《金融数据分析导论：基于R语言》是芝加哥大学的教授Ruey S.Tsay所著，李洪成、尚秀芬、郝瑞丽翻译，机械工业出版社出版，是一本学习R语言和金融数据分析的很好的参考书籍。
** 注：这些答案都是本人自己做出的结果，可能有错，仅供参考，发现有错的地方欢迎大家指出。 **
** **
** 第一章 **
首先，将数据包放在当前工作目录下
library(fBasics)
da = read.table("d-axp3dx-0111.txt",header=T) % 读出数据
head(da) % 显示数据的前 6 行，可以观察数据格式
mmm = da[,2:5] % 取出简单收益率的数据，即把日期去掉
basicStats(mmm)
对 mmm 中的数据做基础分析，就可得到各列简单收益率序列的样本均值 (Mean) 、标准差 (Stdev) 、偏度 (Skewness) 、超额峰度 (Kurtosis) 、最大值 (Maximum) 、最小值 (Minimum)
rs = log(mmm+1) % 根据简单收益率求出对数收益率，公式为 r=In(R+1)
basicStats(rs) % 基础分析求出一系列统计值
ss = rs[,1]% 取出 AXP 股票的对数收益率
t.test(ss)
p 值大于 0.05 ，接受原假设，即 AXP 对数收益率的均值为 0
首先，将数据包放在当前工作目录下
library(fBasics)
da = read.table("m-ge3dx-4011.txt",header=T) % 读出数据
head(da) % 显示数据的前 6 行，可以观察数据格式
mmm = da[,2:5] % 取出简单收益率的数据，即把日期去掉
basicStats(mmm)
提示错误如下：
经检查发现在数据的第 58 行（不包括标题） 19441031 的 sp 数据为 ”.” （非数值数据），因此系统报错。通过上网查阅资料，只查到如何删除含有 ”NA” 的行数据： na.omit(mmm) 或 mmm[complete.cases(mmm), ] [1] ，所以手工删除第 58 行：
mmm = mmm[-58,]%x = x[-m,] 表示删除 x 矩阵中的第 m 行
然而删除了还是报同样的错误，于是我手工去 txt 文件里删除了第 58 行，就 ok 了，不知道程序怎么改才可以 = =
然后继续
对 mmm 中的数据做基础分析，就可得到各列简单收益率序列的样本均值 (Mean) 、标准差 (Stdev) 、偏度 (Skewness) 、超额峰度 (Kurtosis) 、最大值 (Maximum) 、最小值 (Minimum)
rs = log(mmm+1) % 根据简单收益率求出对数收益率，公式为 r=In(R+1)
basicStats(rs) % 基础分析求出一系列统计值
ss = rs[,1]% 取出 AXP 股票的对数收益率
t.test(ss)
p 值小于 0.05 ，拒绝原假设，即 AXP 对数收益率的均值不为 0
首先，将数据包放在当前工作目录下
library(fBasics)
da = read.table("m-ge3dx-4011.txt",header=T) % 读出数据
head(da) % 显示数据的前 6 行，可以观察数据格式
mmm = da[,5] % 取出 S&P 月收益率的数据
t.test(mmm) % 做 t 检验
因为 p 值为 2.436e-05<0.05 ，拒绝原假设，即 S&P 综合指数的月股票收益率均值不为 0.
s3 = skewness(mmm)
T = length(mmm)
t3= s3/sqrt(6/T)
t3
t3 为 -7.057059 ，绝对值大于1.96 ，故拒绝原假设，即 S&P 综合指数的月股票收益率偏度不为 0.
s4 = kurtosis(mmm) % 计算出超额峰度
t4 = s4/sqrt(24/T)
t4
t4>1.96 ，故拒绝原假设，即 S&P 综合指数的月股票收益率的峰度不为 3.
首先，将数据包放在当前工作目录下
library(fBasics)
da = read.table("d-axp3dx-0111.txt",header=T) % 读出数据
head(da) % 显示数据的前 6 行，可以观察数据格式
mmm = da[,2] % 取出第 2 列 axp 的日简单收益率的数据
rs = log(mmm+1) % 求出对数收益率
s3 = skewness(rs)
T = length(rs)
t3= s3/sqrt(6/T)
t3
t3 的绝对值小于 1.96 ，故接受原假设，即 axp 日对数收益率的偏度度量等于 0.
s4 = kurtosis(rs) % 计算出超额峰度
t4 = s4/sqrt(24/T)
t4
t4>1.96 ，故拒绝原假设，即 axp 日对数收益率的月股票收益率的超额峰度不为 0.
首先，将数据包放在当前工作目录下
library(fBasics)
da = read.table("d-fx-ukus-0711.txt",header=T) % 读出英镑对美元汇率数据
head(da) % 显示数据的前 6 行，可以观察数据格式
发现最后一列是英镑对美元的汇率，取出最后一列数
mmm = da[,4]
将其转换为美元兑英镑的汇率
mmm = 1/mmm
根据每天的汇率值求出每天的日对数收益率，rt = In(pt/p(t-1)) ，rt 是第 t 期的日对数收益率，pt 是第 t 期的汇率值，设第 1 期r1 = In(pt/p(t-1)) = In1 = 0 ，循环计算从第 2 期到第 length(mmm) 期的日对数收益率。
r1 = 1:length(mmm) % 定义一个数组表示日对数收益率
r1[1] = 0 % 设定第 1 天的日对数收益率为 0
for (i in 2:length(r1)) {
r1[i]=log(mmm[i]/mmm[i-1])
}
r1 即为美元对英镑的汇率从 20070102-20111130 的日对数收益率。
同样的办法求出美元对日元的汇率从 20070102-20111130 的日对数收益率。
da = read.table("d-fx-usjp-0711.txt",header=T)
head(da)
r2= 1:length(mmm)
r2[1] = 0
for (i in 2:length(r2)) {
r2[i]=log(mmm[i]/mmm[i-1])
}
r2 即为美元对日元的汇率从 20070102-20111130 的日对数收益率。
对 r1 和 r2 分别作基础分析，即可得到它们的样本均值 (Mean) 、标准差 (Stdev) 、偏度 (Skewness) 、超额峰度 (Kurtosis) 、最大值 (Maximum) 和最小值 (Minimum) 。
对于数据集 r2 ，求其密度分布的公式是 d = density(r2) ，画图函数为 plot(d$x, d$y, xlab=’log- return’, ylab=’density’, type=’l’)( 这两个公式见书中第 35 页的代码 )
d = density(r2)
plot(d$x,d$y,xlab='log-return',ylab='density',type='l')
得到密度图如下：
假设检验（ t 检验）：
t.test(r2)
p 值大于 0.05 ，接受原假设，即美元 / 日元汇率的日对数收益率的均值为 0.
[1] 人大经济论坛 http://bbs.pinggu.org/thread-2331183-1-1.html
吐槽： R 的矩阵定义好复杂啊
