❶ 如何用R語言提取股票行情數據
最上邊一行菜單欄倒數第二個「高級」-「關聯任務定義」-選取最右邊從上到下第二個按鈕，找到2009年決算任務安裝路徑-確定。 然後 最上邊一行菜單欄正數第二個「錄入」-「上年數據提取」即可 提取完了，注意修改與去年不同的科目代碼！
❷ 如何用R語言的quantmod包獲取一系列股票的歷史日線數據
我舉個例子供你參考：
> install.packages('quantmod') # 安裝安裝quantmod包
> require(quantmod)#引用quantmod包
> getSymbols("GOOG",src="yahoo",from="2013-01-01", to='2013-04-24') #從雅虎財經獲取google的股票數據
> chartSeries(GOOG,up.col='red',dn.col='green') #顯示K線圖
❸ R語言怎麼把股票日收盤價轉換成對數收益率
知道一系列收盤價向量X,length=1000,求對數收益率的R語言代碼
acf(int[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
log return')
Box.test(int[,2], lag = 5, type = "Ljung-Box")
Box.test(int[,2], lag = 10, type = "Ljung-Box")
Box.test(int.l[,2], lag = 5, type = "Ljung-Box")
Box.test(int.l[,2], lag = 10, type = "Ljung-Box")
運行結錯誤辦
> int <- read.table("d-intc7208.txt", head=T)
錯誤於file(file, "rt") : 打鏈結
外: 警告信息：
In file(file, "rt") :
打文件'd-intc7208.txt': No such file or directory
+ acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
錯誤: 意外符號 in:
"
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int"
> log return')
錯誤: 意外符號 in "log return"
❹ 怎樣從基本面和技術面對股票進行分析最好有一個典型案例。。急。。
技術分析就是利用股票的各種數值如K、D、J、MACD等，而基本分析就是一個公司的基本財務狀況分析、價值分析。政策分析等比如中國石化，他每年的利潤都是幾百億，而他現在的股價是20多，你覺得他的價值應該更高，所以預期會漲，這就是基本分析。
❺ 有哪些關於 R 語言的書值得推薦
數據挖掘與R語言
本書首先簡要介紹了R軟體的基礎知識（安裝、R數據結構、R編程、R的輸入和輸出等）。然後通過四個數據挖掘的實際案例 （藻類頻率的預測、證券趨勢預測和交易系統模擬、交易欺詐預測、微陣列數據分類）介紹數據挖掘技術。這四個案例基本覆蓋了常見的數據挖掘技術，從無監督的 數據挖掘技術、有監督的數據挖掘技術到半監督的數據挖掘技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，並且各章自成體 系。讀者可以從頭至尾逐章學習，也可以根據自己的需要進行學習，找到自己實際問題的解決方案。
本書不需要讀者具備R和數據挖掘的基礎知識。不管是R初學者，還是熟練的R用戶都能從書中找到對自己有用的內容。讀者既可以把本書作為學習如何應用R的一本優秀教材，也可以作為數據挖掘的工具書。
機器學習：實用案例解析
機器學習是計算機科學和人工智慧中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技 術。本書比較全面系統地介紹了機器學習的方法和技術，不僅詳細闡述了許多經典的學習方法，還討論了一些有生命力的新理論、新方法。
全書案例既有分類問題，也有回歸問題；既包 含監督學習，也涵蓋無監督學習。本書討論的案例從分類講到回歸，然後討論了聚類、降維、最優化問題等。這些案例包括分類：垃圾郵件識別，排序：智能收件 箱，回歸模型：預測網頁訪問量，正則化：文本回歸，最優化：密碼破解，無監督學習：構建股票市場指數，空間相似度：用投票記錄對美國參議員聚類，推薦系 統：給用戶推薦R語言包，社交網路分析：在Twitter上感興趣的人，模型比較：給你的問題找到最佳演算法。各章對原理的敘述力求概念清晰、表達准確，突 出理論聯系實際，富有啟發性，易於理解。在探索這些案例的過程中用到的基本工具就是R統計編程語言。R語言非常適合用於機器學習的案例研究，因為它是一種 用於數據分析的高水平、功能性腳本語言。
R語言經典實例
本書涵蓋200多個R語言實用方法，可以幫助讀者快速而有效地使用R進行數據分析。R語言給我們提供了統計分析酣一切工具，但是R本身的結 構可能有些難於掌握。本書提供的這些面向任務、簡明的R語言方法包含了從基本的分析任務到輸入和輸出、常用統計分析、繪圖、線性回歸等內容，它們可以讓你 馬上應用R高效地工作。
每一個R語言方法都專注於一個特定的問題，隨後的討論則對問題的解決方案給出解釋，並闡釋該方法的工作機理。對於R的初級用戶，《R語言經典實例》將幫助 你步入R的殿堂；對於R的資深用戶，本書將加深你對R的理解並拓展你的視野。通過本書，你可以使你的分析工作順利完成並學習更多R語言知識。本書由蒂特 著。
R語言編程藝術
R語言是世界上最流行的用於數據處理和統 計分析的腳本語言。考古學家用它來跟蹤古代文明的傳播，醫葯公司用它來探索哪種葯物更安全、更有效，精算師用它評估金融風險以保證市場的平穩運行。總之， 在大數據時代，統計數據、分析數據都離不開計算機軟體的支持，在這方面R語言尤其出色。
本書將帶領你踏上R語言軟體開發之旅，從最 基本的數據類型和數據結構開始，到閉包、遞歸和匿名函數等高級主題，由淺入深，講解細膩，讀者完全不需要統計學的知識，甚至不需要編程基礎。而書中提到的 很多高級編程技巧，都是作者多年編程經驗的總結，對有經驗的開發者也大有裨益。本書精選了44個擴展案例，這些案例都源自於作者親身參與過的咨詢項目，都 是與數據分析相關的，生動展示了R語言在統計學中的高效應用。
金融數據分析導論：基於R語言
本書由統計學領域著名專家Ruey S. Tsay（蔡瑞胸）所著，從基本的金融數據出發，討論了這些數據的匯總統計和相關的可視化方法，之後分別介紹了商業、金融和經濟領域中的基本時間序列分析和計量經濟模型。
時間序列分析及應用:R語言(原書第2版)
本書以易於理解的方式講述了時間序列模型及其應用，主要內容包括：趨勢、平穩時間序列模型、非平穩時間序列模 型、模型識別、參數估計、模型診斷、預測、季節模型、時間序列回歸模型、異方差時間序列模型、譜分析入門、譜估計、門限模型.對所有的思想和方法，都用真 實數據集和模擬數據集進行了說明。
本書可作為高等院校統計、經濟、商科、工程及定量社會科學等專業學生的教材或教學參考書，同時也可供相關技術人員使用。
❻ 正在學慣用R語言編寫股票自動交易軟體，但是對股票以及R語言都知之甚少。求高手指點。
我和你一樣，也在學，大智慧新一代，通達信，和飛狐這幾個你任選一個先學，以後慢慢的都會了。飛狐相對要復雜一些，要想編出功能更強大的公式，飛狐里還會用到VBS和JS腳本，還會用到C語言，別的公式不會用到這些。
❼ 老師有沒有 R語言與數據挖掘最佳實踐和經典案例 的電子版
不知不覺我跟R已經認識1年了，在這一周年的日子裡，寫篇紀念文章。
以前我並未對統計軟體有特殊的偏好，spss、sas、eviews都在用，三個中稍傾向於spss，主要因為它比較簡單，sas的學習難度和應用條件（模塊很多，文件太大）是我所難以接受的，eviews只在時間序列里用。那時更關注於具體的理論學習，不過在往深了學的時候，會有一個疑問，如果我在現實中要實現這些比較新的內容該怎麼辦？（商業軟體一般沒那麼新的前沿的內容），這些復雜的公式對於沒什麼編程基礎的我來說要實現起來真是難上加難。也是去年這時候，有一個曾經在學院任教的老師（現在是加拿大英屬哥倫比亞大學終身教授）回來給我們上了一個月的課，在這一個月的時間里，我接觸了R語言。
接下來的一年裡（現在依然如此），我始終處在自學R的階段，雖然辛苦也受益良多，一方面是終於可以擺脫傻瓜軟體的束縛（用了R之後，我基本不用spss了），另一方面也是最重要的是R鏡像站的文檔讓我學了太多以前沒接觸的前沿知識並通過R語言進行了實踐，這一切在以前都是不可想像的。
說實在的我的R水平還是處於基礎階段（雖然我已掌握了幾乎所有傳統統計學方法和數據挖掘演算法的R語言實現），目前在文本挖掘，高級編程上與專業人士還存在很大的差距，不過我會繼續努力。
R語言在中國的普及程度與國外簡直是沒法比，據我所知，目前高校用R作分析少之又少，企業普及率也低。不過，R的影響正在不斷擴大，統計之都舉辦的R語言會議已經到第5屆了，而且去年的參會陣容已經相當豪華了（謝邦昌都去了），我相信R的前景會越來越好，當然也希望我的R能力能更快的提高。
下面是轉的數據挖掘研究院的一篇文章（是篇翻譯文章），是講facebook和google的研究人員如何用R的。
在R用戶組織的主題為「R與預測分析科學」的panel會議上，有來自工業界的四位代表發表了講話，介紹各自在工業界是如何應用R進行數據挖掘。他們分別是：
Bo Cowgill, Google
Itamar Rosenn, Facebook
David Smith, Revolution Computing
Jim Porzak, The Generations Network
他們分別介紹了在各個公司是如何使用R進行預測分析，R作為分析工具的優勢和劣勢，並且提供了學習案例，以下是對他們的介紹的相關總結。
Panel介紹
R作為一門編程語言在以下三個方面具有很強的優勢：數據處理，統計和數據可視化。和其他數據分析工具不同的是，它是由統計學家開發的，它是免費的軟體，並且可以通過用戶開發的包進行擴展，目前大約有2000多個包在CRAN中。
很多包可以應用在預測分析中。Jim重點介紹了 Max Kuhn 的caret包，它提供了大量的分類和回歸模型，包括神經網路和樸素貝葉斯模型。
Bo Cowgill, Google
根據Bo Cowgill 的介紹，R是google最流行的統計分析包，事實上，google也是R基礎的捐助者。他講述道：R最好的事情是，它是統計學家發明的。它最糟糕的事情是，它是統計學家發明的。無論如何，他很樂觀地看待R開發者社區的發展，R文檔也逐步在改進，它的性能也在逐步提高。
Google主要使用R進行數據探索和構建模型原型，它並不是應用在生產系統，在Bo的團隊中，R主要運行在桌面環境中。Bo主要根據以下的流程使用R：（1）使用其他的工具提取數據；（2）將數據載入到R中；（3）使用R建模分析；（4）在生產環境中使用c 或者python實現結果模型。
Itamar Rosenn, Facebook
Itamar介紹了facebook數據團隊使用R的情況，他回答了新用戶提數的兩個問題：預測用戶是否保持在某個數據點，如果他們停留，如何預測他們在三個月之後是否還會停留。
對於第一個問題，Itamar的團隊使用遞歸劃分推斷出僅僅兩個數據點被預測出來用戶是否保留在facebook上:(1)新用戶擁有多個會話；（2）輸入用戶基本信息時。
對於第二個問題，他們使用最小角度回歸方法建立邏輯回歸模型（lars包），根據三個類別的行為發現用戶三個月的活動：(1)用戶被其他用戶訪問的頻率；（2）第三方應用程序使用的頻率；（3）即將訪問該站點的用戶。
David Smith, Revolution Computing
David的公司，R改革計算，不僅僅使用R，而且R是他們的核心業務。David描述道：他們對R的貢獻類似於redhat對linux 的貢獻。他的公司處理使用R遇到的一些問題，例如，（1）支持老版本軟體，即向下兼容；（2）通過他們的ParallelR套件可以支持並行計算。
David展示了他們的生命科學客戶是如何使用R通過randomForest包對基因組數據集進行分類處理，以及如何使用他們的foreach包對分類樹分析進行並行處理。
他還提到他們和其他公司合作將R應用在生產環境中，將特定的腳本放在伺服器上，用戶通過客戶端調用該腳本進行數據處理。
Jim Porzak, The Generations Network
Jim簡單介紹了如何使用R進行市場分析。尤其是，Jim還使用flexclust為sun公司的客戶數據進行聚類分析，並且應用該結果數據識別高價值銷售的主導業務。
在Q&A環節，還有很多提問，並且進行了回答。
1在使用R的過程中，如何解決內存限制問題？
R工作區是在RAM上，因此他的大小是受到限制的。
辦法：
（1） 使用R的資料庫連接功能（例如RMySQL），對數據進行切片處理
（2） 抽樣處理
（3） 在獨立的伺服器或者在amazon的雲計算環境中運行腳本
2R如何與其他工具和語言進行交互？
CRAN裡面有一些包提供了和matlab，splus，SAS，excel的交互介面，另外，還提供了與python和java的介麵包（Rpy和RJava）。
❽ 如何在r語言中抓取股票數據並分析論文
用quantomd包
然後getsymbols函數
分析論文 要看你研究方向
如果是看影響因素 一般回歸就行
如果看股票波動和預測 可能需要時間序列