利用R语言编写量化投资策略Word格式.docx
《利用R语言编写量化投资策略Word格式.docx》由会员分享，可在线阅读，更多相关《利用R语言编写量化投资策略Word格式.docx（10页珍藏版）》请在冰豆网上搜索。
））getSymbols（"
MHXX"
from="
2013-01-01"
to="
2015-09-30"
）
#显示K线图，如图明显发现股价呈现递增趋势，价格序列是非平稳的。
chartSeries（MHXX）
#考虑对数收益率#获取收盘价
cp=MHXX[,4]
lgcp=log（MHXX[,4]）
#tdx=c（1:
456）/365+2014
#计算日收益率
ret=dailyReturn（MHXX）
chartSeries（ret,theme="
white"
TA=NULL）
#plot（tdx,cp,xlab="
year"
ylab="
closeprice"
type=T）
#计算对数收益率，如图课件，股价在15年左右有一个跳跃，15年第二季度的股价增长导
致
#之后股价有较大的下降，这些特征给后续的分析带来一些较大的异常值
lgret=log（ret+1）
chartSeries（lgret,theme="
#由ACF和PACF图可以看出，该股1股价的日收益率序列即使存在某种相关性，该自相关性也
#很小
par（mfcol=c（2,1））acf（lgret,lag=30）
pacf（lgret,lag=30）
#为了验证该收益率序列有没有序列相关性，使用Ljung-Box检验，结果对应的P值0.024,
#在1%的显著水平下，拒绝该股票日收益率没有显著前后相关性的这一原假设。
#但在5%的显著水平下，无法拒绝该股票日收益率没有显著前后相关性的这一原假设。
Box.test（lgret,lag=20,type='
Ljung'
IfIfIfIfIfIfIfIfIfIfIfIfIfIfffIfIfIfIfIfIfIfIfIfIfIfffIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfffIfIfIfffIfIfIfIfIfIfIfIfIfIfIfIf
IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
#################
m1<
-auto.arima（lgret,stationary=TRUE,seasonal=FALSE,ic="
aic"
#鉴于该股票对数收益率序列的自相关性并不强，所以建立的ARIMA模型可能适用性不高。
#对于对数收益率序列，单样本的t检验结果的t比为1.0625，p值为0.2884，表明该序
列不是
#显著异于零的，同时此处根据ACF图所示，在4阶有轻微的超越标准差线，
#因此取用AR（5）模型拟合，aic=-2987.43
m2<
-arima（x=lgret,order=c（4,0,0）,include.mean=F）
tratio=m2$coef/sqrt（diag（m2$var.coef））
tratio
meacf=eacf（lgret,6,12）
print（meacf$eacf,digits=2）#残差检验并表示改模型可能不是充分的
tsdiag（m2,gof=20）
m3<
-auto.arima（ret,stationary=TRUE,seasonal=FALSE,ic="
m3
IfIfIfIfIfIfIfIfIfIfIfIfIfIfIfffIfIfIfIfIfIfffIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfffIfIfIfIfIfIfIfffIfIfIfIfIfIfIfIfIfIfffIfIf
uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
ffffffffffffffffffffffffffffffffffffff
IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
#由上述可知，对于价格变化的分析，纯ARMA模型是不充分的，一方面ARMA模型不能
处理
#波动率聚集，另一方面，ARMA-GARCH模型能充分处理这些数据的复杂性，
#并能提高样本外预测
price=ts（cp）
dp=ts（diff（cp））
par（mfcol=c（2,1））
plot（price,xlab='
year'
ylab='
price'
plot（dp,xlab='
changes'
cprice=diff（price）
par（mfcol=c（2,1））acf（cprice）
pacf（cprice）
#aic=-0.37
m.garch1<
-garchFit（~1+garch（1,1）,data=cprice,trace=F）
summary（m.garchl）
#aic=-0.62
m.garch2<
-garchFit（~arma（6,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=
F,
cond.dist="
std"
summary（m.garch2）
#aic=-0.60
m.garch3<
-garchFit（~arma（2,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=
summary（m.garch3）
#aic=-0.596
m.garch4<
-garchFit（~arma（1,0）+garch（1,1）,data=cprice,trace=F,ininclude.mean=
summary（m.garch4）
#回测检验
source（"
backtestGarch.R"
M2F=backtestGarch（cprice,714,2,inc.mean=F,cdist="
sstd"
backtest.R"
M2AF=backtest（m2,cprice,714,2,inc.mean=F）
#ArchTest（coredata（ret））
IfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfffIfIfIfIfIfIfIfIfIfIfffIfIfIfffIfIfffIfffIfIfIfIfIfIfIfIfIfIfIfIfIfIfIfuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
#计算VaR
mgarch1<
-ugarchspec（variance.model=list（garchOrder=c（1,1））,
mean.model=list（armaOrder=c（0,0）））
mgarch1_fit<
-ugarchfit（spec=mgarch1,data=cprice）
mgarch1_fitmgarch1_roll<
-ugarchroll（mgarch1,cprice,n.start=120,refit.every=1,
refit.window="
moving"
solver="
hybrid"
calculate.VaR=TRUE,VaR.alpha=0.01,keep.coef=TRUE）
report（mgarch1_roll,type="
VaR"
VaR.alpha=0.01,conf.level=0.99）
#生成PLOT
cprice_var<
-zoo（mgarch1_roll@forecast$VaR[,1]）
index（cprice_var）<
-as.yearmon（rownames（mgarch1_roll@forecast$VaR））
cprice_actual<
-zoo（mgarch1_roll@forecast$VaR[,2]）
-as.yearmon（rownames（mgarch1_roll@forecast$VaR））plot（cprice_actual,type="
b"
main="
99%dayVarbacktesting"
xlab="
Date"
ylab="
Return/VaRinpercent"
lines（cprice_var,col="
red"
legend（"
topright"
inset=.05,c（"
MHXXreturn"
"
）,col=c（"
black"
）,lty=c（1,1））mgarch1_fcst<
-ugarchforecast（mgarch1_fit,n.ahead=6）
mgarch1_fcst
ret.fcst<
--qnorm（0.95）*mgarch1_fcst@forecast$sigmaForret.fcstchartSeries（MHXX,name="
中国民航信息”,TA=NULL）addBBands（）
#addMACD（）
################################量化投资策略
IfIfIfIfIfffIfIfIfffIfIfIfIfIfIfffIfIfffIfIfffIfIfIfIfIfIfIfffIfIfIfIfIf
IIIIIIIIIIII
升级会员 