用R语言计算某只股票的涨幅次数

R解决方案

01 library(gdata)#use excel function library

02 A1<-read.xls("e:\data\all.xlsx") #import data

03 A2<-subset(A1,as.POSIXlt(Date)>=as.POSIXlt('2012-06-01')& as.POSIXlt(Date)<=as.POSIXlt('2012-06-30')) #filter by date

04 A3<- split(A2,A2$Code) #group by Code

05 A8<-list()

06 for(iin 1:length(A3)){

07 A3[[i]][order(as.numeric(A3[[i]]$Date)),]#sort by Date in each group

08 A3[[i]]$INC<-with(A3[[i]],Close-c(0,Close[- length (Close)])) #add a column, increased price

09 if(nrow(A3[[i]])>0){ #add a column, continuous increased days

10 A3[[i]]$CID[[1]]<-1

11 for(j in 2:nrow(A3[[i]])){

12 if(A3[[i]]$INC[[j]]>0 ){

13 A3[[i]]$CID[[j]]<-A3[[i]]$CID[[j-1]]+1

14 }else{

15 A3[[i]]$CID[[j]]<-0

16 }

17 }

18 }

19 if(max(A3[[i]]$CID)>=5){ #stock max CID is bigger than 5

20 A8[[length(A8)+1]]<-A3[[i]]

21 }

22 }

23 A9<-lapply(A8,function(x)x$Code[[1]]) #finally,stock code

01：启用Excel支持。要注意的是R对Excel的支持第三方的包l，需要先行下载安装，R对第三方包比较挑剔，找到一个兼容可能的不大容易

02：导入Excel的数据。可能是找来的Excel解析包不好用，这个过程大约需要8-10分钟，内存占用也比集算器多几百M，好在导入数据后内存就释放了。事实上R本身的运算速度还是比较快的，取数据库中的数据时会很好的体现这一点。

03，04:按时间过滤，并按Code分组。分组后的数据查看起来不易理解，点击右侧的变量看到的结果是这样的：

如果在控制台直接输入命令则相对好一些，如下：

05：A8<-list()，定义一个list类型的变量A8，它将用来存放连涨天数大于等于5的股票。

06-22：由于R不能像集算器那样方便的用~来操作每个分组，因此这里需要一个大循环，每次循环针对一个股票进行计算。

07:按日期排序。分组前就排序代码会更简单，但我考虑到最直观的思路是：分组前数据是混在一起的，看不出是否排序；分组后经过观察才发现顺序混乱，不排序则无法进行下一步的行间运算。

08：增加一个列INC，计算”当日收盘价”-“前一日收盘价”。R不支持行间运算，所以这里巧妙的将收盘价整体下移一行，再和原来的收盘价相减。代码是：Close-c(0,Close[- length (Close)])。

09-18：增加一个列CID，计算连涨天数。09行的if(nrow(A3[[i]])>0)是为了避免有些股票没数据（比如暂时停牌），否则后面会报空指针错误。10行的A3[[i]]$CID[[1]]<-1是为了赋初值和避免后面运算报空指针错误。集算器中不需要做类似的检查，看来它对非专业技术人员更友好些。11-17：计算连涨天数。代码虽然很多，其实算法同集算器完全一样。

19-21：过滤，如果某只股票最大的连涨天数大于等于5，则它就是需要的优质股票。代码虽然较多，其实算法和集算器完全一样。结果如下：

23：取出分组中的代码，A9<-lapply(A8,function(x) x$Code[[1]])，如下图：

一些体会：

R和集算器凭借自身的能力都可以实现较复杂的股票分析。集算器的代码更简单易懂，避免了大部分的循环语句，数组越界等容易犯错的地方也做了些人性化的处理。基本上，会用基本的Excel公式应该就能用集算器来做股票分析了。

使用R来完成股票分析需要一定的编程技巧和数学知识，这样才能灵活运行R的各项功能。R还具备优秀的扩展性，比如有针对股票的第三方库函数和统计图；再比如完全可以自己写一个更高效的读取Excel的函数