其实我不是代码教父,我只是猪头三

R语言中, 操作数据库时, 自带强大且便捷的语法, 最常用的就是按条件进行选取数据内容.

R语言中, 按行读取文件数据的时候, 如果数据存在多列, 最好为每一列指定类型, 不然R语言在解释数值类型会出现偏差. 另外, 股票数据加载之后, 你可能会进行多次处理, 比如rbind, cbind这类操作, 导致股票数据日期乱序了, 那么就需要重排.

​在之前的文章:[原创][R语言]股票分析实战[7]:时间转换 与 股票涨幅计算-CSDN博客, 有详细介绍通过日期转换为周内第N天的实用代码技巧, 比如"20240108"转换为"1", 但是这个"1"有时信息不够明确, 换成"星期1"就好看很多.

在股票数据分析中, "方差分析"是非常重要的技术. 那么"方差分析"就会涉及的因子. 因子的处理, 会涉及到"方差分析"的平衡性处理, 平衡 与 非平衡.

在股票数据分析中, 有时需要把"年/月/日"时间转换为"周内第N天" 和 计算收盘价的涨幅 这2个是非常有用的的技巧, 对统计分析很有帮助.

在股票数据分析中, 根据数据文件的路径进行字符串操作是很常见的方式. 因为股票数据文件名一般都是按照命名格式为: 股票代码-股票名称.txt， 例如: 002431-棕榈股份. 这样做的目的是, 方便后期在提取数据和合并数据时, 可以区分数据是属于那支股票的？

为了后期文章的铺垫, 首先要学习一些基础的R语言编程技巧. 一个很重要的技术就是: R语言如何加载股票数据文件?

前面三篇文章已经从数据内部中, 挖掘出了两个重要的关系: "频率(Freq)"与"涨幅(RC)", "频率(Freq)"与"周1~周5(DW)" 都有关系. 那么如何通过图形更加容易的进一步验证关系呢?

​经过上一篇文章:[原创][R语言]股票分析实战[2]:周级别涨幅趋势的相关性-CSDN博客, 我们发现了"频率(Freq)"与"涨幅(RC)"关系最密切, 看到这里, 如果是喜欢刨根问底的人, 就会去思考, 既然是最密切的, 那到底有多密切呢？ 密切的程度是多少？ 那么这篇文章是相当的重要也是非常关键的, 如果这个内容不理解, 那么对后期更深入的内容, 就会越看越糊涂.

​从上一章内容: [原创][R语言]股票分析实战[1]:周级别涨幅趋势的相关性-CSDN博客, 通过使用卡方独立检测chisq.test()发现"涨幅(RC)"和"跟周1~周5(DW)"的两者关系是独立的, 也就是说没有相互影响的可能性. 那么这时候, 是不是要放弃了呢？其实数据分析工作, 还没做完, 不要忘记了, xtabs()函数生成的是频率表, 那么也就说除了"涨幅(RC)"和"周1~周5(DW)"这2个变量之外, 还有第3个变量, 那就是"频率(Freq)"

对于喜欢玩超短线交易的朋友来说, 一周的交易也就是5天, 那么这5天, 到底在星期几合适进场呢？ 也就是说星期几买股票可以大概率在1~2天后获利. 这就是超短线交易周期, 只有1~2天.

昨晚在使用RStudio的时候, 正好在升级vcd包, 结果遇到Windows系统升级重启, 导致vcb包安装失败. 折腾很了很久才恢复vcd包的正常使用. 下面分享修复经验, 可以给碰到此问题的朋友提供解决思路.

当写这篇文章时, 目前R语言版本为：R 4.3.2, 那么在Windows系统上部署R语言开发环境, 还是需要注意一些细节问题, 不然在后期的R语言包安装会出现各种小问题.