作者:徐瑞龙,量化分析师
博客专栏:
https://www.cnblogs.com/xuruilong100
前文推送:
本文翻译自《Demo Week: class(Monday) <- tidyquant》
原文链接:
http://www.business-science.io/code-tools/2017/10/23/demo_week_tidyquant.html
tidyquant
的用途
使用 tidyquant
的六大理由:
直接从 Yahoo! Finance、FRED Database、Quandl 等数据源获得网络数据
简化 xts、zoo、quantmod、TTR 和 PerformanceAnalytics 中金融及时间序列函数的调用
可视化: 漂亮的主题以及针对金融的 geom(例如
geom_ma
)构建投资组合
财务分析以及投资组合归因方法
为金融与时间序列分析提供坚实的基础:
tidyquant
会自动加载tidyverse
和各种金融、时间序列分析包,这使得它成为任何金融或时间序列分析的理想起点。
该教程将会介绍前两个主题。
加载包
请先安装 tidyquant
:
# Install libraries install.packages("tidyquant")
加载 tidyquant
。
# Load libraries library(tidyquant) # Loads tidyverse, financial pkgs, used to get and manipulate data
tq_get
:获得数据
使用 tq_get()
获得网络数据。tidyquant
提供了大量 API 用于连接包括 Yahoo! Finance、FRED Economic Database、Quandl 等等在内的数据源。
从 Yahoo! Finance 获得股票数据
将一列股票代码传入 tq_get()
,同时设置 get = "stock.prices"
。可以添加 from
和 to
参数设置数据的起始和结束日期。
# Get Stock Prices from Yahoo! Finance # Create a vector of stock symbols FANG_symbols <- c("FB", "AMZN", "NFLX", "GOOG") # Pass symbols to tq_get to get daily prices FANG_data_d <- FANG_symbols %>% tq_get( get = "stock.prices", from = "2014-01-01", to = "2016-12-31") # Show the result FANG_data_d