R中的所有內(nèi)容（包括函數(shù)）都是一個(gè)對(duì)象，可以直接傳遞給其他函數(shù)。

1.1 安裝

1.1.1 R安裝

進(jìn)入官網(wǎng)：http://www.r-project.org/。 單擊“Getting Started”部分中的下載R鏈接，或者單擊左側(cè)菜單中的“ CRAN”鏈接。 選擇最接近目標(biāo)計(jì)算機(jī)所在位置的適當(dāng)鏡像站點(diǎn)。 有關(guān)安裝R的更多詳細(xì)說明。

推薦的R代碼編輯器：Rstudio，VScode

1.1.2 擴(kuò)展包安裝和載入

R擴(kuò)展包官方匯總鏈接:https://mirrors.tuna.tsinghua.edu.cn/CRAN/

（1）安裝擴(kuò)展包

• R與Rstuidio窗口操作均可完成安裝，以Rsudio為例：點(diǎn)擊Rstudio界面右下角文件區(qū)的Packages，點(diǎn)擊Install，在彈出對(duì)話框中 ， 填入需要安裝的包
• 命令安裝

# 獲取R存放已經(jīng)安裝的包的位置,默認(rèn)位置是R的安裝路徑下的library文件夾
.libPaths()

# 安裝：擴(kuò)展包名稱需要加引號(hào)
# destdir：指定下載的二進(jìn)制zip文件存放的位置，默認(rèn)是臨時(shí)會(huì)話的downloaded_packages文件夾下
# lib：指定下載的二進(jìn)制zip軟件包被解壓后的安裝位置，默認(rèn)值的是.libPaths()獲取的路勁
install.packages("ggplot2")
install.packages("ggplot2",
                 destdir="D:/Download/Package/R",
                 lib="D:/Program Files/R/R-3.6.1/library")

（2）載入擴(kuò)展包

• Rstudio界面：點(diǎn)擊Rstudio界面右下角文件區(qū)的 Packages，找到你要載入的包 ， 在
  前面的方框中打上勾
• R界面：點(diǎn)擊R界面上方的“程序包”，點(diǎn)擊 加載程序包，在彈出的窗口中選擇需要，載入的包
• 命令載入

# 擴(kuò)展包名稱可以不加引號(hào)
library("ggplot2")
library("ggplot2", lib.loc="C:/Program Files/R/R3.2.2/library")

（3）量化常用擴(kuò)展包

• 數(shù)據(jù)管理：包括數(shù)據(jù)集抓取、存儲(chǔ)、讀取、時(shí)間序列、數(shù)據(jù)處理等，涉及的R包有zoo（時(shí)間序列對(duì)象）、xts（時(shí)間序列處理）、timeSeries（Rmetrics系時(shí)間序列對(duì)象）、timeDate（Rmetrics系時(shí)間序列處理）、data.table（數(shù)據(jù)處理）、quantmod（數(shù)據(jù)下載和圖形可視化）、RQuantLib（QuantLib數(shù)據(jù)接口）、WindR（Wind數(shù)據(jù)接口）、RJDBC（數(shù)據(jù)庫訪問接口）rhadoop（Hadoop訪問接口）、rhive（Hive訪問接口）、rredis（Redis訪問接口）、rmongodb（MongoDB訪問接口）、SparkR（Spark訪問接口）、fImport（Rmetrics系數(shù)據(jù)訪問接口）等

• 指標(biāo)計(jì)算：包括金融市場的技術(shù)指標(biāo)的各種計(jì)算方法，涉及的R包有TTR（技術(shù)指標(biāo)）、TSA（時(shí)間序列計(jì)算）、urca（單位根檢驗(yàn)）、fArma（Rmetrics系A(chǔ)RMA計(jì)算）、fAsianOptions（Rmetrics系亞洲期權(quán)定價(jià)）、fBasics（Rmetrics系計(jì)算工具）、fCopulae（Rmetrics系財(cái)務(wù)分析）、fExoticOptions（Rmetrics系期權(quán)計(jì)算）、fGarch（Rmetrics系Garch模型）、fNonlinear（Rmetrics系非線模型）、fOptions（Rmetrics系期權(quán)定價(jià)）、fRegression（Rmetrics系回歸分析）、fUnitRoots（Rmetrics系單位根檢驗(yàn)）等

• 回測交易：包括金融數(shù)據(jù)建模，并驗(yàn)證歷史數(shù)據(jù)驗(yàn)證模型的可靠性，涉及的R包有FinancialInstrument（金融產(chǎn)品）、quantstrat（策略模型和回測）、blotter（賬戶管理）、fTrading（Rmetrics系交易分析）等

• 投資組合：對(duì)多策略或多模型進(jìn)行管理和優(yōu)化，涉及的R包有PortfolioAnalytics（組合分析和優(yōu)化）、stockPortfolio（股票組合管理）、fAssets（Rmetrics系組合管理）等。

• 風(fēng)險(xiǎn)管理：對(duì)持倉進(jìn)行風(fēng)險(xiǎn)指標(biāo)的計(jì)算和風(fēng)險(xiǎn)提示，涉及的R包有Performance-Analytics（風(fēng)險(xiǎn)分析）、fPortfolio（Rmetrics系組合優(yōu)化）、fExtremes（Rmetrics系數(shù)據(jù)處理）

1.2 獲取幫助

1.2.1 幫助文檔

（1）Rstudio界面

點(diǎn)擊Rstudio界面右下角文件區(qū)的 Help選項(xiàng)，在最后的搜索框中輸入想了解的R包或者函數(shù)

（2）R界面

點(diǎn)擊R界面的“幫助”，開啟一個(gè)幫助網(wǎng)頁

（3）輸入命令

# 獲取擴(kuò)展包信息
help("readr")
? readr

# 獲取函數(shù)信息
help(read_csv)
? read_csv

#搜索與關(guān)鍵詞read_csv相關(guān)的幫助文檔的信息
help.search('ggplot2')
?? ggplot2

# 獲取函數(shù)ggplot的使用例子  
example("ggplot") 

# 給出有關(guān)鍵詞ggplot的所有函數(shù)  
apropos("ggplot",mode="function")

# 打開搜索首頁
RSiteSearch("") 

# 搜索有關(guān)鍵詞ggplot的所有文檔和郵件列表存檔 
RSiteSearch("ggplot")
RSiteSearch("empirical")   
 
# 獲取函數(shù)源代碼
read_csv

# 列出當(dāng)前已加載包中所含有的所有可用示例數(shù)據(jù)集
data()

1.2.2 實(shí)用網(wǎng)站

• R的網(wǎng)頁搜索引擎，能查找各種函數(shù)、R郵件列表歸檔中的討論和博客文章：http://rseek.org

• R主要的博客社區(qū)：http://www.r-bloggers.com

• 統(tǒng)計(jì)之都：http://cos.name/

• Github：http://github.com/

1.3 工作空間

工作空間就是當(dāng)前R的工作環(huán)境

# 獲取當(dāng)前工作空間
getwd()

# 設(shè)定工作空間
# 路徑用雙引號(hào)或者單引號(hào)，必須完整，斜杠為\\或者/
# 文件夾必須存在，如果不存在，可以用dir.create()函數(shù)先創(chuàng)建，但文件夾需要逐個(gè)建立。
dir.create('D:/Workfiles/Finance/Quants/R')
setwd('D:/Workfiles/Finance/Quants/R')

list.dirs("D:/Workfiles/Finance/Quants/R") #列出當(dāng)前工作目錄下的文件夾
list.files("D:/Workfiles/Finance/Quants/R") #列出當(dāng)前工作目錄下的文件
ls()  #列出當(dāng)前工作空間中的對(duì)象 
rm(x) #移除（刪除）一個(gè)或者多個(gè)對(duì)象 
history(num) #顯示最近使用過的num個(gè)命令（默認(rèn)值為25） 
savehistory(“aaa”)   #保存命令歷史到當(dāng)前路徑下文件aaa中（默認(rèn)值為.Rhistory) 
loadhistory(“aaa”)   #載入一個(gè)命令歷史文件aaa（默認(rèn)值為.Rhistory) 
options()  ###顯示或設(shè)置當(dāng)前選項(xiàng) 
q() #退出R或者Rstudio

1.4 R文件的輸入/輸出

1.4.1 保存文件

利用Rstudio/R界面保存腳本文件；保存其他文件代碼如下：

# 將運(yùn)行結(jié)果保存成.R或者.txt文件,相對(duì)/絕對(duì)路徑均可
sink("D:/Workfiles/Finance/Quants/R/try.R")
...program
sink()

# 將工作空間里的對(duì)象（結(jié)果、變量等）保存成.Rdata
save.image('try.RData')

# 圖形文件保存：可輸出成pdf/png/jpeg/bmp，方法類似
pdf('xxx.pdf') 
...program
dev.off()

1.4.2 打開文件

（1）利用Rstudio/R界面
（2）輸入命令

# 打開.R文件/R的腳本文件
file.edit("D:/Workfiles/Finance/Quants/R/1.4如何獲得幫助.R",fileEncoding = "UTF-8") 

# 運(yùn)行R腳本文件
source("xxx.R",encoding = "UTF-8")

# 打開.Rdata文件
load('try.RData')

1.5 變量

變量為我們提供了我們的程序可以操作的命名存儲(chǔ)。 變量名稱由字母（區(qū)分大小寫），數(shù)字和點(diǎn)或下劃線字符組成，不允許使用空格或特殊字符。 變量名以字母或不以數(shù)字后跟的點(diǎn)開頭。

可以使用向左，向右和等于運(yùn)算符來為變量賦值：

# 等號(hào)賦值
var1 = c(0,1,2,3)           
# 左賦值
var2 <- c("learn","R")   
# 右賦值  
c(TRUE,1) -> var3           

在R語言中，數(shù)據(jù)類型有：數(shù)值型Numeric，整型Integer，復(fù)數(shù)型Complex，字符串Character，邏輯型Logical，原型Raw。R中的變量不必聲明變量類型，R將動(dòng)態(tài)地找出運(yùn)行時(shí)變量的類型。

展示工作空間中的變量：

# 展示工作空間中的所有變量
ls()
# 展示工作空間中變量名包含“var”的變量
ls(pattern = "var")
# 以點(diǎn)(.)開頭的變量默認(rèn)被隱藏，設(shè)置“all.names = TRUE”參數(shù)列出
ls(all.name = TRUE)

刪除變量：

# 刪除指定變量
rm(var1)
# 刪除所有變量
rm(list = ls())

1.6 運(yùn)算符

R語言中擁有如下幾種運(yùn)算符類型：算術(shù)運(yùn)算符，關(guān)系運(yùn)算符，邏輯運(yùn)算符，賦值運(yùn)算符等。

1.6.1 算術(shù)運(yùn)算符

下表顯示了R語言支持的算術(shù)運(yùn)算符。 操作符對(duì)向量的每個(gè)元素起作用。

1.6.2 關(guān)系運(yùn)算符

下表顯示了R語言支持的關(guān)系運(yùn)算符。 將第一向量的每個(gè)元素與第二向量的相應(yīng)元素進(jìn)行比較。 比較的結(jié)果是布爾值。

1.6.3 邏輯運(yùn)算符

下表顯示了R語言支持的邏輯運(yùn)算符。 它只適用于邏輯，數(shù)字或復(fù)雜類型的向量。 所有大于1的數(shù)字被認(rèn)為是邏輯值TRUE。
將第一向量的每個(gè)元素與第二向量的相應(yīng)元素進(jìn)行比較。 比較的結(jié)果是布爾值。

邏輯運(yùn)算符&&和|| 只考慮向量的第一個(gè)元素，給出單個(gè)元素的向量作為輸出。

1.6.4 賦值運(yùn)算符

這些運(yùn)算符用于向量賦值。

1.6.5 其他運(yùn)算符

這些運(yùn)算符用于特定目的，而不是一般的數(shù)學(xué)或邏輯計(jì)算。

1.7 數(shù)據(jù)容器

數(shù)據(jù)容器data container：向量Vectors，因子Factors，列表Lists，矩陣Matrices，數(shù)據(jù)幀Data Frames，數(shù)組Arrays，

1.7.1 向量Vectors

向量類似一維數(shù)組，僅保存類型相同的數(shù)據(jù)， 如果將數(shù)字與字符混合，R會(huì)將任何數(shù)值的類型轉(zhuǎn)換為字符。運(yùn)算符c()用于創(chuàng)建存儲(chǔ)數(shù)字，字符或布爾值的向量。

first_vector <- c(1,2,3,4,5,6)
second_vector <- c('a', 'b', 'c','d')
third_vector <- c('a', 1, 2, 3)
# 向量合并
new_vector <- c(first_vector,second_vector)

向量索引：

vector <- c(1,2,3,4,5,6,7,8,9)
# 獲取向量第四個(gè)元素
vector[4]
# 獲取第四和第八個(gè)元素
# vector[4,8]是錯(cuò)誤的
vector[c(4,8)]
# 獲取第四到第八個(gè)元素
# 第四和第八個(gè)元素都會(huì)被取出
vector[4:8]

向量化允許我們同時(shí)對(duì)所有元素執(zhí)行相同的操作。

vector <- c(1,2,3,4,5,6,7,8,9)
# 向量中所有元素除以3，并保留兩位小數(shù)
round(vector/3,2)

1.7.2 列表Lists

列表可以同時(shí)包含不同類型的元素，如數(shù)字、字符串、向量、列表、矩陣、函數(shù)等。

myList <- list(a = c(1,2,3,4,5),
              b = matrix(1:10, nrow = 2, ncol = 5),
              c = data.frame(price = c(89.3, 98.2, 21.2),
              stock = c("MOT", "IBM", "CSCO"))
              )

通過位置或者元素名索引：

# 返回元素列表
list1 <- myList[1]
list2 <- myList[c(1,3)]
# 返回單個(gè)元素
element1 <- myList[[1]]
element2 <- myList[["b"]]

1.7.3 矩陣Matrix

矩陣類似一維數(shù)組，只能保存類型相同的數(shù)據(jù)。

# 按列排列
mat1 <- matrix(c(1,2,3,4,5,6),
              nrow=2, ncol=3) 

# 按行排列
mat2 <- matrix(c(1,2,3,4,5,6),
              nrow=2, ncol=3, byrow=TRUE)

# 定義行名和列名
dimnames(mat2) <- list(c('one','two'),
                      c('col1','col2','col3'))

# 展示矩陣的特征
attributes(mat2)

索引方法與向量類似，需要增加一個(gè)維度

mat2[1,3]
mat2[c(1,2),3]
mat2[1:2,2:3]
mat2[,2:3]

矩陣操作也是向量化的：

# 元素服從標(biāo)準(zhǔn)正太分布的100*10矩陣
mat <- matrix(rnorm(1000),nrow=100)
# 保留三位小數(shù)，展示前9行
head(round(mat,3),9)

1.7.4 數(shù)據(jù)框Dataframe

數(shù)據(jù)框是一個(gè)混合的二維數(shù)據(jù)容器，可以包含數(shù)字，字符，布爾值和因子類型。每當(dāng)從外部環(huán)境將數(shù)據(jù)讀入R時(shí)，結(jié)果對(duì)象最終都可能是 一個(gè)數(shù)據(jù)幀，格式類似于一個(gè)Excel表格。

df1 <- data.frame(price = c(89.2, 23.2, 21.2),
                symbol = c('MOT','AAPL','IBM'),
                action = c('Buy','Sell','Buy'))

數(shù)據(jù)框索引[,], $

df1[1,1]
# dataframe_name $ column_name
df1$symbol

創(chuàng)建數(shù)據(jù)框時(shí)，字符向量將自動(dòng)轉(zhuǎn)換為因子，它是離散變量的向量。 為了禁止將任何字符向量轉(zhuǎn)換為因子，我們可以使用stringsAsFactors = FALSE參數(shù)。

df2 <- data.frame(price = c(89.2, 23.2, 21.2),
                symbol = c('MOT','AAPL','IBM'),
                action = c('Buy','Sell','Buy'),
                stringsAsFactors = FALSE)
df1$symbol
## [1] MOT  AAPL IBM 
## Levels: AAPL IBM MOT
df2$symbol
## [1] "MOT"  "AAPL" "IBM" 
class(df1$symbol)
## [1] "factor"
class(df2$symbol)
## [1] "character"

1.7.5 環(huán)境Environment

創(chuàng)建環(huán)境空間，定義環(huán)境空間中的變量：

env <- new.env()
# [[]]與$均可實(shí)現(xiàn)環(huán)境空間中的變量定義
env[["first"]] <- 5
env[["second"]] <- 6
env$third <- 7

查看環(huán)境空間

env
# 查看環(huán)境空間中的變量名
ls(env)
# 獲取環(huán)境空間中的某一變量
get("first", envir = env)

刪除環(huán)境空間中的變量

rm("second", envir = env)
ls(env)

環(huán)境空間的存儲(chǔ)特征：不按值存儲(chǔ)對(duì)象，而是將對(duì)象位置的地址存儲(chǔ)在內(nèi)存中。 由于較大的對(duì)象不必在每次傳遞時(shí)都進(jìn)行復(fù)制，因此可以使用更有效的代碼。

env1 <- env
env1$third <- 42
get("third", envir = env)

1.8 plot()繪圖

R提供了許多高級(jí)的繪圖擴(kuò)展包，如ggplot2, ggvis, rCharts, rgi等，此處只介紹最基本的plot()函數(shù)繪圖。

x <- c(1,2,3.2,4,3,2.1,9,19)
plot(x) # 散點(diǎn)圖
plot(x, type = "l") # 折線圖

?plot # 查看更多圖表類型

繪制一個(gè)有標(biāo)題、橫縱軸名稱、基本網(wǎng)格的圖

plot(rnorm(100), # 正太分布隨機(jī)數(shù)
     main = "Some Returns", # 圖標(biāo)題
     cex.main = 0.9, 
     xlab = "Time",# x軸標(biāo)題
     ylab = "Returns", # y軸標(biāo)題
    )
# 添加基本網(wǎng)格
grid()
# 添加水平線與垂直線
abline(v = 40, # x = 40處繪制垂直線
      lwd = 2, # 線寬
      lty = 1, # 線型
      )
abline(h = 1, # y = 1處繪制水平線
      lwd = 3, 
      lty = 3)
# 添加額外的文本
mtext("Some text at the bottom", side = 1)
# 添加圖例
legend(50, -1, "A legend")

繪制子圖

# 設(shè)定2行，2列子圖格式
par(mfrow = c(2, 2))
# 第一張圖
plot(rnorm(100), main = "Graph 1")
# 第二張圖
plot(rnorm(100), main = "Graph 2", type = "l")
# 第三張圖
plot(rnorm(100), main = "Graph3", type = "s")
abline(v = 50, lwd = 4)
# 第四張圖
plot(rnorm(100), type = "h", main = "Graph4")
# 重置繪圖窗口
par(mfrow = c(1,1))

查看繪圖所用參數(shù)

# 法一
?plot.default
# 法二
formals(plot.default)

1.9 函數(shù)

R支持命令式、函數(shù)式、面向?qū)ο缶幊獭?/p>

1.9.1 內(nèi)置函數(shù)

R語言具有大量內(nèi)置函數(shù)，以下展示一些常用內(nèi)置函數(shù)

# 創(chuàng)建標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)
x <- rnorm(100, mean = 0, sd = 1)
# 返回向量長度
length(x)
# 計(jì)算均值、方差、中位數(shù)
mean(x)
sd(x)
median(x)
# 計(jì)算變量值域
range(x)
# 求和/累計(jì)求和
sum(x)
cumsum(x)
# 展示前3個(gè)元素
head(x, 3)
# 獲取描述統(tǒng)計(jì)結(jié)果
summary(x)
# 將x從大到小排序
sort(x, decreasing = TRUE)
# 計(jì)算一階差分
diff(x)
# 以1為步長創(chuàng)建1至10序列
seq(1, 10, 1)
# 打?。鹤⒁鈨煞N打印的區(qū)別
cat("hello\n")
print("hello\n")
# 展示最近輸入的10行命令
history(10)
# 數(shù)值計(jì)算
sqrt(2)
exp(1)
cos(1)
sin(1)
# 求函數(shù)積分
integrand <- function(x) 1/((x+1)*sqrt(x))
integrate(integrand, lower=0, upper=Inf)

1.9.2 自定義函數(shù)

自定義函數(shù)的基本語法如下

function_name <- function(arg_1, arg_2, ...) {
    Function body
    return value
}

函數(shù)的不同部分

• 函數(shù)名稱：作為具有此名稱的對(duì)象存儲(chǔ)在R環(huán)境中。
• 參數(shù) ：當(dāng)函數(shù)被調(diào)用時(shí)，需要傳遞具體值到參數(shù)。 參數(shù)是可選的，一個(gè)函數(shù)可能不包含參數(shù)；參數(shù)可以有默認(rèn)值。
• 函數(shù)體 ：函數(shù)體包含定義函數(shù)的功能語句集合。
• 返回值 ：返回值即函數(shù)的輸出。

1.10 控制結(jié)構(gòu)

1.10.1 分支

x = 1
if(x) {
    print("true")
} else {
    print("false")
}

1.10.2 循環(huán)

for(i in 1:5) {
    cat(i, "\n")
}

1.11 實(shí)例：下載指定股票價(jià)格數(shù)據(jù)，計(jì)算收益率相關(guān)性

過濾無效的股票代碼：

FiltSymbols <- function(symbols) {
  # 將小寫字母轉(zhuǎn)換為大寫
  symbols <- toupper(symbols)
  # 正則表達(dá)式驗(yàn)證證券代碼是否有效
  valid <- regexpr("^[A-Z]{2,4}$", symbols)
  #返回
  return(sort(symbols[valid == 1]))
}

symbols <- FiltSymbols(c("xom", "aapl", "cvx","ibm", "GS","600000HS" ))
cat(symbols)

下載股票價(jià)格數(shù)據(jù)：

library("quantmod")
getPrices <- function(symbols) {
  # 輸入：向量類型的股票代碼
  # 輸出：dataframe，包含多只股票的價(jià)格數(shù)據(jù)
  for (i in 1:length(symbols)) {
    if (i != 1) {
      # 獲取第i支股票的價(jià)格數(shù)據(jù)
      tempData <- getSymbols(symbols[i], src="yahoo", 
                    from="2007-01-01",to="2017-08-31",
                    auto.assign = FALSE)
      # 將收盤價(jià)合并到prices中
      prices <- cbind(prices, tempData[,4])
      cat(paste("第", i, "支股票下載完成…\r"))
    } else {
      # 獲取第一支股票的價(jià)格數(shù)據(jù)
      data <- getSymbols(symbols[i], src="yahoo", 
                          from="2007-01-01",to="2017-08-31",
                          auto.assign = FALSE)
      # 僅保留收盤價(jià)
      prices <- data[,4]
      cat("第1支股票下載完成…\r")
    }
  }
  return(prices)
}

prices <- getPrices(symbols)
print(prices, max = length(symbols)*5)

計(jì)算股票收益率相關(guān)性：

showCorrelations <- function(prices) {
  # 輸入：dataframe，股票價(jià)格數(shù)據(jù)
  # 輸出：相關(guān)系數(shù)矩陣，兩兩散點(diǎn)圖矩陣
  
  # 將股價(jià)轉(zhuǎn)換為對(duì)數(shù)收益率，參數(shù)2表示對(duì)列進(jìn)行計(jì)算
  returns <- apply(prices, 2, function(x) diff(log(x)))
  # 計(jì)算相關(guān)系數(shù)矩陣
  print(cor(returns, use = "complete.obs"))
  # 繪制兩兩散點(diǎn)圖矩陣
  pairs(returns, main = "Pairwise Return Scatter Plot")
}
showCorrelations(prices)