R语言数据的收益率和可能的波动性交易

简介: R语言数据的收益率和可能的波动性交易

Quantom的最新版本(可以从CRAN安装)现在包含了从2000年以来从AlphaVantage获得免费财务数据的一种方法,通常对于大多数后测来说已经足够了,因为该日期早于大多数ETF的开始。

以下是如何做到这一点。

首先,你需要去alphaVantage,注册,并https://www.alphavantage.co/support/#api-key获得一个API密钥。

下载数据很简单 。

require(quantmod)

getSymbols('SPY', src ='av', adjusted =TRUE, output.size ='full', api.key = YOUR_KEY_HERE)

结果:

>head(SPY)

SPY.Open SPY.High SPY.Low SPY.Close SPY.Volume SPY.Adjusted

2000-01-03 148.25 148.25 143.875 145.4375 8164300 104.3261

2000-01-04 143.50 144.10 139.600 139.8000 8089800 100.2822

2000-01-05 139.90 141.20 137.300 140.8000 9976700 100.9995

2000-01-06 139.60 141.50 137.800 137.8000 6227200 98.8476

2000-01-07 140.30 145.80 140.100 145.8000 8066500 104.5862

2000-01-10 146.30 146.90 145.000 146.3000 5741700 104.9448

这意味着,如果我的旧资产分配的任何一个旧的帖子由于雅虎的数据已经有些失效,它现在将再次对数据输入算法稍作修改。

除了证明这个例程之外,我想要做的另外一件事情是衡量一个我几个月前开始交易的系统对于波动性信号服务的兴趣。

简单地说,我看到其他网站订阅服务的风险/回报比我目前交易的策略更差,在XIV,ZIV和VXX之间切换。目前,第10条中的股权曲线如下所示:


也就是说,如果从那以后能够交易这个策略的话,2008年的1000美元将会变成大约100万美元。

自2011年以来(大约在XIV成立之初),表现是:

Performance

Annualized Return 0.8265000

Annualized Std Dev 0.3544000

AnnualizedSharpe(Rf=0%) 2.3319000

Worst Drawdown 0.2480087

Calmar Ratio 3.3325450

考虑到那里的一些网站每月要收取50元以上的费用,要么是单一的战术资产轮换策略(风险/回报率较低),要么是一个可能具有巨大历史记录的波动性策略。

相关文章
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
3月前
|
存储 数据采集 数据处理
R语言数据变换:使用tidyr包进行高效数据整形的探索
【8月更文挑战第29天】`tidyr`包为R语言的数据整形提供了强大的工具。通过`pivot_longer()`、`pivot_wider()`、`separate()`和`unite()`等函数,我们可以轻松地将数据从一种格式转换为另一种格式,以满足不同的分析需求。掌握这些函数的使用,将大大提高我们处理和分析数据的效率。
|
2月前
R语言基于表格文件的数据绘制具有多个系列的柱状图与直方图
【9月更文挑战第9天】在R语言中,利用`ggplot2`包可绘制多系列柱状图与直方图。首先读取数据文件`data.csv`,加载`ggplot2`包后,使用`ggplot`函数指定轴与填充颜色,并通过`geom_bar`或`geom_histogram`绘图。参数如`stat`, `position`, `alpha`等可根据需要调整,实现不同系列的图表展示。
|
2月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
3月前
|
数据采集 机器学习/深度学习 数据挖掘
R语言数据清洗:高效处理缺失值与重复数据的策略
【8月更文挑战第29天】处理缺失值和重复数据是数据清洗中的基础而重要的步骤。在R语言中,我们拥有多种工具和方法来有效地应对这些问题。通过识别、删除或插补缺失值,以及删除重复数据,我们可以提高数据集的质量和可靠性,为后续的数据分析和建模工作打下坚实的基础。 需要注意的是,处理缺失值和重复数据时,我们应根据实际情况和数据特性选择合适的方法,并在处理过程中保持谨慎,以避免引入新的偏差或错误。
|
3月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
3月前
|
数据处理
R语言数据合并:掌握`merge`与`dplyr`中`join`的巧妙技巧
【8月更文挑战第29天】如果你已经在使用`dplyr`进行数据处理,那么推荐使用`dplyr::join`进行数据合并,因为它与`dplyr`的其他函数(如`filter()`、`select()`、`mutate()`等)无缝集成,能够提供更加流畅和一致的数据处理体验。如果你的代码中尚未使用`dplyr`,但想要尝试,那么`dplyr::join`将是一个很好的起点。
|
6月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
|
6月前
|
Web App开发 数据可视化 数据挖掘
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
|
6月前
|
移动开发 数据可视化
广义线性模型beta二项分布的淋巴结疾病风险预测可视化R语言2实例合集|附数据代码
广义线性模型beta二项分布的淋巴结疾病风险预测可视化R语言2实例合集|附数据代码