今天有同学应急找我帮忙用R语言做一个股票价格数据集分析，于是有了本文：如果使用R语言处理股票数据?

题目

了解你的数据。

分析 Data.csv 文档中的数据，包括各个变量的基本统计量，分布情况（直方图）等。报告分成两部分：1. 统计结果分析讨论；2. R 代码。（不超过 3 页）

数据预处理

缺失值检验

首先通过read.csv导入数据集，接着进行缺失值检验及筛选有缺失值的行。

#导入数据集
library(e1071)
data=read.csv("/Users/fubo/Desktop/data.csv",fileEncoding="UTF-8-BOM",check.names=F)

#缺失值检验及筛选有缺失值的行
sum(is.na(data))
data[!complete.cases(data),]

输出结果如下，可以看到该数据集没有缺失值

> sum(is.na(data))
[1] 0
> data[!complete.cases(data),]
[1] time                         
[2] 沪深300                      
[3] 中证500                      
[4] 创业板指                     
[5] 万得全A                      
[6] 中债-国债总财富(3-5年)指数   
[7] 中债-信用债总财富(1-3年)指数 
[8] 中债-10年期国债财富(总值)指数
<0 行> (或0-长度的row.names)

异常值检验

通过箱形图对基金数据进行异常值检验。

#异常值检验
boxplot(data沪深300)
boxplot(data中证500)
boxplot(data创业板指)
boxplot(data万得全A)
boxplot(data`中债-国债总财富(3-5年)指数`)
boxplot(data`中债-信用债总财富(1-3年)指数`)
boxplot(data$`中债-10年期国债财富(总值)指数`)

从结果可以看出，沪深300、中证500和创业板指出现了异常值（其他基金无异常值问题），因此进行进一步分析。

这三只基金均有一个异常值偏离其他的观测值，因为该异常值都为最大值，因此可以认为是合理的数值，故不做处理。

另外，可以观察到创业板指的股票价格最小值为0，查阅资料后得知是因为创业板指于2010年6月1日才正式发布，因而在后续的数据处理中要对创业板指数进行处理，除去值为0的数据。

数据基本统计量

以沪深300为例，计算数据基本统计量的代码如下：

# 沪深300 基本统计量
summary(data沪深300)
var(data沪深300)
sd(data沪深300)
skewness(data沪深300)
kurtosis(data沪深300)
data[data沪深300==max(data沪深300),1:2]
data[data沪深300==min(data$沪深300),1:2]

结果如下表所示：

从中，可以看出：

• 万得全A的标准差最大，说明万得全A过去11年股票价格的变动幅度很大，风险最高；中债-10年期国债的标准差最小，说明该基金过去11年股票价格的变动幅度较小，风险最低。

• 只有中证500的峰度大于0，相比于正态分布要更陡峭或尾部更厚；其他的基金相比于正态分布更平缓或尾部更薄。

• 所有基金的偏度都大于0，说明数据均值左侧的离散度比右侧弱，右偏。

• 沪深300、中债-国债总财富(3-5年)指数的最大值都出现在2021/1/31 0:00，因为数据截至2021/1/31 0:00，可能这两个指数还在持续增长。中证500、创业板指、万得全A的最大值都出现在2015/6/30 0:00。

• 中债-国债总财富(3-5年)指数、中债-信用债总财富(1-3年)指数、中债-10年期国债财富(总值)指数的最小值都出现在2010/1/31 0:00，因为数据起始2010/1/31 0:00，可能这三个指数的最小值比这几个值还小。

接着，选择沪深300和创业板指进行直方图的分析。

# 沪深300的频数直方图
hist(data沪深300,
labels=TRUE,col="cornflowerblue")

# 创业板指的核密度图和正态分布曲线
hist(data创业板指,freq=F,col="cornflowerblue")
lines(density(data创业板指),col = "blue")
x = 0:3600
lines(x, dnorm(x, mean(data创业板指), sd(data$创业板指)), col = "red")
legend("topright", inset=0.001,
       legend=c("核密度估计","正态分布"),
       lty=c(1,1), 
       col=c("blue","red"))

• 由沪深300的频数直方图可以看到，沪深300指数大多分布在区间2000-4000之间，分布在3000-3500的最多。

• 由创业板指的核密度图和正态分布曲线可以看到，创业板指的分布不属于正态分布，且正如峰度值-0.01显示的那样，比较接近正态分布曲线，其尾部更薄。

走势图

从下走势图可以看出，沪深300、中证500、创业板指和万得全A的股票价格走势震荡幅度比较大。

plot(data沪深300~
as.Date(datatime,"%Y/%m/%d %H:%M"),
     type="l",
     xlab="Time",ylab="Price",
     main="Time trend",
     ylim=c(0,11000),
     col="green"
    )
lines(data中证500~
as.Date(datatime,"%Y/%m/%d %H:%M"),
      col="blue")
lines(data[data创业板指>50,"创业板指"]~
as.Date(data[data创业板指>50,"time"],
"%Y/%m/%d %H:%M"),
    col="red")
lines(data万得全A~
as.Date(datatime,"%Y/%m/%d %H:%M"),
    col="gray")
legend("topleft", inset=0.05,legend=c("沪深300","中证500","创业板指","万得全A"),lty=c(1,1,1,1), 
 col=c("green","blue","red","gray"))

• 在2011-2012年沪深300走势呈现小幅度上升后急剧下降的状况。
• 在2015年中期，这四只基金的价格陡然上升，而后又急剧下降，中证500最为明显，从2015年初期的5500上升至10000，增幅高达80%，从2015年中期的10000下降至8000，跌幅达20%，波动幅度很大。
• 在2016年初期，这四只基金的价格都有不同程度的上涨与下跌。
• 2019年开始，这四只基金缓慢上升。

从下走势图可以看出，中债的三个基金的总财富指数基本呈稳步上升的趋势。

• 在2013-2014年10年期国债经历了将近8%的跌幅，在2017-2018年10年期国债经历了将近6%的跌幅。
• 国债（3-5年）和信用债（1-3年）的总财富指数在2010-2018年间有几次波动幅度比较小的下跌。
• 这三个基金的总财富指数在2018-2020年持续上升，且幅度较大，在2020年中期都有不同程度的下跌。

全部代码

#导入数据集
library(e1071)
data=read.csv("/Users/fubo/Desktop/data.csv",fileEncoding="UTF-8-BOM",check.names=F)

#缺失值检验及筛选有缺失值的行
sum(is.na(data))
data[!complete.cases(data),]

#异常值检验
boxplot(data沪深300)
boxplot(data中证500)
boxplot(data创业板指)
boxplot(data万得全A)
boxplot(data`中债-国债总财富(3-5年)指数`)
boxplot(data`中债-信用债总财富(1-3年)指数`)
boxplot(data`中债-10年期国债财富(总值)指数`)

# 沪深300 基本统计量
summary(data沪深300)
var(data沪深300)
sd(data沪深300)
skewness(data沪深300)
kurtosis(data沪深300)
data[data沪深300==max(data沪深300),1:2]
data[data沪深300==min(data沪深300),1:2]

library(showtext)  #安装此包前需要在mac中安装XQuartz
showtext_auto() 
# 沪深300的频数直方图
hist(data沪深300,
     labels=TRUE,col="cornflowerblue")

# 创业板指的核密度图和正态分布曲线
hist(data创业板指,freq=F,col="cornflowerblue")
lines(density(data创业板指),col = "blue")
x = 0:3600
lines(x, dnorm(x, mean(data创业板指), sd(data创业板指)), col = "red")
legend("topright", inset=0.001,
       legend=c("核密度估计","正态分布"),
       lty=c(1,1),       col=c("blue","red"))


#沪深300、中证500、创业板指和万得全A股票价格走势
plot(data沪深300~
       as.Date(datatime,"%Y/%m/%d %H:%M"),
     type="l",
     xlab="Time",ylab="Price",
     main="Time trend",
     ylim=c(0,11000),
     col="green"
)
lines(data中证500~
        as.Date(datatime,"%Y/%m/%d %H:%M"),
      col="blue")
na.omit(data创业板指)
lines(data[data创业板指>50,"创业板指"]~
        as.Date(data[data创业板指>50,"time"],
                "%Y/%m/%d %H:%M"),
      col="red")
lines(data万得全A~
        as.Date(datatime,"%Y/%m/%d %H:%M"),
      col="gray")
legend("topleft", inset=0.05,legend=c("沪深300","中证500","创业板指","万得全A"),lty=c(1,1,1,1), 
       col=c("green","blue","red","gray"))

# 中债的三个基金
plot(data"中债-国债总财富(3-5年)指数"~
       as.Date(datatime,"%Y/%m/%d %H:%M"),
     type="l",
     xlab="Time",ylab="Price",
     main="Time trend of 中债总财富指数",
     ylim=c(100,200),
     col="green"
)
lines(data"中债-信用债总财富(1-3年)指数"~
        as.Date(datatime,"%Y/%m/%d %H:%M"),
      col="blue")
lines(data"中债-10年期国债财富(总值)指数"~
        as.Date(datatime,"%Y/%m/%d %H:%M"),
      col="red")
legend("topleft", inset=0.05,legend=c("国债(3-5年)","信用债(1-3年)","10年期国债"),lty=c(1,1,1), 
       col=c("green","blue","red"))