如何用R语言的quantmod包获取一系列股票的历史日线数据?

Python09

如何用R语言的quantmod包获取一系列股票的历史日线数据?,第1张

我举个例子供你参考:

>install.packages('quantmod') # 安装安装quantmod包

>require(quantmod)#引用quantmod包

>getSymbols("GOOG",src="yahoo",from="2013-01-01", to='2013-04-24') #从雅虎财经获取google的股票数据

>chartSeries(GOOG,up.col='red',dn.col='green') #显示K线图

黄色是5日均线\r\n紫色是10日均线\r\n绿色是20日均线\r\n白色是30日均线\r\n蓝律色是120日均线(因为半年内交易时间可能也就120天左右),所以也可叫半年线\r\n红色是250天线,同半年线道理,也叫年线\r\n\r\n以上大部分股票软件都是这样规定的,具体你可以看看界面上方的字:比如用黄色字体标MA56.08,这就表示5日均线的价格位置为6.08,还有MA10就是10日均线了,如此类推.\r\n\r\n分时图的基础知识\r\n\r\n分时图是指大盘和个股的动态实时(即时)分时走势图,其在实战研判中的地位极其重要,是即时把握多空力量转化即市场变化直接根本,在这里先给大家介绍一下概念性的基础常识。\r\n大盘指数即时分时走势图:\r\n1)白色曲线:表示大盘加权指数,即证交所每日公布媒体常说的大盘实际指数。\r\n2)黄色曲线:大盘不含加权的指标,即不考虑股票盘子的大小,而将所有股票对指数影响看作相同而计算出来的大盘指数。\r\n参考白黄二曲线的相互位置可知:A)当大盘指数上涨时,黄线在白线之上,表示流通盘较小的股票涨幅较大;反之,黄线在白线之下,说明盘小的股票涨幅落后大盘股。B)当大盘指数\r\n\r\n下跌时,黄线在白线之上,表示流通盘较小的股票跌幅小于盘大的股票;反之,盘小的股票跌幅大于盘大的股票。\r\n3)红绿柱线:在红白两条曲线附近有红绿柱状线,是反映大盘即时所有股票的买盘与卖盘在数量上的比率。红柱线的增长减短表示上涨买盘力量的增减;绿柱线的增长缩短表示下跌卖盘力度的强弱。\r\n4)黄色柱线:在红白曲线图下方,用来表示每一分钟的成交量,单位是手(每手等于100股)。\r\n5)委买委卖手数:代表即时所有股票买入委托下三档和卖出上三档手数相加的总和。\r\n6)委比数值:是委买委卖手数之差与之和的比值。当委比数值为正值大的时候,表示买方力量较强股指上涨的机率大;当委比数值为负值的时候,表示卖方的力量较强股指下跌的机率大。\r\n个股即时分时走势图:1)白色曲线:表示该种股票即时实时成交的价格。\r\n2)黄色曲线:表示该种股票即时成交的平均价格,即当天成交总金额除以成交总股数。\r\n3)黄色柱线:在红白曲线图下方,用来表示每一分钟的成交量。\r\n4)成交明细:在盘面的右下方为成交明细显示,显示动态每笔成交的价格和手数。\r\n5)外盘内盘:外盘又称主动性买盘,即成交价在卖出挂单价的累积成交量;内盘主动性卖盘,即成交价在买入挂单价的累积成交量。外盘反映买方的意愿,内盘反映卖方的意愿。\r\n6)量比:是指当天成交总手数与近期成交手数平均的比值,具体公式为:现在总手/((5日平均总手/240)*开盘多少分钟)。量比数值的大小表示近期此时成交量的增减,大于1表示此时刻成交总手数已经放大,小于1表示表示此时刻成交总手数萎缩。\r\n实战中的K线分析,必须与即时分时图分析相结合,才能真实可靠的读懂市场的语言,洞悉盘面股价变化的奥妙。K线形态分析中的形态颈线图形,以及波浪角度动量等分析的方法原则,也同样适合即时动态分时走势图。

R语言常用函数整理本篇是基础篇,即R语言自带的函数。 vector:向量 numeric:数值型向量 logical:逻辑型向量 character;字符型向量 list:列表 data.frame:数据框 c:连接为向量或列表 length:求长度 subset:求子集 seq,from:to,sequence:等差序列 rep:重复 NA:缺失值 NULL:空对象 sort,order,unique,rev:排序 unlist:展平列表 attr,attributes:对象属性 mode,class,typeof:对象存储模式与类型 names:对象的名字属性 字符型向量 nchar:字符数 substr:取子串 format,formatC:把对象用格式转换为字符串 paste()、paste0()不仅可以连接多个字符串,还可以将对象自动转换为字符串再相连,另外还能处理向量。 strsplit:连接或拆分 charmatch,pmatch:字符串匹配 grep,sub,gsub:模式匹配与替换 complex,Re,Im,Mod,Arg,Conj:复数函数 factor:因子 codes:因子的编码 levels:因子的各水平的名字 nlevels:因子的水平个数 cut:把数值型对象分区间转换为因子 table:交叉频数表 split:按因子分组 aggregate:计算各数据子集的概括统计量 tapply:对“不规则”数组应用函数 dev.new() 新建画板 plot()绘制点线图,条形图,散点图. barplot( ) 绘制条形图 dotchart( ) 绘制点图 pie( )绘制饼图. pair( )绘制散点图阵 boxplot( )绘制箱线图 hist( )绘制直方图 scatterplot3D( )绘制3D散点图. par()可以添加很多参数来修改图形 title( ) 添加标题 axis( ) 调整刻度 rug( ) 添加轴密度 grid( ) 添加网格线 abline( ) 添加直线 lines( ) 添加曲线 text( ) 添加标签 legend() 添加图例 +, -, *, /, ^, %%, %/%:四则运算 ceiling,floor,round,signif 1、round() #四舍五入 例:x <- c(3.1416, 15.377, 269.7) round(x, 0) #保留整数位 round(x, 2) #保留两位小数 round(x, -1) #保留到十位 2、signif() #取有效数字(跟学过的有效数字不是一个意思) 例:略 3、trunc() #取整 floor() #向下取整 ceiling() #向上取整 例:xx <- c(3.60, 12.47, -3.60, -12.47) trunc(xx) floor(xx) ceiling(xx) max,min,pmax,pmin:最大最小值 range:最大值和最小值 sum,prod:向量元素和,积 cumsum,cumprod,cummax,cummin:累加、累乘 sort:排序 approx和approx fun:插值 diff:差分 sign:符号函数 abs,sqrt:绝对值,平方根 log, exp, log10, log2:对数与指数函数 sin,cos,tan,asin,acos,atan,atan2:三角函数 sinh,cosh,tanh,asinh,acosh,atanh:双曲函数 beta,lbeta,gamma,lgamma,digamma,trigamma,tetragamma,pentagamma,choose ,lchoose:与贝塔函数、伽玛函数、组合数有关的特殊函数 fft,mvfft,convolve:富利叶变换及卷积 polyroot:多项式求根 poly:正交多项式 spline,splinefun:样条差值 besselI,besselK,besselJ,besselY,gammaCody:Bessel函数 deriv:简单表达式的符号微分或算法微分 array:建立数组 matrix:生成矩阵 data.matrix:把数据框转换为数值型矩阵 lower.tri:矩阵的下三角部分 mat.or.vec:生成矩阵或向量 t:矩阵转置 cbind:把列合并为矩阵 rbind:把行合并为矩阵 diag:矩阵对角元素向量或生成对角矩阵 aperm:数组转置 nrow, ncol:计算数组的行数和列数 dim:对象的维向量 dimnames:对象的维名 rownames,colnames:行名或列名 %*%:矩阵乘法 crossprod:矩阵交叉乘积(内积) outer:数组外积 kronecker:数组的Kronecker积 apply:对数组的某些维应用函数 tapply:对“不规则”数组应用函数 sweep:计算数组的概括统计量 aggregate:计算数据子集的概括统计量 scale:矩阵标准化 matplot:对矩阵各列绘图 cor:相关阵或协差阵 Contrast:对照矩阵 row:矩阵的行下标集 col:求列下标集 solve:解线性方程组或求逆 eigen:矩阵的特征值分解 svd:矩阵的奇异值分解 backsolve:解上三角或下三角方程组 chol:Choleski分解 qr:矩阵的QR分解 chol2inv:由Choleski分解求逆 ><,>,<=,>=,==,!=:比较运算符 !,&,&&,|,||,xor(): 逻辑运算符 logical: 生成逻辑向量 all, any:逻辑向量都为真或存在真 ifelse():二者择一 match, %in%:查找 unique:找出互不相同的元素 which:找到真值下标集合 duplicated:找到重复元素 optimize,uniroot,polyroot:一维优化与求根 if,else, ifelse, switch: 分支 for,while,repeat,break,next: 循环 apply,lapply,sapply,tapply,sweep:替代循环的函数。 function:函数定义 source:调用文件 ’ call:函数调用 . C,.Fortran:调用C或者Fortran子程序的动态链接库。 Recall:递归调用 browser,debug,trace,traceback:程序调试 options:指定系统参数 missing:判断虚参是否有对应实参 nargs:参数个数 stop:终止函数执行 on.exit:指定退出时执行 eval,expression:表达式计算 system.time:表达式计算计时 invisible:使变量不显示 menu:选择菜单(字符列表菜单) 其它与函数有关的还有: delay, delete.response, deparse, do.call, dput, environment , formals, format.info, interactive, is.finite, is.function, is.language, is.recursive , match.arg, match.call, match.fun, model.extract, name, parse 函数能将字符串转换为表达式expression deparse 将表达式expression转换为字符串 eval 函数能对表达式求解 substitute, sys.parent , warning, machine cat,print:显示对象 sink:输出转向到指定文件 dump,save,dput,write:输出对象 scan,read.table,readlines, load,dget:读入 ls,objects:显示对象列表 rm, remove:删除对象 q,quit:退出系统 .First,.Last:初始运行函数与退出运行函数。 options:系统选项 ?,help,help.start,apropos:帮助功能 data:列出数据集 head()查看数据的头几行 tail()查看数据的最后几行 每一种分布有四个函数: d―density(密度函数),p―分布函数,q―分位数函数,r―随机数函数。 比如,正态分布的这四个函数为dnorm,pnorm,qnorm,rnorm。下面我们列出各分布后缀,前面加前缀d、p、q或r就构成函数名: norm:正态, t:t分布, f:F分布, chisq:卡方(包括非中心) unif:均匀, exp:指数, weibull:威布尔, gamma:伽玛, beta:贝塔 lnorm:对数正态, logis:逻辑分布, cauchy:柯西, binom:二项分布, geom:几何分布, hyper:超几何, nbinom:负二项, pois:泊松 signrank:符号秩, wilcox:秩和, tukey:学生化极差 sum, mean, var, sd, min, max, range, median, IQR(四分位间距)等为统计量, sort,order,rank与排序有关, 其它还有ave,fivenum,mad,quantile,stem等。 R中已实现的有chisq.test,prop.test,t.test。 cor,cov.wt,var:协方差阵及相关阵计算 biplot,biplot.princomp:多元数据biplot图 cancor:典则相关 princomp:主成分分析 hclust:谱系聚类 kmeans:k-均值聚类 cmdscale:经典多维标度 其它有dist,mahalanobis,cov.rob。 ts:时间序列对象 diff:计算差分 time:时间序列的采样时间 window:时间窗 lm,glm,aov:线性模型、广义线性模型、方差分析 quo()等价于quote() enquo()等价于substitute()