《R 语言》实验报告.docx

PAGE PAGE 10 《R 语言》实验报告 专业班级： XXXX 成员姓名： XXXX XXX XXX XXX 指导教师： XXX 日 期： XXXX-XX-XX 一、问题重述 3 1.1 问题背景 3 二、问题分析 3 问题一的分析 3 问题二的分析 3 三、数据预处理 4 数据选取 4 缺失值处理 5 数据统一化 5 数据去极值 7 数据标准化 7 四、模型的建立与求解 7 问题一模型的建立与求解 7 模型的建立 8 模型的求解 9 模型的结果 10 问题二模型的建立与求解 11 模型的建立 11 模型的求解 13 模型的结果 14 五、模型评价与改进 15 六、附录 16 附录 1 16 附录 2 18 一、问题重述 问题背景 量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。投资者通过数据分析探索市场运行规律，并预测市场走势，从而进行决策交易。随着大数据技术的发展，量化投资在全球金融交易市场上的地位愈加重要。但是由于市场信息十分庞杂，同时产品的价格也受到其他诸多因素的影响，如何从海量的市场信息中提取出有效指标，制订交易策略，是一个具有挑战性的工作。 问题提出 基于 2021 年 7 月 14 日至 2022 年 1 月 28 日每 5 分钟的“数字经济”板块给出的数据信息，解决以下问题： 问题一：在所提供的 49 项指标中，筛选出与“数字经济”板块有关的主要指标。 问题二：建立模型对每 5 分钟的“数字经济”板块指数进行预测。 二、问题分析 问题一的分析 针对问题一，由于所给数据中含有缺失值且时间标度不同，故应对所给数据进行预处理。对于缺失值数据，根据不同的情况采用不同的处理方法，例如，数值拟合法、分段插值法等；对于时间标度不同，由于大部分数据是以日作为单位，故将其余单位均化为天。将时间标度统一后，将会产生新的缺失值，再次使用上述处理缺失值的方法处理新的缺失值。再将数据中的极值通过百分位法和拉依达准则予以替代，最终使用零均值标准化法将数据标准化。为筛选出符合条件的主要指标，首先进行相关性分析，由于数据近似正态分布，故采用皮尔逊相关系数对 49 个指标进行相关性检验，筛选出相关性较强的指标后进行主成分分析，得到最终的指标。 问题二的分析 针对问题二，通过第一问筛选出来的指标，建立数学模型来预测股票数据。“数字经济”板块的数据波动幅度较大，进行线性回归的效果不理想。故首先将每天每 5 分钟开盘价与收盘价之差的和定义为差价，同时将差价以零为分界线划分为两部分，采用Logistic 回归模型进行拟合，但 Logistic 回归模型对指标的多重共线性非常敏感、计算 过程复杂。Lasso 方法是将惩罚函数转化为绝对值的形式，通过对回归系数进行压缩， 将某些指标的系数压缩为 0 以此来达到变量筛选的效果。但 Lasso 方法存在对指标压缩过度的问题。因此，Hui Zou 于 2006 年在此基础上提出了对不同指标进行不同程度压缩的 Adaptive Lasso 方法，它能有效减弱指标系数估计的有偏性。下文将使用 Lasso 方法来对 Logistic 回归模型中的指标进行筛选，以此解决 Logistic 回归模型在识别过程中存在的指标多重共线性和计算复杂等问题。 三、数据预处理 数据选取 本文选取“数字经济（CSI:931582）”板块股票信息以及 49 个股票量化指标作为 研究对象，研究区间为 2021 年 7 月 14 日至 2022 年 1 月 28 日。将所选取的 49 个量化指标分为五大类：宏观市场指标、国内股票市场指标、技术指标、国际股票市场指标、其他板块信息（见表 1）。数据来源于同花顺 iFinD 和国家统计局，具有一定的权威性， 且数据质量较高。数据分析软件和编程软件为 EXCEL、SPSS 与R。 表 1 量化指标分类 宏观市场指标 采购经理指数、社会消费品零售总额、居民消费价格指数、人民币贷款利率 国内股票市场指标 上证综合指数成交量、上证综合指数成交金额、沪市股票流通市值、深市股票流通市值、沪深 300 指数、上证综合指数、中证 500 指数、创业板指数、上证 50 指数、上证 A 股指数、深证成份指数、 深证综合指数、股票市场总值 技术指标 VMA、VMACD、ARBR、OBV、BBI、DMA、MA、EXPMA、MTM、MACD、BIAS、KDJ、RSI、BOLL 国际股票市场指标 道琼斯工业指数、纳斯达克综合指数、标准普尔 500 指数、美国 证交所指数、香港恒生指数、东京日经 225 指数、伦敦金融时报100 指数、法国巴黎 CAC40 指数、荷兰 AE