R语言不止可以做数据分析，还可以变着方法玩出花

▲ 长按图片保存可分享至朋友圈

作者：刘洋溢  R语言中文社区专栏作者

知乎ID：https://zhuanlan.zhihu.com/p/51396601

前言

很多人都为R语言贴上了数据分析的标签。这并不假，毕竟，它是由统计学家创造的，毕竟，它最大的优势是统计建模，尤其是前沿模型建模的便利性。但这些年，R也在与时俱进。如果现在仍然认为它仅仅是一门数据分析/统计建模语言，会不会太狭窄了呢？

我的的答案是，会，太狭窄了。

那些年，我用R做过的事

初次接触R

最早接触R语言，自然是在学校。自己做一点简单的数据分析，也作为助研，帮助老师做一点简单的分析工作。这些超级基础的应用，就不多提了。

后来，我们开始了量化交易之旅。这个过程中，做研究的小伙伴，有的选择了matlab，也有的和我一样，选择了R。利用R，我们开始对各种各样的行情数据进行分析，试图从中找出价格和价差的规律。分析手段不一而足，从基本的描述性统计、绘图，到各类回归分析，以及更为复杂的各类时间序列与波动率模型的建模与测试。与此同时，我们也会对宏观经济数据建模，曾经计量课本里那些看似遥远的协整分析、VAR模型等，也都逐渐派上用场。此外，在研究投资组合构建时，各类优化算法也派上了用场。

当然，在这个过程中，我也帮助我们的IT小伙伴，分担一部分数据处理工作，即把IT收集整理好的行情数据和其他数据，按照做策略研究的小伙伴的需求，将数据整理为他们需要的格式。举个例子，有小伙伴研究商品期货的跨品种对冲套利，需要对数据进行变换。一个商品期货品种有很多个合约，且随着时间流逝，不断有合约到期，和新合约挂牌交易。我们的原始数据为每个合约一个文件，存放其每个交易日的开高低收价格和成交量数据。而小伙伴要的数据形式是，一个品种一个文件，第一列为日期，第2-4列为1/5/9三个月份的合约的收盘价，最后一列为主力合约的月份。利用dplyr等packages，我快速地写好了R程序，每天自动帮小伙伴便利、高效地生成他需要的数据。

因此同时，还有一些其他好玩的事情。彼时网络上可以下载几乎所有的上市公司公告和研究报告，而一个小伙伴想每天收集、阅读感兴趣的公司，在当天的公告和研报，于是，我去分析了网络链接，写了个小程序，每天自动爬取、下载公告和研报，并按照日期和公司分别保存，供小伙伴参考。这个工作，也是用R做的。虽然通常爬虫用python做得更多，但事实上，R也可以同样出色地完成大部分此类工作。

R的深入研究

再后来，因为个人原因，我回到了家乡，加入了一家初创的金融科技公司。一开始，我们的工作聚焦在对银行理财产品的量化研究上，其中一些有趣的问题包括理财产品收益率曲线的构建，理财市场平均收益率的预测，理财产品与银行画像，等等。这其中，涉及更多的数据处理(异常值和缺失值处理，分组统计，聚类分析，插值计算，以及基于list类型数据的分组研究，等等)，通过利用R提供的一系列packages，这些工作都得以高效地完成，并与IT小伙伴们合作，部署到了我们的产品系统中。其中，在理财产品画像部分，我们还利用R的Echarts接口，很便利地生成了收益率地图，供用户直观地对不同区域的产品收益率进行比较。

与此同时，我们也在推进着量化投资方面的研究，首当其冲的是量化大类资产配置。特别地，我们以及诸多业内同行都很感兴趣的一个问题是，是否可能基于经济周期的变换，来动态进行资产配置决策。美林时钟是这方面的一项经典研究。但在国内的市场环境下，表现并不是非常理想，被戏称为美林电风扇。我们则充分挖掘了我们团队的统计背景和R在统计建模与机器学习方面的潜能，通过引入PCA、regime switching/structural changes以及收益率均值与协方差矩阵的shrinkage estimator等算法，构建起了一套基于宏观经济周期的资产配置方法。
事实上，不止如此，类似的研究套路，也被我们进一步应用到基金投资等领域的研究中，也取得了不错的效果。此外，我们也在文本挖掘方面进行了一些探索，虽然考虑到数据量，最终的系统里，我们没有使用R，但在前期的研究阶段，R也是我们常用的工具之一。

当然，我们不应该忘记R在可视化方面的良好表现，甚至可以说是优异体验。ggplot2的惊艳感自不必说，近年越来越多的拓展库，也大大优化了其体验，可以更加简单、便利地加以利用。plotly库则进一步弥补了R自身的工具包不能很好地提供动态可视化的缺憾。此外，highcharter、REMap等提供了highcharts和ECharts等经典JS绘图库的API，进一步拓展了R的可视化性能。shiny则打开了一扇大门，可以直接利用R搭建动态网络服务。虽然产品化的直接应用大概不会很多，但对于原型开发，也有着很好的帮助。

再者，rmarkdown及在此基础上的大发展，使得RStudio在报告制作方面，可能能提供不逊于甚至优于jupyter notebook的体验。一方面，rmarkdown的语法日益完善，且内置的各种模板和设定，使得可以便利地将rmarkdown文档便以为html、pdf和word，乃至beamer和ppt。另一方面，进一步的拓展库bookdown和blogdown，甚至支持直接建立Rproject来撰写、发布电子书或维护自己的博客。而reticulate package则进一步提供了在R环境里使用python的便利，也进一步提升了rmarkdown的吸引力。我自己在研究中虽然也在某些时候更多使用python，但在报告和文章写作方面，则坚持使用R。这篇文章，以及其他所有专栏文章，以及电子书，甚至学术文章，初稿都是用rmarkdown写作的。

最后，Rcpp及相关packages的完善，也给了R使用者一个需要高性能时的解决方案，将耗时的模块用C++写，然后再调用。当然，我自己是不太乐意去用C++的，所以如果必要，我会找专业的小伙伴帮我写这部分，再行调用。

结语

所以，结合我自己的使用经历来看，R已经远非数据分析工具那么简单。它能支持相当多的日常研究活动，值得进一步探索。当然，与此同时，掌握一些新的高效工具，可能也是必要的。毕竟，说到底，工具永远是服务于我们的目的的，用的舒服，就是最好的。

完

公众号后台回复关键字即可学习

回复 爬虫            爬虫三大案例实战  
回复 Python       1小时破冰入门

回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法