xtsへのコンバート - My Life as a Mock Quant
※xtsの使い方自体はxtsライブラリを使ってみるー１、xtsライブラリを使ってみるー２参照のこと csvファイルに金融時系列データを保存する場合、「１列目：日時、２列目以降：資産価格」のようなフォーマットが多い（Excel脳） このようなデータをRで扱う場合、read.csvで読み込むとdata.frame型になる。 これを処理が大変便利なxts型に変換したいので関数を書く・・・までもなく #hogeにdata.frame型のデータが入る as.xts(read.zoo(hoge)) でイケた。具体的なデータを使ってやってみると #テスト用データをdropboxにおいてあるのでそれを使う #ここで使用している為替レートのようなものは実際の値ではありません。あくまでサンプルデータです。 file.currency.rate <- "http://dl.dropbox.com/u/99233
■highfrequencyパッケージ - eizoo3010の日記
2013-05-05 ■highfrequencyパッケージ R Finance highfrequencyパッケージというのがいいらしいのでメモ。何がいいかって言うとtickデータを5分足とか10分足に加工するのが楽だったり、高頻度データからいろんなボラティリティ指標を計算してくれる関数が備わってて今までC++とかRとかでゴチャゴチャ書いてた苦労がなくなるので快適研究ライフが送れるというもの。とりあえず、サンプルコードを回してみる。 ## http://cran.r-project.org/web/packages/highfrequency/ options(repos="http://cran.md.tsukuba.ac.jp") install.packages(c("highfrequency","timeDate","zoo")) library(highfrequency)
時系列データの解析（厚労省公開の医療費データ） - データサイエンティスト上がりのDX参謀・起業家
この本に沿って時系列データの解析方法をまとめました。 Rによる時系列分析入門 作者: 田中孝文出版社/メーカー: シーエーピー出版発売日: 2008/06/01メディア: 単行本購入: 12人 クリック: 113回この商品を含むブログ (19件) を見る サンプルデータを使っても面白くないので、厚労省が公開している医療費のデータを使いました。 厚労省の医療費データベース 例によってこのデータはエクセルで公開されていて、そのまま解析できる状態じゃありません。 今回は入院の総医療費だけを扱ったので、その部分だけ加工してcsvにしました。 一応、加工したデータはダウンロードのページに置いてます。 それでは、解析していきます。 まずはデータ読み込みと加工。 Iryouhi <- read.csv("医療費.csv", as.is = T) Nyuin <- ts(Iryouhi[, 2], fre
～シリーズ前処理2013～欠測への対応
4. たとえば • 欠測値への対応 • 連続データの離散化 • 外れ値処理 • 単位の変換（標準化） • サンプリング • 不均衡データ • 属性抽出 • データ形式の変換（時系列、グラフ等） 6. シリーズ前処理について • 一説では、データ分析の8-9割の時間を占め るといわれながら、その方法についてはあまり 語られることのない前処理について迫っていく シリーズです。 • 私の発表をたたき台にして、「ぼくのかんがえ たさいきょうのまえしょり」をみんな共有してく れると嬉しいです。 • 一人で続けるのはしんどいので、誰か続いてく れると嬉しいです。 7. これまでの前処理＠Tokyo.R • Rで学ぶロバスト推定（第13回） – 外れ値 • xtsパッケージで時系列解析（第15回） – データ形式の変換 • Rを用いた地理的情報解析（第16回） – デー
「第1回 Japan.R 午後の部」の金融系セッション（資料＆プログラム） - My Life as a Mock Quant
第1回 Japan.R 午後の部で金融系セクションを設けていただいて話した。 当日使った資料 PDF版が欲しいという奇特な方はコチラ(PDF)から落として下さい。 以下、上記資料を作成するために使用したコード。 パッケージは適当にinstall.packages()関数でインストールしておいてください。 時系列解析 例1:S&P500リターン時系列をGARCHモデルで分析 #Garchモデルによる時系列分析パッケージ library(fGarch) #各種webサイトからデータを取ってこれるパッケージ library(fImport) #S&P500 Indexデータを取得 & リターン系列(算術・日次)に変換 sp500.index <- fredSeries("SP500",from = "2008-01-01") sp500.return <- sp500.index / lag(s
ニューラルネットワークを用いた株価予測 - データマイニング・機械学習事始め
今データマイニングの応用事例として興味があるのが株価予測。 ってなわけで早速過去10年分の日経平均の日足データをダウンロードして準備開始。 とりあえずニューラルネットワークを用いて日経平均終値の値動きを近似することで株価予測を行おうと思います。 まず考えるべきはニューラルネットワークの入力層にどんなデータを与えて出力層の値に何を出力するのかを決定しなければならないので、ここは単純に日経平均終値の60日分の株価を与えて翌日の株価を予測することを目標とします。 なのでここではニューラルネットワークの入力層:60個、出力層:1個、中間層:180個で株価の学習を行います。 早速予測といきたいのですがまずはニューラルネットワークの勉強もかねてPythonで実装してみました。 実際に学習させて予測してみます。 # coding: utf-8 import neuralnet if __name__ =
異常検知（変化点検出）のパッケージを作ってみた - yokkunsの日記
時系列的な振る舞いの変化点を検出するためのパッケージを作ってみました。 CRAN: http://cran.r-project.org/web/packages/ChangeAnomalyDetection/ github: https://github.com/yokkuns/r-AnomalyDetection Usage changeAnomalyDetection(x, term = 30, smooth.n = 7, order = c(1, 0, 0), ...) x 時系列の数値ベクトル term 学習期間 smooth.n 移動平均の期間 order arima関数に渡すorder ... arima関数に渡すその他パラメータ 実行例 パッケージ読み込み library(ChangeAnomalyDetection) library(RFinanceYJ) library(
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
DVIOUT