R语言量化投资常用包总结

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› R语言›R语言教程

原作者: [db:作者] 来自: [db:来源] 收藏邀请

用IT技术玩金融系列文章，将介绍如何使用IT技术，处理金融大数据。在互联网混迹多年，已经熟练掌握一些IT技术。单纯地在互联网做开发，总觉得使劲的方式不对。要想靠技术养活自己，就要把技术变现。通过“跨界”可以寻找新的机会，创造技术的壁垒。

金融是离钱最近的市场，也是变现的好渠道！今天就开始踏上“用IT技术玩金融”之旅！

关于作者：

张丹(Conan), 程序员Java,R,Nodejs
weibo：@Conan_Z
blog: http://blog.fens.me
email: [email protected]

转载请注明出处：
http://blog.fens.me/r-quant-packages/

前言

总是被很多的人问，为什么用R语言做量化投资，R、Python、Matlab比起来哪个更好？其实，答案很简单，你哪个用的熟就用哪个，工具是用来提升效率的，结果才是你会得到的。认准一门语言，坚持把它做好你就会成长。

每个领域，每种编程语言都用推动它前进的人，跟上牛人的脚步，你慢慢地也会变牛。

为什么用R语言做量化投资？
常用量化投资工具包

1. 为什么用R语言做量化投资？

R做量化投资到底有哪些优势呢？最主要的一点，就是R语言有很多第三方包的支持。通常编程语言的设计，都是为了解决软件开发和程序实现的问题。但R语言在开始时，就被设计为主要解决数据的问题。量化投资就是对数据进行各种数据处理、数据分析，从而找到数据的规律。所以，有很多从事量化投资的人，把R语言用来构建量化交易的模型，进行回测，风险管理等，最后把研究成果开源并贡献给R语言的社区，为后面的人提供了非常大的帮助。

相比Python来说也有很多的第三方包的支持，这些第三方大部分提供是Web开发，数据爬虫，系统管理，数据库调用，数学计算等，这些都是属于通用的软件需求，而非某个行业的数据需求。当某个Python大神，开始关注量化投资领域，并用Python实现了一套量化的程序库，后面的人就会进入这个领域，只是沿着大神的路线走，等待下一个大神的出现。所以本质上，Python是面向程序设计的语言，而R是面向数据的语言。

R语言在量化投资领域，已经有很多年的积累，很多的算法已经成型。从投资研究到交易分析，再到风险管理，有着完整的体系结构。我们同样可以沿着前人走出来的路，快速学习，快速搭建出量化投资的系统来。对于有IT但背景缺乏金融知识的人来说，有很多的部分知识上手比较困难，同时看不太懂各种统计指标，对学习造成了很大的阻力。这其实是你深入到具体地某个行业后，都会面临的问题。行业知识和数学知识才是最难的，只有突破了，你才能打开认知新领域的方法。

R语言让我们更接近数据，同时提供了各种数学统计的工具，又有大量由第三方贡献的行业知识库，所以我会选择R语言，我会把R语言作为最好的工具，进行量化投资的分析。

2. 常用量化投资工具包

R语言在金融领域提供了很多的金融计算框架和工具，当你具备金融理论知识和市场经验，你可以利用这些第三方提供的技术框架来构建自己的金融模型。我们可以从CRAN上找到各种的金融项目，访问R的官方网站 (https://cran.r-project.org/)，找到Task Views 菜单里的 Finance标签。

金融领域涉及范围是非常广的，包括银行业、保险业、信托业、证券业、租赁业等。金融行业都具有指标性、垄断性、高风险性、效益依赖性和高负债经营性的特点。量化投资是证券投资的一个很细分的专业领域，涉及到的金融工具包其实并不是太多。我们其实能把这些工具包研究好了，就可以方便地做量化的模型和交易了。

如果我们想用R构建自己的量化交易系统，你需要用到5方面的R语言工具包：数据管理、指标计算、回测交易、投资组合、风险管理。

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，并验证用历史数据验证模型的可靠性，涉及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R包有 PerformanceAnalytics(风险分析),fPortfolio(Rmetrics系组合优化), fExtremes(Rmetrics系数据处理)等。

基于上文中列出的R包，我们可以选择使用独立地第三方R包来构建我们的量化交易的系统，也可以选用完整的Rmetrics体系来构建量化交易的系统。这两类R包也可以混合使用，如果在混用时，由于他们基于的时间序列的底层对象是不一样的，那么类型转换的时候，可以你需要花点功夫处理一下。

上文中列出的R语言，并不是所有的R语言量化投资的R包，仅仅我关注的一些包。还有很多其他的，比如用于配对交易的包PairTrading；在Github上发布的，我并没有发现的R包等。

对于我自己来说，倾向于用独立地第三方R包来做量化交易系统，会用到其中的几个独立的R包。这样选择的主要原因有2个，一是中国市场比较特别，很多规则并不完全符合世界的标准。比如，股票T+1交易就是全球唯一的。另外一点是第三方的开源包，有一些可能有错误，所以你不应该把程序完全依赖于第三方包，要有独立的思考和判断，第三方包只是给我们提供了便利性。

那么常用的第三方R包的组合为：zoo, xts, TTR, quantmod, FinancialInstrument, quantstrat, blotter, PortfolioAnalytics, PerformanceAnalytics。这其中的任何一个包，都可以被替换或自己实现，从而保证自己量化交易系统的独特性。引用国外量化的教材上的一张图，国外用R来研究量化交易已经体系。

图片摘自Introduction to Trading Systems，作者Guy Yollin。

本系列文章，稍后将对整个量化体系的金融R包进行全面的介绍，并加上我自己的理解。量化相关R包介绍的相关文章列表，持续更新中。。。

数据管理

策略模型

量化交易一条程序员可以利用技术优势，突破自己过上幸福生活的一条路，很艰难也很兴奋。我会一直坚持，希望路上的朋友一起加油！

转载请注明出处：
http://blog.fens.me/r-quant-packages/

This entry was posted in R语言实践, 金融