和stock2包含虛擬股票的價格數據：> #匯總到一分鍾：> Price_1min = cbind(aggregatePrice(stock1),aggregatePrice(stock2));> #刷新時間聚合：refreshTime(list(stock1,stock2));> #計算跳躍魯棒的波動性指標> #基於同步數據rBPCov(Price_1min,makeReturns=TRUE);> #計算跳躍和雜訊魯棒的波動性度量> #基於非同步數據：

實際波動性度量

高頻數據的可用性使研究人員能夠根據日內收益的平方來估計實際波動性（Andersen等，2003）。實際上，單變數波動率估計的主要挑戰是應對（i）價格的上漲和（ii）微觀結構雜訊。因此多變數波動率估計也引起了人們的注意。高頻軟體包實施了許多新近提出的實際波動率方法。

下面的示例代碼說明了日內周期的估計：

> #計算並繪制日內周期> head(out); returns vol dailyvol periodicvol2005-03-04 09:35:00 -0.0010966963 0.004081072 0.001896816 2.1515392005-03-04 09:40:00 -0.0005614217 0.003695715 0.001896816 1.9483792005-03-04 09:45:00 -0.0026443880 0.003417950 0.001896816 1.801941

最受歡迎的見解

1.HAR-RV-J與遞歸神經網路（RNN）混合模型預測和交易大型股票指數的高頻波動率

2.WinBUGS對多元隨機波動率模型：貝葉斯估計與模型比較

3.波動率的實現：ARCH模型與HAR-RV模型

4.R語言ARMA-EGARCH模型、集成預測演算法對SPX實際波動率進行預測

5.使用R語言隨機波動模型SV處理時間序列中的隨機波動率

6.R語言多元COPULA GARCH 模型時間序列預測

7.R語言基於ARMA-GARCH過程的VAR擬合和預測

8.R語言隨機搜索變數選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

9.R語言對S＆P500股票指數進行ARIMA + GARCH交易策略

4. R語言怎麼把股票日收盤價轉換成對數收益率

知道一系列收盤價向量X,length=1000,求對數收益率的R語言代碼
acf(int[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly

acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
log return')

Box.test(int[,2], lag = 5, type = "Ljung-Box")
Box.test(int[,2], lag = 10, type = "Ljung-Box")
Box.test(int.l[,2], lag = 5, type = "Ljung-Box")
Box.test(int.l[,2], lag = 10, type = "Ljung-Box")

運行結錯誤辦

> int <- read.table("d-intc7208.txt", head=T)
錯誤於file(file, "rt") : 打鏈結
外: 警告信息：
In file(file, "rt") :
打文件'd-intc7208.txt': No such file or directory

+ acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
錯誤: 意外符號 in:
"
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int"
> log return')
錯誤: 意外符號 in "log return"

5. 如何在r語言中抓取股票數據並分析論文

用quantomd包
然後getsymbols函數

分析論文 要看你研究方向
如果是看影響因素 一般回歸就行
如果看股票波動和預測 可能需要時間序列

6. 股票價格的隨機遊走的含義

隨機遊走模型的提出是與證券價格的變動模式緊密聯系在一起的。最早使用統計方法分析收益率的著作是在 1900年由路易·巴舍利耶（Louis Bachelier）發表的，他把用於分析賭博的方法用於股票、債券、期貨和期權。在巴舍利耶的論文中，其具有開拓性的貢獻就在於認識到隨機遊走過程是布 朗運動。1953年，英國統計學家肯德爾在應用時間序列分析研究股票價格波動並試圖得出股票價格波動的模式時，得到了一個令人大感意外的結論：股票價格沒 有任何規律可尋，它就象「一個醉漢走步一樣，幾乎宛若機會之魔每周仍出一個隨機數字，把它加在目前的價格上，以此決定下一周的價格。」即股價遵循的是隨機 遊走規律。
這也跟市場有效原則有關
弱有效證券市場是指證券價格能夠充分反映價格歷史序列中包含的所有信息，如有關證券的價格、交易量等。如果這些歷史信息對證券價格變動都不會產生任何影響，則意味著證券市場達到了弱有效。

7. 正在學慣用R語言編寫股票自動交易軟體，但是對股票以及R語言都知之甚少。求高手指點。

我和你一樣，也在學，大智慧新一代，通達信，和飛狐這幾個你任選一個先學，以後慢慢的都會了。飛狐相對要復雜一些，要想編出功能更強大的公式，飛狐里還會用到VBS和JS腳本，還會用到C語言，別的公式不會用到這些。

8. 如何用R 語言 建立 股票價格的時間序列

在下想用R語言對股票價格進行時間序列分析。
問題出在第一步，如何將股票價格轉換為時間序列。
我想用的語句是 pri <- ts (data, start=(), frequency= )
但是我不知道frequency 項該如何填？
因為股票的交易日是一周五天的。 那麼這個frequency 該如何設置呢？
我知道通常frequency= 12 為月度數據，frequency= 4 為季度數據，frequency= 1 為年度數據 但日數據怎麼寫我就不知道了

初學R語言，還望各位大俠多多幫助。