Getting Started with R

最近开始学习用R做数据分析与量化投资，于是写了一篇R语言的入门教程，希望能帮助大家快速上手。我的知乎|简书|CSDN|微信公众号PurePlay 会不定期分享量化投资与R干货, 欢迎大家关注!

1. R语言

R是一种开源的解释型脚本语言，多年来在统计学家，数据科学从业人员和学者中非常流行。 它本质上是一种函数式编程语言( functional programming language)，同时支持面向对象和命令式编程范例。 R具有数以千计的附加统计和分析库可供下载，在定量金融和学术领域非常受欢迎。

R中的所有内容（包括函数）都是一个对象，可以直接传递给其他函数。

1.1 安装

1.1.1 R安装

进入官网：http://www.r-project.org/。 单击“Getting Started”部分中的下载R链接，或者单击左侧菜单中的“ CRAN”链接。 选择最接近目标计算机所在位置的适当镜像站点。 有关安装R的更多详细说明。

推荐的R代码编辑器：Rstudio，VScode

1.1.2 扩展包安装和载入

R扩展包官方汇总链接:https://mirrors.tuna.tsinghua.edu.cn/CRAN/

（1）安装扩展包

• R与Rstuidio窗口操作均可完成安装，以Rsudio为例：点击Rstudio界面右下角文件区的Packages，点击Install，在弹出对话框中 ， 填入需要安装的包
• 命令安装

# 获取R存放已经安装的包的位置,默认位置是R的安装路径下的library文件夹
.libPaths()

# 安装：扩展包名称需要加引号
# destdir：指定下载的二进制zip文件存放的位置，默认是临时会话的downloaded_packages文件夹下
# lib：指定下载的二进制zip软件包被解压后的安装位置，默认值的是.libPaths()获取的路劲
install.packages("ggplot2")
install.packages("ggplot2",
                 destdir="D:/Download/Package/R",
                 lib="D:/Program Files/R/R-3.6.1/library")

（2）载入扩展包

• Rstudio界面：点击Rstudio界面右下角文件区的 Packages，找到你要载入的包 ， 在
  前面的方框中打上勾
• R界面：点击R界面上方的“程序包”，点击 加载程序包，在弹出的窗口中选择需要，载入的包
• 命令载入

# 扩展包名称可以不加引号
library("ggplot2")
library("ggplot2", lib.loc="C:/Program Files/R/R3.2.2/library")

（3）量化常用扩展包

• 数据管理：包括数据集抓取、存储、读取、时间序列、数据处理等，涉及的R包有zoo（时间序列对象）、xts（时间序列处理）、timeSeries（Rmetrics系时间序列对象）、timeDate（Rmetrics系时间序列处理）、data.table（数据处理）、quantmod（数据下载和图形可视化）、RQuantLib（QuantLib数据接口）、WindR（Wind数据接口）、RJDBC（数据库访问接口）rhadoop（Hadoop访问接口）、rhive（Hive访问接口）、rredis（Redis访问接口）、rmongodb（MongoDB访问接口）、SparkR（Spark访问接口）、fImport（Rmetrics系数据访问接口）等

• 指标计算：包括金融市场的技术指标的各种计算方法，涉及的R包有TTR（技术指标）、TSA（时间序列计算）、urca（单位根检验）、fArma（Rmetrics系ARMA计算）、fAsianOptions（Rmetrics系亚洲期权定价）、fBasics（Rmetrics系计算工具）、fCopulae（Rmetrics系财务分析）、fExoticOptions（Rmetrics系期权计算）、fGarch（Rmetrics系Garch模型）、fNonlinear（Rmetrics系非线模型）、fOptions（Rmetrics系期权定价）、fRegression（Rmetrics系回归分析）、fUnitRoots（Rmetrics系单位根检验）等

• 回测交易：包括金融数据建模，并验证历史数据验证模型的可靠性，涉及的R包有FinancialInstrument（金融产品）、quantstrat（策略模型和回测）、blotter（账户管理）、fTrading（Rmetrics系交易分析）等

• 投资组合：对多策略或多模型进行管理和优化，涉及的R包有PortfolioAnalytics（组合分析和优化）、stockPortfolio（股票组合管理）、fAssets（Rmetrics系组合管理）等。

• 风险管理：对持仓进行风险指标的计算和风险提示，涉及的R包有Performance-Analytics（风险分析）、fPortfolio（Rmetrics系组合优化）、fExtremes（Rmetrics系数据处理）

1.2 获取帮助

1.2.1 帮助文档

（1）Rstudio界面

点击Rstudio界面右下角文件区的 Help选项，在最后的搜索框中输入想了解的R包或者函数

（2）R界面

点击R界面的“帮助”，开启一个帮助网页

（3）输入命令

# 获取扩展包信息
help("readr")
? readr

# 获取函数信息
help(read_csv)
? read_csv

#搜索与关键词read_csv相关的帮助文档的信息
help.search('ggplot2')
?? ggplot2

# 获取函数ggplot的使用例子  
example("ggplot") 

# 给出有关键词ggplot的所有函数  
apropos("ggplot",mode="function")

# 打开搜索首页
RSiteSearch("") 

# 搜索有关键词ggplot的所有文档和邮件列表存档 
RSiteSearch("ggplot")
RSiteSearch("empirical")   
 
# 获取函数源代码
read_csv

# 列出当前已加载包中所含有的所有可用示例数据集
data()

1.2.2 实用网站

R的网页搜索引擎，能查找各种函数、R邮件列表归档中的讨论和博客文章：http://rseek.org

R主要的博客社区：http://www.r-bloggers.com

统计之都：http://cos.name/

Github：http://github.com/

1.3 工作空间

工作空间就是当前R的工作环境

# 获取当前工作空间
getwd()

# 设定工作空间
# 路径用双引号或者单引号，必须完整，斜杠为\\或者/
# 文件夹必须存在，如果不存在，可以用dir.create()函数先创建，但文件夹需要逐个建立。
dir.create('D:/Workfiles/Finance/Quants/R')
setwd('D:/Workfiles/Finance/Quants/R')

list.dirs("D:/Workfiles/Finance/Quants/R") #列出当前工作目录下的文件夹
list.files("D:/Workfiles/Finance/Quants/R") #列出当前工作目录下的文件
ls()  #列出当前工作空间中的对象 
rm(x) #移除（删除）一个或者多个对象 
history(num) #显示最近使用过的num个命令（默认值为25） 
savehistory(“aaa”)   #保存命令历史到当前路径下文件aaa中（默认值为.Rhistory) 
loadhistory(“aaa”)   #载入一个命令历史文件aaa（默认值为.Rhistory) 
options()  ###显示或设置当前选项 
q() #退出R或者Rstudio

1.4 R文件的输入/输出

1.4.1 保存文件

利用Rstudio/R界面保存脚本文件；保存其他文件代码如下：

# 将运行结果保存成.R或者.txt文件,相对/绝对路径均可
sink("D:/Workfiles/Finance/Quants/R/try.R")
...program
sink()

# 将工作空间里的对象（结果、变量等）保存成.Rdata
save.image('try.RData')

# 图形文件保存：可输出成pdf/png/jpeg/bmp，方法类似
pdf('xxx.pdf') 
...program
dev.off()

1.4.2 打开文件

（1）利用Rstudio/R界面
（2）输入命令

# 打开.R文件/R的脚本文件
file.edit("D:/Workfiles/Finance/Quants/R/1.4如何获得帮助.R",fileEncoding = "UTF-8") 

# 运行R脚本文件
source("xxx.R",encoding = "UTF-8")

# 打开.Rdata文件
load('try.RData')

1.5 变量

变量为我们提供了我们的程序可以操作的命名存储。 变量名称由字母（区分大小写），数字和点或下划线字符组成，不允许使用空格或特殊字符。 变量名以字母或不以数字后跟的点开头。

变量名	合法性	原因
var_name2.	有效	有字母，数字，点和下划线
VAR_NAME％	无效	有字符’％’。只有点(.)和下划线允许的。
2var_name	无效	以数字开头
.var_name, var.name	有效	可以用一个点(.)，但启动点(.)，不应该后跟一个数字。
.2var_name	无效	起始点后面是数字使其无效。
_var_name	无效	开头_这是无效的

可以使用向左，向右和等于运算符来为变量赋值：

# 等号赋值
var1 = c(0,1,2,3)           
# 左赋值
var2 <- c("learn","R")   
# 右赋值  
c(TRUE,1) -> var3           

在R语言中，数据类型有：数值型Numeric，整型Integer，复数型Complex，字符串Character，逻辑型Logical，原型Raw。R中的变量不必声明变量类型，R将动态地找出运行时变量的类型。

展示工作空间中的变量：

# 展示工作空间中的所有变量
ls()
# 展示工作空间中变量名包含“var”的变量
ls(pattern = "var")
# 以点(.)开头的变量默认被隐藏，设置“all.names = TRUE”参数列出
ls(all.name = TRUE)

删除变量：

# 删除指定变量
rm(var1)
# 删除所有变量
rm(list = ls())

1.6 运算符

R语言中拥有如下几种运算符类型：算术运算符，关系运算符，逻辑运算符，赋值运算符等。

1.6.1 算术运算符

下表显示了R语言支持的算术运算符。 操作符对向量的每个元素起作用。

运算符	描述
+	两个向量相加
-	两个向量相减
*	两个向量相乘
/	将第一个向量与第二个向量相除
%%	两个向量求余
％/％	两个向量相除求商
^	将第二向量作为第一向量的指数

1.6.2 关系运算符

下表显示了R语言支持的关系运算符。 将第一向量的每个元素与第二向量的相应元素进行比较。 比较的结果是布尔值。

运算符	描述
>	检查第一个向量的每个元素是否大于第二向量的相应元素。
<	检查第一个向量的每个元素是否小于第二个向量的相应元素。
==	检查第一个向量的每个元素是否等于第二个向量的相应元素。
<=	检查第一个向量的每个元素是否小于或等于第二向量的相应元素。
> =	检查第一个向量的每个元素是否大于或等于第二向量的相应元素。
!=	检查第一个向量的每个元素是否不等于第二个向量的相应元素。

1.6.3 逻辑运算符

下表显示了R语言支持的逻辑运算符。 它只适用于逻辑，数字或复杂类型的向量。 所有大于1的数字被认为是逻辑值TRUE。
将第一向量的每个元素与第二向量的相应元素进行比较。 比较的结果是布尔值。

运算符	描述
&	它被称为元素逻辑AND运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果两个元素都为TRUE，则给出输出TRUE。
|	它被称为元素逻辑或运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果元素为真，则给出输出TRUE。
!	它被称为逻辑非运算符。 取得向量的每个元素，并给出相反的逻辑值。

逻辑运算符&&和|| 只考虑向量的第一个元素，给出单个元素的向量作为输出。

运算符	描述
&&	逻辑AND运算符。 取两个向量的第一个元素，并且只有两个都为TRUE时才给出TRUE。
||	逻辑OR运算符。 取两个向量的第一个元素，如果其中一个为TRUE，则给出TRUE。

1.6.4 赋值运算符

这些运算符用于向量赋值。

运算符	描述
<−或=或<<−	左分配
->或->>	右分配

1.6.5 其他运算符

这些运算符用于特定目的，而不是一般的数学或逻辑计算。

运算符	描述
:	冒号运算符。 它为向量按顺序创建一系列数字。
%in%	此运算符用于标识元素是否属于向量。
%*%	此运算符用于将矩阵与其转置相乘。

1.7 数据容器

数据容器data container：向量Vectors，因子Factors，列表Lists，矩阵Matrices，数据帧Data Frames，数组Arrays，

1.7.1 向量Vectors

向量类似一维数组，仅保存类型相同的数据， 如果将数字与字符混合，R会将任何数值的类型转换为字符。运算符c()用于创建存储数字，字符或布尔值的向量。

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)
# 获取向量第四个元素
vector[4]
# 获取第四和第八个元素
# vector[4,8]是错误的
vector[c(4,8)]
# 获取第四到第八个元素
# 第四和第八个元素都会被取出
vector[4:8]

向量化允许我们同时对所有元素执行相同的操作。

vector <- c(1,2,3,4,5,6,7,8,9)
# 向量中所有元素除以3，并保留两位小数
round(vector/3,2)

1.7.2 列表Lists

列表可以同时包含不同类型的元素，如数字、字符串、向量、列表、矩阵、函数等。

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"))
              )

通过位置或者元素名索引：

# 返回元素列表
list1 <- myList[1]
list2 <- myList[c(1,3)]
# 返回单个元素
element1 <- myList[[1]]
element2 <- myList[["b"]]

1.7.3 矩阵Matrix

矩阵类似一维数组，只能保存类型相同的数据。

# 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)

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

# 展示矩阵的特征
attributes(mat2)

索引方法与向量类似，需要增加一个维度

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

矩阵操作也是向量化的：

# 元素服从标准正太分布的100*10矩阵
mat <- matrix(rnorm(1000),nrow=100)
# 保留三位小数，展示前9行
head(round(mat,3),9)

1.7.4 数据框Dataframe

数据框是一个混合的二维数据容器，可以包含数字，字符，布尔值和因子类型。每当从外部环境将数据读入R时，结果对象最终都可能是 一个数据帧，格式类似于一个Excel表格。

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

数据框索引[,], $

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

创建数据框时，字符向量将自动转换为因子，它是离散变量的向量。 为了禁止将任何字符向量转换为因子，我们可以使用stringsAsFactors = FALSE参数。

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 环境Environment

创建环境空间，定义环境空间中的变量：

env <- new.env()
# [[]]与$均可实现环境空间中的变量定义
env[["first"]] <- 5
env[["second"]] <- 6
env$third <- 7

查看环境空间

env
# 查看环境空间中的变量名
ls(env)
# 获取环境空间中的某一变量
get("first", envir = env)

删除环境空间中的变量

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

环境空间的存储特征：不按值存储对象，而是将对象位置的地址存储在内存中。 由于较大的对象不必在每次传递时都进行复制，因此可以使用更有效的代码。

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

1.8 plot()绘图

R提供了许多高级的绘图扩展包，如ggplot2, ggvis, rCharts, rgi等，此处只介绍最基本的plot()函数绘图。

x <- c(1,2,3.2,4,3,2.1,9,19)
plot(x) # 散点图
plot(x, type = "l") # 折线图

?plot # 查看更多图表类型

绘制一个有标题、横纵轴名称、基本网格的图

plot(rnorm(100), # 正太分布随机数
     main = "Some Returns", # 图标题
     cex.main = 0.9, 
     xlab = "Time",# x轴标题
     ylab = "Returns", # y轴标题
    )
# 添加基本网格
grid()
# 添加水平线与垂直线
abline(v = 40, # x = 40处绘制垂直线
      lwd = 2, # 线宽
      lty = 1, # 线型
      )
abline(h = 1, # y = 1处绘制水平线
      lwd = 3, 
      lty = 3)
# 添加额外的文本
mtext("Some text at the bottom", side = 1)
# 添加图例
legend(50, -1, "A legend")

绘制子图

# 设定2行，2列子图格式
par(mfrow = c(2, 2))
# 第一张图
plot(rnorm(100), main = "Graph 1")
# 第二张图
plot(rnorm(100), main = "Graph 2", type = "l")
# 第三张图
plot(rnorm(100), main = "Graph3", type = "s")
abline(v = 50, lwd = 4)
# 第四张图
plot(rnorm(100), type = "h", main = "Graph4")
# 重置绘图窗口
par(mfrow = c(1,1))

查看绘图所用参数

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

1.9 函数

R支持命令式、函数式、面向对象编程。

1.9.1 内置函数

R语言具有大量内置函数，以下展示一些常用内置函数

# 创建标准正态分布随机数
x <- rnorm(100, mean = 0, sd = 1)
# 返回向量长度
length(x)
# 计算均值、方差、中位数
mean(x)
sd(x)
median(x)
# 计算变量值域
range(x)
# 求和/累计求和
sum(x)
cumsum(x)
# 展示前3个元素
head(x, 3)
# 获取描述统计结果
summary(x)
# 将x从大到小排序
sort(x, decreasing = TRUE)
# 计算一阶差分
diff(x)
# 以1为步长创建1至10序列
seq(1, 10, 1)
# 打印：注意两种打印的区别
cat("hello\n")
print("hello\n")
# 展示最近输入的10行命令
history(10)
# 数值计算
sqrt(2)
exp(1)
cos(1)
sin(1)
# 求函数积分
integrand <- function(x) 1/((x+1)*sqrt(x))
integrate(integrand, lower=0, upper=Inf)

1.9.2 自定义函数

自定义函数的基本语法如下

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

函数的不同部分

• 函数名称：作为具有此名称的对象存储在R环境中。
• 参数 ：当函数被调用时，需要传递具体值到参数。 参数是可选的，一个函数可能不包含参数；参数可以有默认值。
• 函数体 ：函数体包含定义函数的功能语句集合。
• 返回值 ：返回值即函数的输出。

1.10 控制结构

1.10.1 分支

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

1.10.2 循环

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

1.11 实例：下载指定股票价格数据，计算收益率相关性

过滤无效的股票代码：

FiltSymbols <- function(symbols) {
  # 将小写字母转换为大写
  symbols <- toupper(symbols)
  # 正则表达式验证证券代码是否有效
  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)

下载股票价格数据：

library("quantmod")
getPrices <- function(symbols) {
  # 输入：向量类型的股票代码
  # 输出：dataframe，包含多只股票的价格数据
  for (i in 1:length(symbols)) {
    if (i != 1) {
      # 获取第i支股票的价格数据
      tempData <- getSymbols(symbols[i], src="yahoo", 
                    from="2007-01-01",to="2017-08-31",
                    auto.assign = FALSE)
      # 将收盘价合并到prices中
      prices <- cbind(prices, tempData[,4])
      cat(paste("第", i, "支股票下载完成…\r"))
    } else {
      # 获取第一支股票的价格数据
      data <- getSymbols(symbols[i], src="yahoo", 
                          from="2007-01-01",to="2017-08-31",
                          auto.assign = FALSE)
      # 仅保留收盘价
      prices <- data[,4]
      cat("第1支股票下载完成…\r")
    }
  }
  return(prices)
}

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

计算股票收益率相关性：

showCorrelations <- function(prices) {
  # 输入：dataframe，股票价格数据
  # 输出：相关系数矩阵，两两散点图矩阵
  
  # 将股价转换为对数收益率，参数2表示对列进行计算
  returns <- apply(prices, 2, function(x) diff(log(x)))
  # 计算相关系数矩阵
  print(cor(returns, use = "complete.obs"))
  # 绘制两两散点图矩阵
  pairs(returns, main = "Pairwise Return Scatter Plot")
}
showCorrelations(prices)

欢迎关注我的知乎|简书|CSDN|微信公众号PurePlay , 会不定期分享量化金融与R干货。