R语言与股票分析|下一个涨停板将在这里诞生！

 

前言

 

 

本小节主要是抛砖引玉，对股市感兴趣的小白们亲自下载并分析股市数据，提供一个实战化的操作过程。因此，本节内容不重理论，只讲操作过程。若感兴趣，可自行深入研究各种金融模型。

 

 

本节内容导读

 

R语言quantmod包是用于股市金融建模应用比较多的一个包。该包从多个数据源获取历史数据，绘制金融数据图表，以及在金融数据图表中添加各种技术指标，通过多种金融模型分析，辅助股票筛选和判断。

该包获取数据的来源主要有两个：yahoo和google。最常用的是yahoo中的各种数据。但该包只能获取股票的历史交易记录信息：如最大值、最小值、开盘价、收盘价以及成交量。该包无法获取个股的分笔交易明细历史记录。

 

# R version 3.1.3

# quantmod 包获取国内的股票数据

Install.package(“quantmod”);  # 若已经安装quantmod包，可略过此步。

library(quantmod);

 

通过quantmod包中函数setSymbolLookup和getSymbols，可以从网上获取股票的历史交易数据。大家先要记住两个字符串 ss表示上交所；sz表示深交所。

例1：获取上证指数，上证指数代码是000001.ss。其中ss表示上交所，数据来源于yahoo。

setSymbolLookup(A.share.index=list(name='000001.ss',src='yahoo'));

getSymbols("A.share.index");

dim(A.SHARE.INDEX);

head(A.SHARE.INDEX);

 

图形展示：

chartSeries(A.SHARE.INDEX[1000:2068],up.col='red', dn.col='green')；

addMACD(); # 移动平均收敛发散指标

addSMA(n=10); #简单移动平均指标

 

例2：获取个股交易信息，如国电电力：600795.ss。起始日期：2015-04-01 ；终止日期：2015-05-12。其中ss表示上交所，数据来源于yahoo

 

setSymbolLookup(gddl=list(name='600795.ss',src='yahoo'));

getSymbols("gddl",from="2015-04-01",to="2015-05-12");

dim(GDDL);

head(GDDL);

图形展示：

chartSeries(GDDL,up.col='red', dn.col='green')

addEMA(); #指数平均数指标

addWMA(); #加权移动平均线指标

addWPR(); #威廉指标

addZLEMA(); #零滞后指数移动平均线

addSMA(); #简单移动平均指标

例3：获取个股历史分笔交易明细

对于这个问题，我们也进行了多方位寻找，最重要的就是找到各大网站提供的数据接口。目前为止未发现已有R包能够支持这一点，因此，我们自行编辑一个函数来实现这个功能。比如：我们看一下苏宁云商，代码：002024，日期：2015-05-14，具体交易明细。

History.detail()；此函数为自定义函数，其中参数symbol是股票代码，date是历史交易日期。大家切记形式不要写错，否则容易出错。本函数只能获取历史交易明细，对于当日交易明细，只能等待晚上6点之后方可更新。

snys<-history.detail(symbol="002024",date="2015-05-14")

 

例4：若有同学想要获得实时股票交易信息怎么办呢？

这种想法，当然也有解决之道。新浪提供一个数据接口，可以获取实时交易明细。比如我们看当中国石油的交易情况，只需要把下面链接打开即可。

http://hq.sinajs.cn/list=sh601857

 

var hq_str_sh601857="中国石油,12.41,12.47,12.18,12.44,12.13,12.17,12.18,100274607,1230377789,178100,12.17,405660,12.16,1026585,12.15,276700,12.14,581372,12.13,88162,12.18,76300,12.19,211635,12.20,154600,12.21,36215,12.22,2015-05-15,13:19:01,00";

 

具体用如何解读，以及用R如何解析，希望各位朋友自行在网上搜索解决办法。这里就不做过多说明。

结束语：

 

对于后续如何分析所得数据，以及判读走势，各位同学可以自行研究理论模型，根据经验做出判断。本节主要为大家提供一个入门操作实例。后期将推出更多相关专题，敬请关注。