R语言量化投资相关

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。

金融领域涉及得非常广，包括银行业，保险业，信托业，证劵业务，租赁业务。

金融行业都具有指标性，垄断性，高风险性，效益依赖性以及高负债经营性的特点。量化投资是证劵投资一个很细分的专业领域，涉及到的金融工具包其实并不是很多。其实把这些包研究好了，就可以很方便的做量化模型和交易了。

如果构建自己的量化交易系统，需要用到5各方面的工具：数据管理，指标计算，回测交易，投资组合，风险管理。

1. 数据管理
   包括数据的抓取，存储，读取，时间序列，数据处理。涉及的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。

2. 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。

3. 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。

4. 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

5. 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。

image.png