dat <- read.table("clipboard",header = T)
dat
lm.d<- lm(y~x1+x2+x3+x4+x5,data = dat)
summary(lm.d)
lm.d2 <- step(lm.d) #逐步回归法，挑选变量子集
summary(lm.d2)
newd <- data.frame(x1=12135,x2=28679,x3=19978,x4=502,x5=24950)
predict(lm.d,newd,interval = "prediction")#预测值
predict(lm.d,newd,interval = "prediction",scale = T) #预测均值
学习 R 语言对金融分析人士有何意义？
总之，多学一点东西总是没错的。至于，学了之后会有哪些好处呢，我们就来看看专业人士有什么看法。
对于金融人士来讲，R也许能被我片面地概括几个领域：时间序列，模拟预测，最优化，制图(其实最终还是要归总到贝叶斯，最优化，和simulation的问题)。这些R的工具涵盖的金融方面有：资产组合，量化风险，资产定价，交易模拟，制图报告等。几乎可以满足所有机构投资人与个体投资人的需求。“听起来好诱人哦，好像万金油一样，R好强大哦~“大家心里可能会这么想。不过实话说，这并不是R的功劳，这是给R写包的人的功劳。
学习的意义
如果作为一个量化分析师，学R的意义在于，你可以对你的分析更可控。可是你千万想好这几点再去深学： 1. 你同事愿意读代码还是愿意读excel?如果其他人都用vba，会显得你格格不入，甚至降低团队效率。2. 你真的需要那么多可控性吗?真的有必要用单反相机照午餐放到微博去吗?如果真的需要(代表你不是因为刻意用R才用R)，用尼康(比喻成R)与用佳能(比喻成matlab)真的那么重要吗? 绝不是打消各位学R的积极性，或者居高临下给大家喝鸡汤。这些是亲身感悟。很多时候为了自己装高贵冷艳，总会学一些冷门的手艺，这样用不熟的技术闭门造车，其实很耽误事。毕竟分析师的最终结果是分析，最注重的是分析效率。
总之，学习了还是有很多好处的，学到的东西是你的了，不是吗？
