量化投资作业的R实现——收益率相关图形绘制

Tushare ID：482621
Tushare是一个免费的大数据平台，你可以很方便地在上面获取各种各样的数据，包括但不限于股票数据（日度，月度，年度），公司财务数据（三大报表），新闻资讯等等。只需要简简单单的几行代码，就可以将数据导入到你所需要的编程软件当中去（支持各种编程环境）。
当然，如果你是编程小白，tushare也是一个很好的获取数据的社区，你可以通过鼠标点击操作，来获取数据并导出。非常的人性化。

实验题目6：根据你所查找的某一个股票或指数的近三年价格的日度数据，做如下运算：

导入相关库

library(zoo) 
library(timeSeries)
library(Tushare) # 导入Tushare包

利用tushare获取数据

api <- Tushare::pro_api(token = '*********************************') # 需要注册自己的账号，便可获取属于自己的专属token 
data0 <- api(api_name = 'daily', ts_code = "000333.SZ", start_date = "20190101", end_date = "20211231")
# 查看数据
head(data0)

'*************************'这个是自己的token，大家只需要登录tushare的网站，经过简单的操作，并完善个人信息之后，就可以使用该社区，来获取你需要的数据啦，快去试试把！！！
大家可以清晰地看到，只需要简简单单的两行，我就获取了美的公司近三年的股票的收盘价，最高价，最低价，日涨跌幅，总量等等。

整理数据

data = data0[,c(2,6)] # 获取我们需要的时间以及收盘价
head(data)
data <- na.omit(data)
date <- as.character(data[,1])
date <- as.Date(date,'%Y%m%d')

（1）绘制收盘价序列图

clsprc <- as.numeric(data[,2])
cls <- zoo(clsprc, date)
plot(cls)

（2）计算其收益率，并绘制收益率的时序图

close = data$close
return <- 100 * diff(log(close))
cls2 <- zoo(return,date)
plot(cls2)

（3）对收益率数据进行描述性统计分析

data_outline <- function(x){
  n <- length(x)
  m <- mean(x)
  v <- var(x)
  s <- sd(x)
  me <- median(x)
  cv <- 100*s/m #变异系数
  css <- sum((x-m)^2)
  uss <- sum(x^2)
  R <- max(x)-min(x)
  R1 <- quantile(x,3/4)-quantile(x,1/4)
  sm <- s/sqrt(n)
  g1 <- n/((n-1)*(n-2))*sum((x-m)^3)/s^3
  g2 <- ((n*(n-1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4
         -(3*(n-1)^2)/((n-2)*(n-3)))
  data.frame(N=n,Mean=m,Var=v,std_dev=s,
             median=me,std_mean=sm,CV=cv,CSS=css,USS=uss,
             R=R,R1=R1,skewness=g1,kurtosis=g2,row.names=1)
}
data_outline(return)

（4）在同一个画布里绘出收益率序列的直方图、核密度估计曲线、经验分布图和QQ图，并将后两个图与正态分布做比较。

#直方图
win.graph(width=7,height=6.5) 
par(mfrow=c(2,2),mar=c(5,4,3,2)) 
hist(return,main='(a) 美的集团收益率直方图',
     xlab='收益*100',ylab='密度', freq=F,cex.main=0.95,las=1)
#核密度估计图
plot(density(return), main="(b) 美的集团收益率核密度曲线图 ",xlab="收益", ylab='密度',
     xlim = c(-7,7), ylim=c(0,0.5),cex.main=0.95)  
polygon(density(return), col="gray", border="black") 
curve(dnorm,lty = 2, add = TRUE)   
abline(v=0,lty = 3) 
legend("topright", legend=c("核密度","正态密度"),lty=c(1,2,3),cex=0.7)
#经验分布图
ECD.SSEC <- ecdf(return[1:10])
plot(ECD.SSEC,lwd = 2,main="(c) 美的集团收益率累积分布函数",cex.main=0.95,las=1)  
xx <- unique(sort(c(seq(-3, 2, length=24), knots(ECD.SSEC))))          
lines(xx, ECD.SSEC(xx))                                                
abline(v=knots(ECD.SSEC),lty=2,col='gray70')                            
x1 <- c((-4):3)
lines(x1,pnorm(x1,mean(return[1:10]),sd(return[1:10])))


#QQ图
qqnorm(return,main="(d) 美的集团收益率Q-Q",cex.main=0.95,xlab='理论分位数',ylab='样本分位数')     
qqline(return,col='red') 

我会不定期的发一些关于金融数据分析的小实例，在学习编程的同时，分享自己的经历，希望大家多多交流和指点。
注：本代码均来自于课程学习以及网络，如有雷同，纯属巧合。如果侵犯到您的权益，请及时联系我。