R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。
R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。
要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。
关于作者：
转载请注明出处：
http://blog.fens.me/r-finance/
前言
做数据分析的朋友，一定听说过R语言。R语言是一门统计语言，在数据分析领域优势是非常明显的。
本文以 “R语言，为量化而生”为题，说明R语言真的很适合做金融做量化策略。金融本身是玩数据行业，R的最大的优势就是数据分析，所以用R来做量化投资的策略，真是很配，不仅顺手而且方便，用了你就会知识。
本文将由3个方面来介绍，R语言做量化是多么的适合。
目录
- 为什么是R语言？
- R语言的数据处理和时间序列
- R语言和金融模型
1. 为什么是R语言？
那么为什么是R语言，而不是其他的语言？ 先简单介绍一下，我们的个人经历。
我是一个程序员，从2004年开始接触Java写了10多年的Java程序，期间还尝试过多种编程语言，VB、PHP、Python、SAS、R、Nodejs，最后把自己锁定在R,Nodejs和Java。谈不上对每一种语言都有很深的理解，但是每种语言的特点还是有点心得。
之所以选择R,Nodejs和Java这3种语言，有一部分情怀，更多的是理性。从技术发展来看，编程开发变得越来越简单，10年前用JavaEE做一个简单的web项目至少要2人月，现在用Nodejs新人边学边搞只需10人天。而且随着业务的多样化，单一的技术已经不足以支撑业务的发展，业务在从传统的软件开发向互联网和数据产品的方向在进化。根据不同语言的特点，每种都将在开发中占据一席之地，而很难在出现一种语言统一天下的情况。
R语言将在数据分析领域发挥着重要的作用。R语言的3个特性，数学计算、数据建模和数据可视化。R语言封装了多种基础学科的计算函数，我们在R语言编程的过程中只需要调用这些计算函数，就可以构建出面向不同领域、不同业务的、复杂的数学模型。
另外，R的知识体系结构是复杂的，要想学好R，就必须把多学科的知识综合运用，而最大的难点不在于R语言本身，在于使用者的知识基础和综合运用的能力。
图中我将R语言知识体系结构分为3个部分：IT技术 + 业务知识 + 基础学科。
- IT技术：是数据大发展时代必备的技术之一，R语言就是我们应该要掌握的一门技术。
- 业务知识：是市场经验和法则，不管你在什么公司，你都了解业务是什么，产品是什么，用户是谁，公司的价值在哪里！
- 基础学科：是我们在学校里学到的理论知识，虽然当初学的时候并不理解，工作中如果你还能掌握并实际运用，那么这将是你最有价值的竞争力。
关于R的知识体系，可以参考文章，R语言知识体系概览
对于金融量化投资来说，刚好是一个交叉学科，你需要懂IT技术，熟悉金融市场的规则，有数学建模的能力。R语言，正好可以帮我们来解决这样的问题，所以“R语言，为量化而生”！
对于做过数据分析的人来说，大家都了解什么是最费时间的！！无疑就是数据处理的部分。
2. R语言的数据处理和时间序列
第二部分，我们来介绍一下R语言的数据类型和数据处理的一些方法。当然，本文并没有介绍如何入门R语言，新手入门请参考文章R的极客理想系列文章
2.1 基本数据类型
在R语言中，数据类型包括向量类型，字符串类型，数字类型，布尔类型，矩阵类型，数据框类型，list类型等，通常我们在使用R语言里做数据处理的时候，大部分都会以数据框(data.frame)类型为一个主要的数据内存类型来使用。
数据框(data.frame)类型是R语言内置的一种数据类型，我们可以简单地把它理解为，与关系型数据库中表的结构是类似的，是一种二维的数据结构。
# 新建一个数据框
> data.frame(A=1:6,B=LETTERS[1:6])
A B
1 1 A
2 2 B
3 3 C
4 4 D
5 5 E
6 6 F
正是由于R语言内置了这样的数据类型，使我们从数据库读取数据或导入CSV格式的数据时，与R语言有了一个很好的映射关系，直接加载到R语言的内存中变成标准化数据格式。
然后，就可以基于标准化的数据格式，用R语言的功能函数来处理数据了。比如，对于做数据库开发的人员来说，他可以使用sqldf包，在R语言中通过SQL语句对数据进行数据变换。同时，也可以按着数据框(data.frame)的标准方法进行数据处理，通过约定的向量索引下标的方式来按行按列来读取数据，或使用功能函数处理数据。
# sqldf包的使用
> library(sqldf)
> sqldf('select * from iris limit 6')
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
# 向量索引
> iris[1:6,]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
# head函数使用
> head(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
我们经常还会对数据进行转型处理，把数据框(data.frame)类型和其他数据类型的进行转化。我们有时会使用矩阵计算，R语言中默认供了矩阵(matrix)数据类型，可以很方便地把数据框转类型成矩阵类型，有时也需要把数据框的某一行或某一列转型为一个向量类型数据，或者把数据框变成一个list类型。通过数据的格式变换，用标准化的数据结构来满足数据分析的要求。
虽然R语言是统计语言，从性能上来说比C++/Java等语言慢不少。但对于数据分析的业务场景，用R语言来做数据处理的时候，你不用考虑程序如何架构，指针怎么定义，内存是否会泄露，只要关注你的数据和算法就行了。唯一需要注意的一点，不要直接用for循环的方式处理数据，尽量使用向量计算或矩阵计算的计算方法。当必须用循环的时候，你就需要用apply家族函数，代替for循环来做数据处理。关于apply家族函数的用法，请参考文章掌握R语言中的apply函数族
如果你的数据量比较大，1GB，10GB，甚至有100GB，对于这种规模比较大的数据集，apply的计算方式就不太能满足计算性能的要求了。你依然可以用data.table包, bigmemory包, ff包等，或者并行计算的包加速R语言在单机上的计算的性能。data.table的使用方法，请参考文章超高性能数据处理包data.table。
那么再大规模的数据，超过1TB这个量级，不只是R语言，每种语言都会遇到计算性能的瓶颈。这个时候，我们需要把数据放到分布式系统中，如Hadoop或其他大数据的引擎中进行存储和计算。R语言与各种的大数据平台的通信接口都是通的，比如RHadoop，rhive, rhbase, rmongodb, rCassandra, SparkR, sparklyr等。如果你想了解hadoop的知识，请参考文章Hadoop家族系列文章，RHadoop实践系列文章, R利剑NoSQL系列文章 之 Hive。
2.2 时间序列类型
除了R语言的内置基础数据类型，对于金融的数据处理，一般我会把它变成标准的时间序列类型的数据，R语言中基本的时间序列的类型为 zoo 和 xts类型，当然还有一些其他包提供的数据类型。关于zoo和xts的详细介绍，请参考文章 R语言时间序列基础库zoo，可扩展的时间序列xts
通过类型变换可以很方便地把的data.frame或者matrix等基础类型数据，变成xts时间序列类型的数据。时间序列类型的好处是它默认会以时间作为索引，对于量化策略来说，每条数据记录他都会有数据产生的时间，那这个时间就正好可以作为索引列的时间。
# 数据框
> df<-data.frame(A=1:6,B=rnorm(6))
# xts时间序列类型
> xdf<-xts(df,order.by=as.Date('2016-01-01')+1:6);xdf
A B
2016-01-02 1 -1.24013232
2016-01-03 2 -0.21014651
2016-01-04 3 -1.63251615
2016-01-05 4 -0.67279885
2016-01-06 5 0.01487863
2016-01-07 6 0.92012628
# 类型检查
> class(xdf)
[1] "xts" "zoo"
那么以时间作为数据的索引列的好处是，可以很方便地把数据以时间维度进行对齐。比如，你设计了一个股票交易策略和一个期货交易策略，由于股票是T+1交易，今天买了明天才能卖；而期货是T+0交易，今天买了马上就可以卖出。针对不同的市场规则，在设计交易策略时，可能就会选择不同的交易周期，那么这时两个策略的交易周期就会不一样，那么时间维度可能也不是对齐的。如果这两个策略是对冲的，那么我们就需要把它们以时间维度进行对齐，才能进行实现对策略模型对冲的准确计算。
把不同时间的维度的数据转化成同一个时间维度，相当于做时间的标准化。通过标准化的操作，让数据变成同一时间维度，数据之间才能够进行计算。
举个简单的例子，我们做股票交易，在实盘交易过程中，你可能最关心的是每秒最新的价格数据，每一秒都会产生一条数据，这是属于日内交易策略。另外，我们再做一个周期稍微长一点的策略，以日线为基础的，那么这里一条记录就是一天收盘价。对比日内策略，1秒钟一条数据和1天一条数据，它们不同维度的数据，是不能直接进行计算。
我们要处理这种不同周期维度数据的时候，就需要把数据转成同一个维度的。比如，我们对日线和周线的数据进行合并的时候，可以是把周线数据拆成日线数据，就是把一周分成五天。反过来，也可以把日线数据合并为周线数据，把5天的数据合并成一周。
所以这个时候就需要一个统一的数据格式进行标准化的数据定义，zoo和xts就是我们作为时间序列基础数据类型。这两个包是由第三方开发的，提供了很丰富的时间序列处理函数，我们可以直接使用这些函数来操作金融数据。很多其他的第三方金融算法分析包，也都是以这两个包作为基础开发。
3. R语言和金融模型
当我们掌握了R语言处理数据的方法，了解了如何使用R语言的基础数据类型和时间序列数据类型，下面我们就可以构建金融的策略模型。
金融建模跟其他行业的数据建模是类似的，只是由于行业不一样，金融行业有很多背景知识和金融市场规则需要我们了解。金融本身就是一个玩数据的行业，你可以通过获得交易数据，财务数据，上市公司的各种事件数据，基本面数据，宏观数据，舆情数据，互联网数据等，来构建你自己的交易策略。
我们需要把这些数据进行组合整理，结合你自己对业务的理解，使用R语言从数据中发现规律，并构建交易模型。用程序对历史数据进行回测，来验证规律的可靠性，是否会长期有效，并控制风险，最后把验证过的规律变成算法模型，这个就是金融策略建模的过程。
从金融交易分析的角度，可以从3个维度进行分析 基本面分析，技术面分析和消息面分析。
- 基本面:指对宏观经济、行业和公司基本情况的分析，包括公司经营理念策略、公司报表等的分析。长线投资一般用基本面分析，通过基本面可以判断是否值去交易。
- 技术面:指通过技术指标变化，判断股票走势形态，进行K线组合等，通过技术面可以判断如何进行交易。
- 消息面:指上市公司发布的利好和利空的消息，通过消息面可以判断市场的情绪。
对于量化模型，大部分都是基于技术指标的模型，通过技术指标建模，跟踪市场的表现。在不完全了解金融业务和金融市场的情况下，通过几个技术指标来监控市场的走势，发现市场的机会也是有可能的。
量化交易和主观交易并不是对立的，量化交易是对主观交易的补充，当我们以数据作为决策基础的时候，其实可以尽量减少拍脑袋过程，创建数据模型也可以给我们心里建立良好的信心。如果交易没有使用量化的方法，那就跟我们平时做事一样，你可能想到什么就是什么。没有数据基础，那完全就是感觉，这样子交易就是很容易赔钱。
对于中国很多的散户，听到一个消息就跟着风的买卖股票，或者凭自己感觉大盘该涨了就跟进去，这些操作其实都是很不理性的。如果你通过量化的方法，即使再简单，就靠几条均线来进行判断，这样也是能给自己一个数据的基础，建立信心，而不是完全拍脑袋的事儿。
量化交易模型主要是以技术指标为主，常用的技术指标有不少，虽然简单但还是很有用的。对于很多实盘上运行的量化策略，大都会基于这些基础的指标，但并不是把每个指标单独使用。而是把多个指标通过变换组合使用，比如说MACD是均线模型，大部分的趋势策略都以MACD做为基础指标，通过变换再生成新的衍生指标。
常用的技术指标还包括KDJ、Boll、RSI、CCI等，当你直接使用这些指标的时候，可能效果并不是太好。因为市场上普遍接受了这些技术指标，已经被大量使用。单纯地用一个指标，你掌握的信息并不比别人多，所以你可能抓不到市场上赚钱的机会。
我们需要把多种技术指标或者多个维度的指标进行结合，通过组合优化的方式来降低策略的不确定风险，同时提高收益率。如果你找到了一个只有你自己知道市场规律，你的策略产生的信号完全是跟别人有区别的，你抓住了别人看不到的机会，这个才是你的赚钱机会。你领先的越多，越少人知道这个规则，那你可能赚钱的机会就越多。
建立量化模型，其实和我们平时做数据分析的思考试是一样的。要把这件事做好，我们需要把IT技术，业务知识和基础学科知识做进一步的结合，当你发现这个结合是属于你自己特有一个知识体系，你才能更好的发挥你的才能。
我们为什么要用R来做这件事情？
首先，R语言本身提供了很多数学、统计的基础包，让数学计算变得非常容易。R语言提供了常用的数据结构，向量、数据框、矩阵等，把数据变成标准化的数据，你的关注点只在数据上就可以了。另外，R语言是免费开源的，很多的第三方开发者提供了丰富的数据挖掘包，让你可以方便的使用各种算法模型，短短几行代码，就可以搞定一个复杂的事情。
R语言，在金融领域提供了很多交易框架或者计算模型，如果你了解了金融的理论知识以后，同时有一定的金融市场经验，你可以很方便的利用这些别人提供的这些技术框架，来构建自己的交易模型。CRAN上发布的金融项目，你可以去 R的官方网站 (https://cran.r-project.org/)，找到Task Views 菜单里的 Finance标签。
通过调用第三方的程序包，自己的代码量就变的非常少。我们做一个R语言的策略，如果是很复杂的，你可能要写100-200行，但是如果你要实现同样复杂的策略，放到C++/Java去实现，这个策略就是没有1000-2000行是不可能实现的。在CRAN上面，简单数一下Finance标签下面列出的金融包就有141个，我相信没有哪种语言会比R语言对金融行业支持的更多了。
虽然说R语言在性能上有些问题，但是我们会有多少了交易策略是基于一种高频的模型，对性能要求极高的呢？其实很少。就算是高频交易策略，几秒钟交易一次，R语言都可能满足要求。
海量金融数据我们怎么处理呢？
我们可以把基于海量数据的计算变成离线模型，金融行业每天都会产生大量的数据，像每日产生的交易数据，中国市场每天可能都是以GB的量来增长，跟互联网比起来不是很快，但对于你程序加载10年的数据，他要GB或TB的一个量级。
R语言本身真的很难处理这种量级的数据，但是这种量级数据对于其他语言来说同样是很难处理的。我们并不需要把这种体量的数据，都加载到内存中，进行实时数据计算。变成离线的计算模型，仅用于建模回测。把海量数据能变成离线的方式，放到hadoop或spark计算，用海量数据进行模型的训练。
我们用到的实时数据，一般就是一天或几天的数据，会不很大，每天从开盘到收盘可能也就1-2GB，对于这个大小，我们完全有能力放到内存中，进行各种各样的计算。
做量化交易难点还是在于如何发现市场机会，R语言可以很好的满足数据计算，建模，分析等的所有技术的部分。利用你的擅长，找到市场的机会，然后去实盘交易赚到钱，我们就完成了整个的交易过程。
本文并没有介绍，如何用R语言真正的去实现一个交易策略，你可以通过下面的列表找到对应的文章。
2015年我在创业，希望能推动R语言在金融量化领域的发展，但是由于种种原因项目没有持续发展。接下来，我还会以个人的方式继续努力，继续推动R在金融领域的发展。R对我们的影响和改变是非常大的，我认识R是非常好的一门语言，我会把推动R的发展，当成一项事业来做。希望也能和各位业界朋友，一起努力，把这份事业做下去。
转载请注明出处：
http://blog.fens.me/r-finance/
。
