R语言金融基础：tidyquant数据整理（滑窗建模）

作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。

邮箱：huang.tian-yuan@qq.com

之前模拟风控模型的时候，曾经想要做滑动窗口模型。因为当时我相信一个前提假设（现在也相信着）：随着时间的变化，每个变量的重要程度也会改变，而它们的组合关系的重要程度也会改变，符合的模型也会变化，模型参数最优值也会变化。时间窗口的确定，需要不断地尝试。模型哪些比较好，是否需要集成模型（发现有人把基于树的叫做集成模型，那好吧...但是集成本身的概念是多模型融合决策吧...），哪些变量应该放在一起做特征工程，这些事变化过程真的是太多了，这使得水越来越深。在科学研究中，往往称之为复杂性问题，也就是很难找到一个放之四海而皆准的规则（如果有，数据挖掘工程师或将失业）。

不过再复杂的东西，都是由简单的要素构成的。越是想要追求精准，就越是要忠实于基本的东西。因此就时间变动的特征，这里使用tidyquant进行滑动窗口建模。下面先举例说明，首先用之前介绍过的tq_get来下载股票信息。下面的FB代表Facebook的股票信息，包括2016年的每日行情（OHLC）。与此同时，我们还会下载XLK数据，它是Technology Select Sector SPDR® ETF的简称，中文译作高科技指数。

类似于指数基金的一篮子股票组合，那么XLK则是针对科技股的股票组合，最后构成一个指数基金（如果说得不够准确，请猛烈抨击指正）。下面，我们要根据Facebook和XLK的行情，判断两者之间是否存在线性关系。先下载数据：

library(tidyquant)

fb_returns <- tq_get("FB", get  = "stock.prices", from = "2016-01-01", to   = "2016-12-31") %>%
  tq_transmute(select = adjusted, 
               mutate_fun = periodReturn, 
               period = "weekly", 
               col_rename = "fb.returns")

xlk_returns <- tq_get("XLK", from = "2016-01-01", to = "2016-12-31") %>%
  tq_transmute(select = adjusted, 
               mutate_fun = periodReturn, 
               period = "weekly", 
               col_rename = "xlk.returns")

这里在下载的同时，我们直接用tq_transmute对得到的tibble进行修饰，具体来说就是把矫正的收盘价转化为周的数据，并重新命名。看看数据是什么样子的：

 fb_returns
# A tibble: 52 x 2
   date       fb.returns
   <date>          <dbl>
 1 2016-01-08   -0.0478 
 2 2016-01-15   -0.0242 
 3 2016-01-22    0.0313 
 4 2016-01-29    0.146  
 5 2016-02-05   -0.0725 
 6 2016-02-12   -0.0198 
 7 2016-02-19    0.0251 
 8 2016-02-26    0.0320 
 9 2016-03-04    0.00436
10 2016-03-11    0.00941
# ... with 42 more rows

 xlk_returns
# A tibble: 52 x 2
   date       xlk.returns
   <date>           <dbl>
 1 2016-01-08    -0.0516 
 2 2016-01-15    -0.0187 
 3 2016-01-22     0.0264 
 4 2016-01-29     0.0213 
 5 2016-02-05    -0.0422 
 6 2016-02-12    -0.00582
 7 2016-02-19     0.0354 
 8 2016-02-26     0.0148 
 9 2016-03-04     0.0281 
10 2016-03-11     0.0106 
# ... with 42 more rows

都是一列日期，一列周均矫正收盘价。下面把两个数据框合在一起：

returns_combined <- left_join(fb_returns, xlk_returns, by = "date")
returns_combined

# A tibble: 52 x 3
   date       fb.returns xlk.returns
   <date>          <dbl>       <dbl>
 1 2016-01-08   -0.0478     -0.0516 
 2 2016-01-15   -0.0242     -0.0187 
 3 2016-01-22    0.0313      0.0264 
 4 2016-01-29    0.146       0.0213 
 5 2016-02-05   -0.0725     -0.0422 
 6 2016-02-12   -0.0198     -0.00582
 7 2016-02-19    0.0251      0.0354 
 8 2016-02-26    0.0320      0.0148 
 9 2016-03-04    0.00436     0.0281 
10 2016-03-11    0.00941     0.0106 
# ... with 42 more rows

其实用cbind或者bind_columns也是一样的，因为日期的排布是一样的。下面我们来构造模型函数，这里用的是线性回归模型：

regr_fun <- function(data) {
  coef(lm(fb.returns ~ xlk.returns, data = data))
}

只用了一元线性回归，因此这个函数接收一个数据框，返回值包括两个，一个是截距，一个是回归系数。这里是最需要注意的地方，如果想用其他模型，返回其他的值，那么都是在这个函数中进行设置。

下面我们进行滑窗建模：

returns_combined %>%
  tq_mutate(mutate_fun = rollapply,
            width      = 12,
            FUN        = regr_fun,
            by.column  = FALSE,
            col_rename = c("coef.0", "coef.1"))

讲讲上面干了什么：首先我们用了rollapply函数，设置窗口大小为12周（width = 12）。此外，在滑动建模的时候，采用我们之前设置好的线性模型（FUN = regr_fun），返回值是两个值，因此我们对其进行重新命名（col_rename = c("coef.0", "coef.1"))）。至于by.column这个参数，是询问是否对每一列都进行这个操作，是rollapply中的一个参数，这里我们显然不需要，因此设置为FALSE。不过这是看不到结果的，前10行应该都是NA，因此我们换个方法来看结果：

returns_combined %>%
  tq_mutate(mutate_fun = rollapply,
            width      = 12,
            FUN        = regr_fun,
            by.column  = FALSE,
            col_rename = c("coef.0", "coef.1")) %>% 
  print(n = 20)

# A tibble: 52 x 5
   date       fb.returns xlk.returns    coef.0    coef.1
   <date>          <dbl>       <dbl>     <dbl>     <dbl>
 1 2016-01-08   -0.0478    -0.0516    NA        NA      
 2 2016-01-15   -0.0242    -0.0187    NA        NA      
 3 2016-01-22    0.0313     0.0264    NA        NA      
 4 2016-01-29    0.146      0.0213    NA        NA      
 5 2016-02-05   -0.0725    -0.0422    NA        NA      
 6 2016-02-12   -0.0198    -0.00582   NA        NA      
 7 2016-02-19    0.0251     0.0354    NA        NA      
 8 2016-02-26    0.0320     0.0148    NA        NA      
 9 2016-03-04    0.00436    0.0281    NA        NA      
10 2016-03-11    0.00941    0.0106    NA        NA      
11 2016-03-18    0.0186     0.0219    NA        NA      
12 2016-03-24    0.0144     0.000688   0.00514   1.34   
13 2016-04-01    0.0266     0.0248     0.00143   1.48   
14 2016-04-08   -0.0468    -0.0181    -0.00167   1.60   
15 2016-04-15   -0.00895    0.0103    -0.00307   1.62   
16 2016-04-22    0.00839   -0.0203    -0.00632   1.11   
17 2016-04-29    0.0635    -0.0302     0.00972   0.142  
18 2016-05-06    0.0162     0.00285    0.0132    0.0601 
19 2016-05-13    0.00268   -0.000947   0.0117   -0.00853
20 2016-05-20   -0.0205     0.0123     0.00783  -0.145  
# ... with 32 more rows

要求显示20行，我们发现，数据从第12周开始有。也就是说，自第12周开始，每次用包含当前周在内的前12周的数据构建回归模型，计算得到的模型参数附加在后面。

我们发现，在使用tq_mutate系列的时候，一般是使用select来告诉计算机我们要对那一列进行函数的处理。但是有两个参数的时候怎么办？可以考虑使用下面的函数：

FANG %>%
    group_by(symbol) %>%
    tq_mutate_xy(x = close, y = volume, 
                 mutate_fun = EVWMA, col_rename = "EVWMA")

# A tibble: 4,032 x 9
# Groups:   symbol [4]
   symbol date        open  high   low close    volume adjusted EVWMA
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>     <dbl>    <dbl> <dbl>
 1 FB     2013-01-02  27.4  28.2  27.4  28    69846400     28    NA  
 2 FB     2013-01-03  27.9  28.5  27.6  27.8  63140600     27.8  NA  
 3 FB     2013-01-04  28.0  28.9  27.8  28.8  72715400     28.8  NA  
 4 FB     2013-01-07  28.7  29.8  28.6  29.4  83781800     29.4  NA  
 5 FB     2013-01-08  29.5  29.6  28.9  29.1  45871300     29.1  NA  
 6 FB     2013-01-09  29.7  30.6  29.5  30.6 104787700     30.6  NA  
 7 FB     2013-01-10  30.6  31.5  30.3  31.3  95316400     31.3  NA  
 8 FB     2013-01-11  31.3  32.0  31.1  31.7  89598000     31.7  NA  
 9 FB     2013-01-14  32.1  32.2  30.6  31.0  98892800     31.0  NA  
10 FB     2013-01-15  30.6  31.7  29.9  30.1 173242600     30.1  30.1
# ... with 4,022 more rows

EVWMA这个函数接受两个参数，它会把x和y作为这个函数的前两个参数，然后进行计算，最后得到的结果保存在EVWMA列中。

简单介绍一下EVWMA：Elastic Volume Weighted Moving Average，弹性成交量加权移动平均线指标。

它是每股价格的逼近，而R中这个函数默认的时间窗口为10。

——————————————

往期精彩：

• 今天，我改名了！
  

• Oracle裁员补偿N+6，员工仍不满意，为何？
  

• 被嫌弃的程序员的一生