[原创][R语言]股票分析实战[4]:周级别涨幅趋势的相关性

[简介]

常用网名: 猪头三

出生日期: 1981.XX.XX

QQ联系: 643439947

个人网站: 80x86汇编小站 https://www.x86asm.org

编程生涯: 2001年~至今[共22年]

职业生涯: 20年

开发语言: C/C++、80x86ASM、PHP、Perl、Objective-C、Object Pascal、C#、Python

开发工具: Visual Studio、Delphi、XCode、Eclipse、C++ Builder

技能种类: 逆向 驱动 磁盘 文件

研发领域: Windows应用软件安全/Windows系统内核安全/Windows系统磁盘数据安全/macOS应用软件安全

项目经历: 磁盘性能优化/文件系统数据恢复/文件信息采集/敏感文件监测跟踪/网络安全检测

[序言]

前面三篇文章已经从数据内部中, 挖掘出了两个重要的关系: "频率(Freq)"与"涨幅(RC)", "频率(Freq)"与"周1~周5(DW)" 都有关系. 那么如何通过图形更加容易的进一步验证关系呢?

[先把频数表转换为数据框]

为了更好地把抽象的数据转换为图表, 需要把数据转换为数据框, 这样通过数据框绘画出通俗易懂的图表. R语言提供了相应功能. 首先按照如下的代码, 做一次频数表转数据框的处理.

R 复制代码
load("stock_demo_Total.rdata") #加载R数据
stock_demo_rc_token <- stock_demo_Total[which(stock_demo_Total$RC >=5 & stock_demo_Total$RC <= 10),]
stock_demo_rc_table <- xtabs(~ RC + DW, stock_demo_rc_token)
stock_demo_rc_table_db <- data.frame(matrix(stock_demo_rc_table, nrow = nrow(stock_demo_rc_table), ncol = ncol(stock_demo_rc_table))) #频数表转数据框
colnames(stock_demo_rc_table_db) <- c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday") #修正列名称
rownames(stock_demo_rc_table_db) <- c("5%", "6%", "7%", "8%", "9%", "10%") #修正行名称

[箱线图]

这时候可以通过stock_demo_rc_table_db的数据框, 进行一次 箱线图 处理. 看看"频率(Freq)"与"周1~周5(DW)" 的规律, 代码如下:

R 复制代码
boxplot(stock_demo_rc_table_db, xlab = "Day of the Week", ylab = "Frequency")

这是很容易观察: 箱线图的走势跟我们的分析符合预期: 周3, 周4, 周5的交易比周1, 周2活跃. 为什么呢? 因为他们的上下范围都扩大了. 另外还要特别注意如下2个特点:

1> 红线: 形成反弹趋势
2> 篮圈: 站稳底部形成支撑

[柱状图]

我们再另外打印一个柱状图, 看看"频率(Freq)"与"涨幅(RC)"的规律, 代码如下:

R 复制代码
barplot(as.matrix.data.frame(stock_demo_rc_table_db), beside = TRUE, legend.text = rownames(stock_demo_rc_table_db), args.legend = list(title = "Stock Rise", ncol = 6, x=16, y=max(as.matrix.data.frame(stock_demo_rc_table_db))+2), main = "Frequency of Stock Rises by Day of the Week", xlab = "Day of the Week", ylab = "Frequency")

还是很容易观察: 柱状图的走势也是符合预期: 形成了一个反弹趋势, 注意图上的红线标注.

[结尾]

通过箱线图, 柱状图的观察, 如果大家喜欢玩超短线的话, 那么可以得出一个经验之谈, 最好是星期3介入抄底, 然后等待星期4, 星期5暴涨. 那么事实是不是那么简单呢? 一个暴涨的股票, 肯定还有其他很多因素决定, 所以还需要做大量的额外分析, 后期敬请期待...

相关推荐
宅小海25 分钟前
scala String
大数据·开发语言·scala
小白的白是白痴的白26 分钟前
11.17 Scala练习:梦想清单管理
大数据
java1234_小锋42 分钟前
Elasticsearch是如何实现Master选举的?
大数据·elasticsearch·搜索引擎
生信摆渡3 小时前
R语言-快速对多个变量取交集
开发语言·数据库·r语言
biomooc4 小时前
R语言/Rstudio 报错
开发语言·r语言
Java 第一深情5 小时前
零基础入门Flink,掌握基本使用方法
大数据·flink·实时计算
MXsoft6185 小时前
华为服务器(iBMC)硬件监控指标解读
大数据·运维·数据库
PersistJiao6 小时前
Spark 分布式计算中网络传输和序列化的关系(二)
大数据·网络·spark·序列化·分布式计算
九河云6 小时前
如何对AWS进行节省
大数据·云计算·aws
FreeIPCC6 小时前
谈一下开源生态对 AI人工智能大模型的促进作用
大数据·人工智能·机器人·开源