R语言金融分析与建模：R的基本语法

对所有的编程语言而言，循环语句是非常重要的。因为我们使用各种循环来处理各类数据。例如从一个数据集中不断地取出各类子集。典型的例子是如果我们有一个数据集包含5000支股票，我们计划计算每一只股票的各种特征。为此我们可以用循环语句从1到5000循环5000次。其他应用还包括：合并不同的数据集，或按各种条件重新定义程序流程。

最常用的两个循环是for()循环和while()循环。下面为在屏幕上打印3个值的最简单的for()循环。

> for(i in 1:3) print(i) 
[1] 1
[1] 2
[1] 3

3.1　for循环

for()是最为常用的循环语句，上面的单行代码相当于以下两行。

> x<-1:3
> for(i in x)print(i)

for()是关键词，

为变量，

的取值从1到3，每次取一个值。x本身是一个向量。向量是一个列变量。其维数是

×1或1×

。下面是另一个类似的例子，其中tickers是一个字符向量。

> tickers<-c("DELL","IBM","C","MSFT")
> for(ticker in tickers) print(ticker)
[1] "DELL"
[1] "IBM"
[1] "C"
[1] "MSFT"

在下面的程序中，

从1到

每次取一个值，其中

是

的总观测值的个数。

> x<-5:15
> n<-length(x) 
> for(i in 1:n) print(x[i])

更为简洁的语句如下：

> x<-5:15
> for(i in x) print(i)

对于占多行的程序，我们使用一对花括号{}来包含这些命令行。

for(i in 1:10){
#
# add your codes here
#
print(i)
}

在R语言中，有一些预先定义好的数据集。例如，名为LETTERS的字符数据集包含26个大写字母。而letters包含26个小写字母。

> LETTERS
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z" 
> letters
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z" 
> typeof(letters)
[1] "character"
> length(letters)
[1] 26

以下代码显示了如何用for()循环打印各个字母。为节省篇幅，我们只显示了最前面的6个字母。

> for(letter in letters) print(letter)
[1] "a"
[1] "b"
[1] "c"
[1] "d"
[1] "e"
[1] "f"

当使用cat()函数而不是print()函数时，我们可以将所有26个字母打印在一行中。

> for(letter in letters) cat(letter) 
abcdefghijklmnopqrstuvwxyz>

如果我们打算每行仅仅打印一个字母，我们可以添加一个换行符号（"\n"）。为节省篇幅，下面我们只显示了最前面的6个字母。

> for(letter in letters) cat(letter, "\n")
a 
b 
c 
d 
e 
f

如果我们想以从Z～A的顺序打印字母，可以用以下语句。

> for(i in 1:26)print(LETTERS[27-i])
[1] "Z"
[1] "Y"
[1] "X"
[1] "W"
[1] "V"
[1] "U"

3.2　利用取余函数改变输出格式

两个百分比%%，放在一起为取余函数。如给定两个整数值

和

，对于

%%

而言,我们得到的是将

除以

以后而余下的整数值。例如，15%%10结果是5，9%%4结果为1。

> 15%%10
[1] 5
> 9%%4
[1] 1

如果我们想将5个字母打印在一行中，可以在5个字母后添加一个换行符合，"\n"。见下面语句。

n<-length(letters)
for(i in 1:n){
cat(letters[i])
    if(i%%5==0) cat("\n")
}
abcde
fghij
klmno
pqrst
uvwxy
z>

3.3　双循环

双循环的是常见的语句之一。例如我们有500只股票，想计算它们从2007年～2017年每年的市场风险。我们可以分成两个循环：第一个循环从1到500，第二个循环从2007年到2017年。对于双循环，

 

同样，正确缩进的代码会使我们的程序更具可读性。

>  n1<- 1:500
>  n2<- 2007:2017
>  for(i in n1) {
      for(j in n2){
          #
          # your codes here
          #
          cat(i,j,"\n")
       }
  }
1 2007 
1 2008 
1 2009 
1 2010 
1 2011 
1 2012 
1 2013

为节省篇幅，上面我们只显示少数几组输出。在第9章中，我们将介绍如何计算股票的市场风险。在下列中，我们打算将主要对角变量y[

，

]加上5，其中

=1, 2, …, 5的方矩阵。方阵的主要对角线是从左上角（NW，西北）到右下角（SE，东南）。为此，我们先生成一个方阵。

> x<-1:49 # x is a vector
> y<-matrix(x,7,7,byrow=T) # y is 7 by 7 matrix
> y
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1 2 3 4 5 6 7
[2,] 8 9 10 11 12 13 14
[3,] 15 16 17 18 19 20 21
[4,] 22 23 24 25 26 27 28
[5,] 29 30 31 32 33 34 35
[6,] 36 37 38 39 40 41 42
[7,] 43 44 45 46 47 48 49

语句byrow=T是指按行排列。即第1行，第2行，等等。以下是为主对角线上的数据项加上5的代码。

n1<-nrow(y)
n2<-ncol(y)
for(i in 1:n1) {
    for(j in 1:n2){
       if(i==j) y[i,j]=y[i,j]+5
    }
}

下面检验我们是否成功地将5添加到这些值上了。

> y
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 6 2 3 4 5 6 7
[2,] 8 14 10 11 12 13 14
[3,] 15 16 22 18 19 20 21
[4,] 22 23 24 30 26 27 28
[5,] 29 30 31 32 38 34 35
[6,] 36 37 38 39 40 46 42
[7,] 43 44 45 46 47 48 54

3.4　while循环

下面是一个使用while循环的例子。对while()循环而言，注意当while()条件不成立的情况是否可以满足，否则就会变成死循环。

i <- 0
while(i<15) {
    i<- i+2
    print(i)
}

请思考，下面的代码有什么问题？

j <- 20
while(j>10) {
      print(j+2)
}

3.5　取消正在执行的程序

要停止当前的程序，我们可以单击菜单栏上的“Misc”，然后选择“Stop current calculation”，如图3-1所示。

图3-1　Misc菜单

或者干脆按Esc键。第3种方法是单击菜单栏上的红色停止键，如图3-2所示。

图3-2　STOP按钮

3.6　停止程序运行

设置if()stop()语句，会使我们的编程调试工作更有效率。例如我们生成一个函数将输入数值翻倍。

> dd<-function(x)x*2
> dd(3.4)
[1] 6.8

但当你输入字符变量时，就会有出错信息。

> dd("good")
Error in x * 2 : non-numeric argument to binary operator

为此，我们可以用函数if()stop()及is.numeric()函数来解决这个问题。

dd<-function(n){
if (is.numeric(n)==FALSE) stop("Input should be numeric!")
    return(2*n)
}

激活该函数之后，我们可以使用以下两个命令进行测试：一个是整数输入，另一个用于字符输入。

> dd(2)
[1] 4
> dd("live")
Error in double("live") : Input should be numeric!

我们可以用下列函数计算未来价值：

　　（3-1）

在上式中，

是未来值，

是现值，

是利率，

是周期数。如果我们不允许负的利率存在那在这种情况下，我们就可以使用if()和stop()函数。

fv_f<-function(pv,r,n){
    if(r<0)stop("interest is negative")
    return(pv*(1+r)^n)
}

我们可以通过输入负利率来测试。

>fv_f(100,0.1,1)
  [1] 110
> fv_f(100,-0.1,1)
Error in fv_f(100, -0.1, 1) : interest is negative

3.7　向量和矩阵

一个向量被定义为“列变量”，我们可使用length()函数来得出它的长度。

> x<-c(1,2,4.5,7,9)
> x
[1] 1.0 2.0 4.5 7.0 9.0
> length(x)
[1] 5

矩阵是一个二维数据集（变量）。我们可以使用cbind()函数来将两个向量联成一个矩阵。如cbind(vector1, vector2)。

> x<-c(1,2,4.5,7,9)
> y<-c(0.3,0.2,0,4,5)
> z<-cbind(x,y)
> z
x y
[1,] 1.0 0.3
[2,] 2.0 0.2
[3,] 4.5 0.0
[4,] 7.0 4.0
[5,] 9.0 5.0

在上述情况下，

和

都是向量，而

是矩阵。有时我们需要知道向量包含的数据点（值）（即向量的长度）。在这些情况下，我们用length()函数。

> x<-c(1:20,4:22,9)
> n<-length(x)
> n
[1] 40

对于一个矩阵而言，我们使用nrow()函数来得出一矩阵的行数和用ncol()函数来得出一矩阵的列数，详见下面示例。

> x<-matrix(0,3,4)
> x
[,1] [,2] [,3] [,4]
[1,] 0 0 0 0
[2,] 0 0 0 0
[3,] 0 0 0 0
> nrow(x)
[1] 3
> ncol(x)
[1] 4

要得到一个矩阵的行数和列数，我们可以使用dim()函数。

> x<-matrix(0,3,4)
> dim(x)
[1] 3 4
> n<-dim(x)
> n[1]
[1] 3
> n[2]
[1] 4

3.8　条件语句

if()和if()-else()函数等条件通常用于处理数据，或重定义程序的流程。假设我们有一个包含1000只股票的数据集，但我们可能只关注其中的某股票，例如要选择IBM在2010年的数据。为此，我们的条件可设定为：if(ticker=="IBM"＆year==2010)，其中＆是逻辑与。下面是使用if()函数的最简单的例子。

> x<-10
> if(x>0) print("x>0")

假设我们有以下两列的简单数据集。

> year<-c(1991,1992,1993,1994)
> ret<-c(0.01,0.02,0.03,0.034)
> data<-cbind(year,ret)
> data
year ret
[1,] 1991 0.010
[2,] 1992 0.020
[3,] 1993 0.030
[4,] 1994 0.034

我们想要得到一个数据子集，比如1992年以后的数据，可以用subset()函数加上一个条件语句。

> x<-subset(data,year>1992)
> x
year ret
[1,] 1993 0.030
[2,] 1994 0.034

3.9　if()语句

在下面的代码中，我们有一个名为decision的变量。其默认值为“rejecttheproject”。当其NPV为正时，我们接受该项目。在第6章中，我们将介绍该NPV规则：如果NPV>0，接受该项目；如果NPV≤0，拒绝该项目。

>decision<-"reject the project"
>if(npv>0) decision<-"accept the project"
>print(decision)

3.10　if-else语句

if-else是另一种广泛使用的结构，参见下面这个极为简单的例子。

if(x>0){
       print("x>0")
       # your codes here
} else {
       print("x<=0")
       # your codes here
}

在上面的代码中，我们将x值分为两组：正值和非正。

3.11　if-else-if-else语句

对于多组分类，我们可以将多个if()函数组合在一起。下面，我们生成将百分制成绩换为相应的字母成绩。

letter_grade<-function(grade){
if(grade>=90){
       final<-"A"
} else if(grade>=80){
       final<-"B"
} else if (grade>=70){
       final<-"C"
} else if (grade>=60){
       final<-"D"
} else{
       final<-"Fail"
}
    return(final)
}

调用这个函数很简单。

> letter_grade(90)
[1] "A"
> letter_grade(89)
[1] "B"
> letter_grade(79)
[1] "C"
> letter_grade(50)
[1] "Fail"

3.12　逻辑或

在R中，逻辑或意味着如果满足条件A或B。

> x=1
> y=-3
> if(x>0 | y>0) cat("x=",x,"y=",y,"\n")
x= 1 y= −3

假设我们试图从所有美国股票中选择样本数据。根据研究主题，我们对纽约交易所上市或美国交易所上市的股票感兴趣。对一个名为EXCHAGE的变量，NYSE（纽约证券交易所）的值为1，AMEX（美国证券交易所）的值为2，NASDAQ（纳斯达克）为3。那么我们可以有以下代码：

>x2<-subset(x,EXCHAGE==1 | EXCHAGE==2)

3.13　逻辑与

在R中，我们使用＆符号来表示逻辑和。

> x<-1
> y <- -3
> if(x>0 & y>0) print("both positive")

3.14　各种条件语句的组合

我们可以将有不同类型的条件组合在一起。例如对两个变量（

和

），在两者都应该是正数，且

是偶数时，我们打印“pass”。

> x<-7
> y<-9
> if((x>0 | y>0) & x%%2==0) print("pass")

本文摘自：《R语言金融分析与建模》

大数据时代已经到来，如何基于数据完成科学、有效的决策是多数人应该学习和掌握的新技能。开源软件R是世界上流行的数据分析、统计计算及制图语言，几乎能够完成任何数据处理工作。近来R在编程语言排行榜的排名也逐渐上升，可见R的影响力和受欢迎程度都有提升。R可安装并运行于所有主流平台，为我们提供了成千上万的专业模块和实用工具，是数据挖掘、数据分析领域的好工具。

本书注重基础知识和实用技能，系统地介绍了R的特性和它的强大功能，引导读者由浅入深地学习R语言并掌握R在金融领域的应用。本书的作者不仅有丰富的教学经验，而且对R的金融应用有着深入的见解。

本书系统地介绍了R的包与编程方法，并通过丰富的金融案例展示了R在金融分析和金融建模方面的应用。本书分为5篇，共30章，从R语言基础、金融模型及基础知识、数据及相关操作、R在金融建模中的应用和R技能几个主题出发，讲解了R在金融量化中的应用和技巧。

本书适合从事金融数据分析、金融量化建模的读者学习。通过阅读本书，读者将了解全球化的金融市场数据，学习多样的金融建模思想和解决方案。