r語言股票價格預測

『壹』 如何在r語言中抓取股票數據並分析論文

用quantomd包
然後getsymbols函數

分析論文 要看你研究方向
如果是看影響因素 一般回歸就行
如果看股票波動和預測 可能需要時間序列

『貳』 R語言怎麼把股票日收盤價轉換成對數收益率

知道一系列收盤價向量X,length=1000,求對數收益率的R語言代碼
acf(int[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly

acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
log return')

Box.test(int[,2], lag = 5, type = "Ljung-Box")
Box.test(int[,2], lag = 10, type = "Ljung-Box")
Box.test(int.l[,2], lag = 5, type = "Ljung-Box")
Box.test(int.l[,2], lag = 10, type = "Ljung-Box")

運行結錯誤辦

> int <- read.table("d-intc7208.txt", head=T)
錯誤於file(file, "rt") : 打鏈結
外: 警告信息：
In file(file, "rt") :
打文件'd-intc7208.txt': No such file or directory

+ acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int monthly
錯誤: 意外符號 in:
"
acf(int.l[,2], lag.max = 15,type = "correlation", plot = TRUE,main='int"
> log return')
錯誤: 意外符號 in "log return"

『叄』 R語言得到了模型，怎麼預測，比如我要預測2013時候的數據

1. 預測的話，應該用接下來的時間，所以應該是預測2014,2015....

   程序如下：

   new<-data.frame(year=2014)

   lm.pred<-predict(z,new,interval="prediction",level=0.95)

   lm.pred

   解釋：第一行表示輸入新的點year=2014，注意，即使就一個點，也要採用數據框結構；第二行的函數predict（）給出相應的預測值，參數interval="prediction"表示同時要給出相應的置信區間，參數level=0.95表示相應的概率為0.95.這個參數也可以不寫，因為它的預設值為0.95.

2. 你提到的2013的數據不是預測，而是擬合。我們可以通過得到的模型對原來的year這個變數的數據進行擬合。

   程序如下：

   fit<-fitted(z)
   

   fit

   得到的就是在你得到的模型下2006-2013這8年的擬合值了。

   希望能對你有所幫助~

『肆』 學習R 語言對金融分析人士有何意義

學習 R 語言對金融分析人士有何意義？

總之，多學一點東西總是沒錯的。至於，學了之後會有哪些好處呢，我們就來看看專業人士有什麼看法。

總之，學習了還是有很多好處的，學到的東西是你的了，不是嗎？

『伍』 什麼是BP神經網路

誤差反向傳播（Error Back Propagation, BP）演算法
1、BP演算法的基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。
1）正向傳播：輸入樣本－>輸入層－>各隱層（處理）－>輸出層
注1：若輸出層實際輸出與期望輸出（教師信號）不符，則轉入2）（誤差反向傳播過程）
2）誤差反向傳播：輸出誤差（某種形式）－>隱層（逐層）－>輸入層
其主要目的是通過將輸出誤差反傳，將誤差分攤給各層所有單元，從而獲得各層單元的誤差信號，進而修正各單元的權值（其過程，是一個權值調整的過程）。
注2：權值調整的過程，也就是網路的學習訓練過程（學習也就是這么的由來，權值調整）。
2、BP演算法實現步驟（軟體）：
1）初始化
2）輸入訓練樣本對，計算各層輸出
3）計算網路輸出誤差
4）計算各層誤差信號
5）調整各層權值
6）檢查網路總誤差是否達到精度要求
滿足，則訓練結束；不滿足，則返回步驟2）
3、多層感知器（基於BP演算法）的主要能力：
1）非線性映射：足夠多樣本－>學習訓練
能學習和存儲大量輸入－輸出模式映射關系。只要能提供足夠多的樣本模式對供BP網路進行學習訓練，它便能完成由n維輸入空間到m維輸出空間的非線性映射。
2）泛化：輸入新樣本（訓練時未有）－>完成正確的輸入、輸出映射
3）容錯：個別樣本誤差不能左右對權矩陣的調整
4、標准BP演算法的缺陷：
1）易形成局部極小（屬貪婪演算法，局部最優)而得不到全局最優；
2）訓練次數多使得學習效率低下，收斂速度慢（需做大量運算）；
3）隱節點的選取缺乏理論支持；
4）訓練時學習新樣本有遺忘舊樣本趨勢。
注3：改進演算法—增加動量項、自適應調整學習速率（這個似乎不錯)及引入陡度因子

『陸』 r語言arma-garch怎樣預測

原文鏈接：http://tecdat.cn/?p=20015

本文將說明單變數和多變數金融時間序列的不同模型，特別是條件均值和條件協方差矩陣、波動率的模型。

均值模型

本節探討條件均值模型。

iid模型

我們從簡單的iid模型開始。iid模型假定對數收益率xt為N維高斯時間序列：

請注意，這也可以建模為ETS（A，N，N）狀態空間模型：

plot(cbind(std_t, x_trn), main = "基於平方EWMA的包絡")

乘法ETS

我們還可以嘗試ETS模型的不同變體。例如，具有狀態空間模型的乘性雜訊版本ETS（M，N，N）：

『柒』 股票價格的隨機遊走的含義

「隨機遊走」（random walk）是指基於過去的表現，無法預測將來的發展步驟和方向。應用到股市上，則意味著股票價格的短期走勢不可預知，意味著投資咨詢服務、收益預測和復雜的圖表模型全無用處。在華爾街上，「隨機遊走」這個名詞是個諱語，是學術界杜撰的一個粗詞，是對專業預言者的一種侮辱攻擊。若將這一術語的邏輯內涵推向極致，便意味著一隻戴上眼罩的猴子，隨意向報紙的金融版面擲一些飛鏢，選出的投資組合就可與投資專家精心挑選出的一樣出色。