R语言金融分析作业（一）

1、从WDI分别下载所有国家2016年和2017年GDP数据

1）计算经济增长

2）变成宽数据

library(WDI)
library(reshape)
#在线获取数据
DF <- WDI(country="all",
         indicator="NY.GDP.PCAP.KD",
         start=2016, end=2017)
head(DF,6)
#整理数据
j<-1
country<-c()
iso2c<-c()
GDP2017<-c()
GDP2016<-c()
for(i in 1:(length(DF[,1])/2)){
  iso2c<-append(iso2c,DF[j,1])
  country<-append(country,DF[j,2])
  GDP2017<-append(GDP2017,DF[j,3])
  GDP2016<-append(GDP2016,DF[j+1,3])
  j<-j+2
}
country_GDP<-data.frame(iso2c,country,GDP2016,GDP2017)
head(country_GDP,6)
#1）计算经济增长
eco_strenth<-country_GDP$GDP2017/country_GDP$GDP2016-1
head(eco_strenth,6)
#2)变成宽数据
DFw<-reshape(DF,timevar="year",idvar="country",direction="wide")
head(DFw,6)

2、用quantmod程序包下载中国平安,工商银行,上证指数,新和成四家公司2016年后行情数据

1)求出中国平安公司在2019.1-2019.10的股票总成交量

2)找出这些股票暴涨暴跌的时间点（例如开盘价或收盘价比前一天涨跌幅度超过3%），通过搜索引擎寻找是什么原因导致这些暴涨暴跌，观察（或用程序分析）数据，看就暴涨暴跌事件是否有可以利用的买卖规律

3）上证指数数据集中产生一个新的变量level：涨幅超过5%标为“暴涨”；涨幅在(0,0.05)标为“略涨”；涨幅为0标为“零”；跌幅为(-0.05，0)为“略跌”；跌幅超过5%标为“暴跌”。

4）提取各股票股指收盘价，合并到一个数据集closed，计算各家公司的收盘收益率；将closed数据集保存为.Rdata数据。

5）将closed数据变为窄数据

6）将Rstudio中的编程代码保存为PDF文件

library(zoo)
library(xts)
library(TTR)
library(quantmod)
library(reshape)
#中国平安
setSymbolLookup(ZGPA=list(name='601318.ss',src='yahoo'))
getSymbols("ZGPA",from='2016-01-01',to='2020-03-20')
#工商银行
setSymbolLookup(GSYH=list(name='601398.ss',src='yahoo'))
getSymbols("GSYH",src="yahoo",from='2016-01-01',to='2020-03-20')
#上证指数
getSymbols("^SSEC",src="yahoo",from='2016-01-01',to='2020-03-20')
#新和成
setSymbolLookup(XHC=list(name='002001.sz',src='yahoo'))
getSymbols("XHC",src="yahoo",from='2016-01-01',to='2020-03-20')
head(XHC,3)

#1)求出中国平安公司在2019.1-2019.10的股票总成交量
apply(ZGPA["2019-01-01/2019-10-31"][,5],2,sum,na.rm=T)

#2)找出这些股票暴涨暴跌的时间点（例如开盘价或收盘价比前一天涨跌幅度超过3%）
SSEC$rate<-diff(log(c(SSEC[,1])))
head(SSEC)
SSEC[which(abs(SSEC$rate)>0.03)]
#3）上证指数数据集中产生一个新的变量level：涨幅超过5%标为“暴涨”；涨幅在(0,0.05)标为“略涨”；涨幅为0标为“零”；跌幅为(-0.05，0)为“略跌”；跌幅超过5%标为“暴跌”。
SSEC$level<-NA
SSEC$level[SSEC$rate>=0.05]<-"暴涨"
SSEC$level[SSEC$rate<0.05 & SSEC$rate>0]<-"略涨"
SSEC$level[SSEC$rate==0]<-"零"
SSEC$level[SSEC$rate<0 & SSEC$rate>-0.05]<-"略跌"
SSEC$level[SSEC$rate<=-0.05]<-"暴跌"
head(SSEC)
#4）提取各股票股指收盘价，合并到一个数据集closed，计算各家公司的收盘收益率；将closed数据集保存为.Rdata数据。
closed<-cbind(c(ZGPA[,4]),c(GSYH[,4]),c(XHC[,4]),c(SSEC[,4]))
colnames(closed)<-c("ZGPA","GSYH","XHC","SSEC")
close<-data.frame(closed)
head(close,3)
rate_close<-cbind(diff(log(closed[,1])),diff(log(closed[,2])),diff(log(closed[,3])))
colnames(rate_close)<-c("ZGPA_clorate","GSYH_clorate","XHC_clorate")
head(rate_close,3)
save(closed,file="C:/Users/Desktop/closed.Rdata")
#5）将closed数据变为窄数据
closedL<-stack(as.data.frame(closed))
head(closedL)

#6）将Rstudio中的编程代码保存为PDF文件
pdf(file="C:/Users/Desktop/第二讲数据获取与处理 作业.pdf")
while (!is.null(dev.list()))
dev.off()