拓端tecdat|R语言股市可视化相关矩阵：最小生成树

拓端研究室

已于 2023-08-04 15:28:19 修改

阅读量1.2k

点赞数

分类专栏： R语言预测文章标签： R语言股市可视化相关矩阵最小生成树

于 2020-11-18 10:07:39 首次发布

本文链接：https://blog.csdn.net/qq_19600291/article/details/105754365

版权

R语言同时被 2 个专栏收录

497 篇文章

订阅专栏

预测

136 篇文章

订阅专栏

本文围绕撰写最小生成树研究报告展开，聚焦股市可视化中相关矩阵的可视化。介绍了连通图、强连通图等概念，还提及最小生成树的定义。将获取1分钟收盘价数据并基于近5天可视化相关性，同时列举了多个R语言及Python的数据可视化案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近我们被要求撰写关于最小生成树的研究报告，包括一些图形和统计输出。

本文在股市可视化中可视化相关矩阵：最小生成树

在本文示例中，我将使用日数据和1分钟数据来可视化股票数据。

我发现以下概念定义非常有用：

连通图：在无向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该无向图为连通图。
强连通图：在有向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该有向图为强连通图。
连通网：在连通图中，若图的边具有一定的意义，每一条边都对应着一个数，称为权；权代表着连接连个顶点的代价，称这种连通图叫做连通网。
生成树：一个连通图的生成树是指一个连通子图，它含有图中全部n个顶点，但只有足以构成一棵树的n-1条边。一颗有n个顶点的生成树有且仅有n-1条边，如果生成树中再添加一条边，则必定成环。
最小生成树：在连通网的所有生成树中，所有边的代价和最小的生成树，称为最小生成树。

#*****************************************************************
# 加载历史数据
#*****************************************************************




getSymbols(tickers, src = 'yahoo', from = '1970-01-01', env = data, auto.assign = 

for(i in ls(data)) data[[i]] = adjustOHLC(data[[i]


# 删除历史数据很少的样本
remove.min.history(data)

# 显示已删除的
print(setdiff(tickers,names(data$prices)))

#*****************************************************************
# 可视化关联矩阵
#*****************************************************************
prices = data$prices

ret = diff(log(prices))
	ret = last(ret, 252)

plt(ret, 0.5)

接下来，让我们获取1分钟的收盘价数据，并基于最近5天可视化相关性：

#*****************************************************************
# 加载历史数据
#*****************************************************************


if(!file.exists(filename)) {


		data1[[ticker]] = getSymbol.intraday.google(ticker,






#*****************************************************************
# 可视化关联矩阵
#*****************************************************************
  

print(join(c(


,format(range(index(ret)), '%d-%b-%Y %H-%M')), ' '))

plot.cor(ret, 0.5)

辅助函数：

#*****************************************************************
#函数创建相关矩阵
#*****************************************************************
clncor = function(ret, threshold = 0.5) {
  cor(coredata(ret), use='complete.obs',method='pearson')
	
	cor_mat[ abs(cor_mat) < threshold] = 0



#*****************************************************************
# 绘制最小生成树
#*****************************************************************
plco = function(ho = 0.5) {
	cor_mat = clean.cor(ret, threshold