楊曉偉，楊鴻鮮，劉相國，劉倩倩

(巢湖學院 數(shù)學與統(tǒng)計學院，安徽 合肥 23800)

隨著我國國民經(jīng)濟的發(fā)展及科學技術(shù)水平的提升，金融領(lǐng)域的發(fā)展受到社會各界的高度重視。然而，金融行業(yè)的數(shù)據(jù)分析是一個極為復雜的體系，有眾多不同的分支。因此大數(shù)據(jù)分析技術(shù)在這個新經(jīng)濟時代意義重大。近年來，數(shù)據(jù)分析軟件層出不窮，如R、SPSS、Eviews、Matlab等數(shù)據(jù)分析軟件。其中R語言以其獨特的優(yōu)勢活躍于各個領(lǐng)域數(shù)據(jù)分析之中。R具備可拓展能力，且擁有豐富的功能選項，可幫助相關(guān)領(lǐng)域工作人員開展數(shù)據(jù)分析與研究活動。

金融數(shù)據(jù)分析離不開切實可靠的數(shù)據(jù)，數(shù)據(jù)是經(jīng)濟分析的基礎(chǔ)，嚴謹?shù)慕?jīng)濟理論和經(jīng)濟形勢預判均需真實有效的數(shù)據(jù)作為依據(jù)。由于R軟件包涉及的領(lǐng)域極廣，包含社交網(wǎng)絡(luò)分析、統(tǒng)計、繪圖、自然語言處理、生物信息統(tǒng)計等，并且它們擁有共同的一套R語言語法和語義規(guī)則，操作靈活簡便。本文主要運用R的quantmod包和fBasics包從雅虎網(wǎng)的財經(jīng)板塊抓取新浪股票數(shù)據(jù)，為股票的市場走勢分析打下基礎(chǔ)。

在如今這個大數(shù)據(jù)時代，數(shù)據(jù)分析成為生活和工作中必不可少的項目。而數(shù)據(jù)分析就是采用恰當?shù)慕y(tǒng)計分析技術(shù)對收集來的龐大的數(shù)據(jù)體系進行分析整理，提取有價值信息，形成一般規(guī)律或結(jié)論，并給出詳細的概述[1]。例如經(jīng)典的營銷案例如沃爾瑪啤酒與尿布；Suncorp-Metway使用數(shù)據(jù)分析實現(xiàn)智慧營銷；還有辛辛那提動物園使用數(shù)據(jù)分析提高客戶滿意度等經(jīng)典數(shù)據(jù)分析案例，深刻反映出數(shù)據(jù)分析的實用性遍布日常生活和工作過程中，幫助人們做出判斷，利于人們采取適當行動[2]。而本文主要是運用R軟件，實現(xiàn)對新浪股票數(shù)據(jù)的基礎(chǔ)分析，這具有一定的現(xiàn)實指導意義。

1 R語言概述

從R的起源史來看，R工具的開發(fā)其實是用來替代昂貴的SPSS工具和SAS工具[3]。1992年開始，由兩位新西蘭奧克蘭大學的統(tǒng)計學家為了方便講授初等統(tǒng)計課程，而發(fā)明的以他們名字的首字母R為名稱的編程語言，可認為R是S語言分支的一種實現(xiàn)[4]。R是目前使用最廣泛的數(shù)據(jù)挖掘和分析工具，已成為一款極具特色且擁有廣闊前景的應用軟件。尤其在金融行業(yè)，金融數(shù)據(jù)的分析更是離不開R的。如人們可通過R對股票數(shù)據(jù)進行抓取，對獲取的數(shù)據(jù)進行挖掘，得出分析結(jié)果，對金融行業(yè)及股票市場進行合理預判，以便對企業(yè)發(fā)展有更好的評估[5]。

1.1 R包的介紹

簡而言之，R是一個關(guān)于包的集合，而包是關(guān)于函數(shù)、數(shù)據(jù)集、編譯器等的集合。編譯R程序的過程是通過創(chuàng)建R對象來組織數(shù)據(jù)，并通過調(diào)用系統(tǒng)函數(shù)或創(chuàng)建和調(diào)用自定義函數(shù)來逐步完成每個數(shù)據(jù)挖掘各階段的任務(wù)。包作為R的核心思想可劃分為基礎(chǔ)包和共享包兩大內(nèi)容?；A(chǔ)包是R默認下載和安裝的包，它支持各類數(shù)據(jù)基本統(tǒng)計情況的分析和基礎(chǔ)制圖等，其中還包括一些共享數(shù)據(jù)集供用戶使用。而共享包是由R的全球性研究型社區(qū)和第三方提供的各種包的集合，涵蓋了各類現(xiàn)代統(tǒng)計和數(shù)據(jù)挖掘方法，涉及的應用領(lǐng)域較多。使用者可根據(jù)自身的研究目的，有選擇地自行指定下載、安裝和加載。

1.2 R的基本函數(shù)

表1的函數(shù)主要用來對數(shù)據(jù)統(tǒng)計性質(zhì)進行分析，利用R軟件編程來呈現(xiàn)數(shù)據(jù)結(jié)果。

表1 基本統(tǒng)計函數(shù)介紹

表2是本文用來抓取股票數(shù)據(jù)并調(diào)用相關(guān)算法進行技術(shù)分析的R函數(shù)命令。

表2 主要調(diào)用R函數(shù)介紹

①library() 函數(shù)用來加載各種R包，其相當于一個大型“圖書館”，用來查找資料的。

②getSymbols() 函數(shù)是用來訪問和下載作用對象的數(shù)據(jù)，如用來抓取新浪股票數(shù)據(jù)。

③chartSeries() 函數(shù)主要是用來繪制數(shù)據(jù)的K線圖。

2 金融數(shù)據(jù)分析的理論介紹

金融行業(yè)數(shù)據(jù)信息量大且更新速度極快，因此應及時、準確、清晰的掌握金融數(shù)據(jù)，并對其進行精準的分析，以此判別金融市場走向，從而規(guī)避風險，作出正確抉擇[6]。

2.1 金融數(shù)據(jù)分析的“統(tǒng)計常識”

金融數(shù)據(jù)分析需要一些基本的統(tǒng)計指標，如均值、方差、偏度、峰度等[7]。

所謂均值(mean)表示一組數(shù)據(jù)集中趨勢的統(tǒng)計指標，是指一組數(shù)據(jù)中所有數(shù)據(jù)之和再除以這組數(shù)據(jù)的個數(shù)，其公式為：

對于方差(variance)，它是度量隨機變量或一組數(shù)據(jù)離散程度的指標，在很多實際問題中，方差的研究具有重要意義。其公式為：

標準差是樣本中各個樣本點到均值的距離之平均。簡而言之，標準差描述的就是數(shù)據(jù)的“散布度”，其公式為：

偏度和峰度是數(shù)據(jù)分布情況的度量，數(shù)據(jù)在比較集中的地方會呈現(xiàn)出一個高峰，這個高峰可能偏左也可能偏右，因此引進了這兩個指標，即偏度和峰度。偏度(skewness)是統(tǒng)計數(shù)據(jù)分布偏斜方向和程度的度量，也是統(tǒng)計數(shù)據(jù)分布非對稱程度的數(shù)字特征，它是度量關(guān)于其均值的對稱性。峰度(kurtosis)又稱峰態(tài)系數(shù)，它反映了概率密度曲線在平均值處峰值高低的特征數(shù)[8]。

表3是對本文金融數(shù)據(jù)處理中一些描述性統(tǒng)計量的簡單介紹。

表3 描述性統(tǒng)計量介紹

2.2 正態(tài)性檢驗原理

正態(tài)性檢驗方法多樣，本文主要用到的方法是JB正態(tài)性檢驗。所謂JB正態(tài)性檢驗，是Jarque和Bera兩個人將單獨的偏度t檢驗和峰度t檢驗融合在一起而建立的正態(tài)性檢驗原理。其公式為：

其中，n表示樣本容量，S表示偏度，K代表峰度。若在規(guī)定的顯著性水平下(通常為5%)，則拒絕原假設(shè)，不滿足正態(tài)分布；反之接受原假設(shè)，滿足正態(tài)分布。

2.3 股票基礎(chǔ)知識

股票是一種有價證券，它是由股份有限公司簽發(fā)的證明，股東所持股份的憑證[9]。股票具有收益性、風險性、流動性、永久性、參與性五個特點。了解掌握和分析股票數(shù)據(jù)，必須了解股票數(shù)據(jù)的K線圖、成交量、股票收益率等技術(shù)分析指標。

3 實例分析

在本文的主要目標是判斷新浪股票數(shù)據(jù)是否服從正態(tài)分布并實現(xiàn)基礎(chǔ)分析。若假設(shè)所研究時間段的新浪股票數(shù)據(jù)服從正態(tài)分布，收集數(shù)據(jù)后將使用適當?shù)姆椒ㄟM行檢驗。

3.1 收集數(shù)據(jù)

3.1.1 加載R軟件包

在金融數(shù)據(jù)分析中不可避免要運用R包來調(diào)用所需的分析方法或模型，本文主要調(diào)用“quantmod”和“fBasics”兩種R包進行數(shù)據(jù)分析。

“quantmod”包是金融數(shù)據(jù)分析中抓取數(shù)據(jù)主要的R包之一，調(diào)用“quantmod”包可從一些相關(guān)的網(wǎng)站訪問下載所需數(shù)據(jù)，如可利用此包直接從Yahoo、Google、MySQL、FRED等網(wǎng)站的財經(jīng)板塊下載所需的股票數(shù)據(jù)，本文主要從雅虎上訪問下載相關(guān)數(shù)據(jù)。加載“quantmod”包需用到R軟件中l(wèi)ibrary() 函數(shù)。其中，如圖1所示，在加載過程中需載入三個依賴的包。同樣地，fBasics包的加載操作也是如此。

圖1 加載quantmod包的操作過程

3.1.2 抓取股票數(shù)據(jù)

訪問下載股票數(shù)據(jù)需要用到getSymbols()函數(shù)，以此命令來訪問雅虎網(wǎng)上財經(jīng)板塊的數(shù)據(jù)，直接從網(wǎng)站下載股票數(shù)據(jù)。其中主要調(diào)用的股票代碼為“SINA”，假如要讀取某股票數(shù)據(jù)，首先要查詢相應股票的代碼，“SINA”正是本文所需的新浪股票代碼。本文主要訪問下載的是2018年3月到2019年2月的新浪股票數(shù)據(jù)，具體操作如圖2。

圖2 下載股票數(shù)據(jù)的指令

由于從雅虎網(wǎng)上抓取的新浪股票數(shù)據(jù)量巨大，查看完整數(shù)據(jù)非常不方便。因此本文僅查看已下載數(shù)據(jù)的前六行和后六行，調(diào)用命令head() 和tail()即可。圖3表示已下載的前六行和后六行數(shù)據(jù)。

圖3 查看指定行列數(shù)據(jù)

從圖3中可看出，所訪問的新浪股票數(shù)據(jù)的6個指標，包含每天的開盤價、最高價、最低價、收盤價、成交量和調(diào)整后的收盤價。這是研究股票收益率的重要依據(jù)。

3.1.3 數(shù)據(jù)預處理

一般常見的數(shù)據(jù)預處理就是判斷是否有缺失值[10]，基于R識別數(shù)據(jù)中是否存在缺失值NA一般調(diào)用函數(shù)is.na()或complete.cases()，但二者在判斷的表達上有明顯差異。

is.na()作用于對象之后，如果對應的數(shù)值為缺失值則返回TURE，否則為FALSE，使用求和函數(shù)sum()可計算出缺失值總數(shù)；

complete.cases()識別缺失值與is.na()剛好相反，缺失值為FALSE，正常數(shù)據(jù)為TURE。

從圖4和圖5的結(jié)果可看出兩種方法呈現(xiàn)的結(jié)果是一致的，在抓取數(shù)據(jù)中并沒有顯示缺失值存在，因此判斷該數(shù)據(jù)中無缺失值NA。

圖4 is.na判斷缺失值

圖5 complete.cases判斷缺失值

3.2 股票數(shù)據(jù)的圖形繪制

3.2.1 股票數(shù)據(jù)的K線圖

對于金融行業(yè)股票數(shù)據(jù)分析，要對股票數(shù)據(jù)做一個直觀的了解，需要繪制股票數(shù)據(jù)的K線圖[11]。K線圖是記錄某種股票一天的價格變動的范圍。利用R繪制K線圖直接調(diào)用chartSeries函數(shù)即可，這是繪制K線圖的常用方法。

圖6 新浪股票數(shù)據(jù)K線圖(紅漲綠跌)

圖6的K線圖表示新浪股票日收盤價和成交量變化趨勢。從圖中很直觀地反映了2018年3月初到2019年2月底，新浪股票數(shù)據(jù)的收盤價最高點在2018年3月中旬，而成交量最高點在2018年5月中旬。

3.2.2 增加參數(shù)指標

本文主要通過應用R軟件，對新浪股票數(shù)據(jù)進行典型圖形繪制，主要增加了布林線(BBands)指標和趨向指標(ADX)等及技術(shù)分析指標，為什么要增加布林線指標和平均趨向指標呢？首先，根據(jù)其原理，一般來說股價一般是圍繞如均線、成本線等價值中樞在一定的范圍內(nèi)波動，布林線指標在這一基礎(chǔ)上認為股價信道的寬窄會隨著股價的變化而變化，自動加之調(diào)整，具有變異性。所以這一指標以直觀、靈活的特點逐步成為市場投資人關(guān)注的重點指標。其次，平均趨向指標雖然在呈現(xiàn)趨勢的發(fā)展方向上有所欠缺，但是，如果存在一定的趨勢，ADX(趨向指標)就可以用來衡量趨勢的強度[12]。ADX的讀數(shù)上升，說明趨勢變強；反之，趨勢變?nèi)?。因此布林線指標和平均趨勢指標具有重要參考意義。

根據(jù)圖7的布林線趨勢圖看出，2018年3月到5月，上、中、下軌線同時向下運行，說明市場弱勢特征明顯，這一時期內(nèi)呈下跌趨勢，股價一路下跌。之后的時間里，新浪股票的股價大致出現(xiàn)下跌，這可能是市場外部因素所致。

圖7 增加布林線指標的線圖

從圖8的趨向指標圖可看出，ADX值在高位由升轉(zhuǎn)跌，預示行情即將反轉(zhuǎn)，股票市場的行情屬于不穩(wěn)定階段。

圖8 增加ADX指標后的線圖

3.3 股票收益率及典型圖形

在股票市場中，研究股票收益率每天變化情況是非常重要的。除去周末，市場計算每天的收益率既可用開盤價，也可用收盤價。但是，通常來說以收盤價為基準計算收益率。在收益率的計算中，可以分為簡單收益率和對數(shù)收益率，但基本上使用的是對數(shù)收益率，因為對數(shù)收益率具有嚴謹?shù)摹皩ΨQ性”，同時也更容易體現(xiàn)統(tǒng)計特征。

由于R的功能強大，可利用R計算出對數(shù)收益率來分析新浪股票日收益率。此時需要載入PerformanceAnalytics安裝包，然后載入程輯包，且計算對數(shù)收益率時需調(diào)用periodReturn函數(shù)來計算不同階段的收益率，類型選擇對數(shù)類型即可。

因為觀察每天的對數(shù)收益率是一個龐大的數(shù)據(jù)，因此僅查看了2018年3月份6天的對數(shù)收益率，以及2019年最后6天的對數(shù)收益率，操作結(jié)果如圖9所示。

圖9 對數(shù)收益率的處理

根據(jù)對數(shù)收益率計算結(jié)果，繪制新浪股票收益率的K線圖，如圖10。從圖中可看出股票收益率的波動情況。其中，股票價格使用的是調(diào)整后的收盤價。

圖10 股票收益率的K線圖

繪制密度函數(shù)圖之前需下載fBasics軟件包，在R中編寫代碼載入相關(guān)程緝包，獲取密度函數(shù)，查看數(shù)據(jù)的取值范圍，根據(jù)這一范圍，繪制密度函數(shù)即可。圖11、圖12加載了作密度函數(shù)圖所需的R包，圖13求出了該收益率密度函數(shù)的取值范圍值。

圖11 加載fBasics包

圖12 求收益率的取值范圍

圖14是收益率密度函數(shù)圖，可看出新浪股票數(shù)據(jù)的密度函數(shù)有明顯的高峰厚尾現(xiàn)象，與正態(tài)分布差別很明顯。

圖14 股票收益率的密度函數(shù)圖

3.4 股票收益率的正態(tài)性檢驗

在上文基礎(chǔ)上，通過繪制新浪股票收益率的密度函數(shù)圖與正態(tài)分布差異顯著，因此需進一步利用正態(tài)性檢驗來驗證。

3.4.1 股票收益率的基本統(tǒng)計量

調(diào)用basicStats()函數(shù)可獲得新浪股票收益率，從圖15中的計算結(jié)果來看，調(diào)整后的新浪收益率數(shù)據(jù)中，均值等于-0.002123，非常接近于0，表示新浪股票收益率有顯著向0集中的趨勢；方差等0.000704，接近于0，表示這段時期內(nèi)新浪股票收益率的離散程度比較小，也可說是不分散的；偏度為-0.270431，明顯不等于0，說明新浪股票收益率分布具有非對稱性；峰度(Kurtosis)等于1.737217，明顯小于3，說明了新浪股票收益率存在明顯的高峰厚尾現(xiàn)象。這與之前繪制的密度函數(shù)相吻合，但仍需進一步進行正態(tài)性檢驗。

圖15 新浪股票收益率的基本統(tǒng)計量

3.4.2 股票收益率的正態(tài)性檢驗

由于利用R計算JB統(tǒng)計量十分便捷，故本文主要運用JB檢驗。調(diào)用normalTest()函數(shù)，方法設(shè)置改為JB即可。根據(jù)圖16的JB值為35.9158，且P=1.589e-8<0.05，表明在5%的顯著性水平下應拒絕原假設(shè)，說明新浪股票收益率不服從正態(tài)分布。

圖16 JB正態(tài)性檢驗結(jié)果

3.5 成交量分析

由于股市成交量是股票買賣雙方完成交易的數(shù)量，這也是技術(shù)分析中經(jīng)常使用的重要指標。應用R計算某時間段股票總成交量是十分簡便的，只需輸入函數(shù)命令getSymbols，并分別調(diào)用chartSeries()、summary()和sum()三個函數(shù)便可得到股票成交量K線圖和成交量數(shù)據(jù)匯總結(jié)果，如圖17。從圖中可看出新浪股票成交量在2018年4月、4月中旬、5月、8月中旬這幾個時間點出現(xiàn)了“暴漲暴跌”的走勢，之后從2019年初以后大致呈現(xiàn)上升趨勢。

圖17 股票成交量K線圖

從圖18的股票成交量匯總數(shù)據(jù)圖可看出：2018年3月至2019年2月這一期間新浪股票的6個指標的最大值、最小值、均值等。結(jié)果顯示該期間內(nèi)，開盤價最大值為2019年2月28日的123.16，最小值為2018年3月1日的52.76；同理，剩下五個指標的值也一目了然。并且新浪股票在此期間內(nèi)的總成交量為210832200(million)。

圖18 成交量匯總數(shù)據(jù)圖

4 結(jié)論

本文借助R語言中抓取股票數(shù)據(jù)常用的兩個軟件包對新浪股票的各項內(nèi)容展開分析。通過上述數(shù)據(jù)分析結(jié)果，從新浪股票K線圖可看出：從2018年3月下旬開始，股票走勢整體出現(xiàn)下滑，直到2019年1月開始股票走勢大致呈上升的趨勢。從收益率的密度函數(shù)圖來看，雖然圖象基本運動符合近似正態(tài)分布形式，不是非常嚴格的周期到周期的循環(huán)往復，但它的基本運動形態(tài)是基于絕對價格的，而投資回報即股票收益率是基于相對價格的。所以理論上，在價格變化趨勢明顯的條件下，投資回報顯然不是完全隨機的，即股票收益率不服從正態(tài)分布。新浪股票數(shù)據(jù)這一期間所形成的密度函數(shù)圖象中明顯存在高峰厚尾現(xiàn)象，可預判收益率不服從正態(tài)分布。從JB檢驗結(jié)果可看出，首先隨機誤差趨近于0，說明樣本數(shù)據(jù)的隨機誤差影響較小，方差也趨近于0。JB值為35.9158，且P值遠小于0.05，進一步驗證了收益率不服從正態(tài)分布這一結(jié)論。對新浪股票數(shù)據(jù)的成交量分析可知，2018年總成交量非常不穩(wěn)定，在幾個時間段出現(xiàn)“暴漲暴跌”的情況，但是自2019年開始，股票成交量逐步趨于平緩，但研究的大多時間段呈下降趨勢。

本文基于R語言編程，實現(xiàn)了新浪股票的K線圖、收益率等技術(shù)分析，避免了復雜大量的計算過程，縮小了計算誤差，更清晰、準確地反映新浪股票的大致走勢，為股票市場的預判和風險評估提供了參考依據(jù)。但金融數(shù)據(jù)的分析不僅需要借助大數(shù)據(jù)分析軟件的技術(shù)支持，還要有對其他因素認真觀察的能力，如需做大量的行業(yè)分析、公司分析等基本面分析。數(shù)據(jù)分析并不是一件容易的事，影響數(shù)據(jù)結(jié)果的因素有很多，一個好的數(shù)據(jù)分析師更應從國家政策、市場結(jié)構(gòu)各項內(nèi)容上提高關(guān)注，這也是本人以后工作應關(guān)注的地方。