首先,把你从服务端返回的数据截取出来,这个可能需要你跟踪一下代码,或者在错误日志中抛出来。 把截取到的数据用jsonformater检测一下。
OPTION EXPLICIT。
Dim FolderPath。
FolderPath = "C:\Users\Administrator\Desktop\新建文件夹(4)"。
Sub GetFolderCollection(path)。
Dim objFSO,objGetFolder,objSubFolders,f。
Dim FolderName。
Set objFSO = CreateObject("Scripting.FileSystemObject")。
Set objGetFolder = objFSO.GetFolder(path)。
Set objSubFolders = objGetFolder.SubFolders。
For Each f in objSubFolders。
FolderName = GetSymbolStr(f.name)。
GetFileCollection path,FolderName,f。
Next
Set objFSO = Nothing : Set objGetFolder = Nothing。
Set objSubFolders = Nothing。
End Sub
GetFolderCollection FolderPath。
Function GetSymbolStr(name)。
Dim StrNum,Str。
StrNum = InStr(1,name,"]",1)。
Str = Left(name,StrNum)。
GetSymbolStr = Str。
End Function
Function GetFileCollection(path,FolderName,FolderPath)。
Dim objFSO,objGetFolder,objFiles,f。
Dim FileName,objShell。
Set objFSO = CreateObject("Scripting.FileSystemObject")。
Set objGetFolder = objFSO.GetFolder(path)。
Set objFiles = objGetFolder.Files。
For Each f in objFiles。
If objFSO.FileExists(f) Then。
FileName = GetSymbolStr(f.name)。
If FileName = FolderName Then。
Set objShell = CreateObject("Wscript.Shell")。
objShell.Run "cmd /c move " & f & " " & FolderPath。
End If
End If
Next
Set objFSO = Nothing : Set objGetFolder = Nothing。
Set objFiles = Nothing : Set objShell = Nothing。
End Function
Msgbox "Okk!!!"。
Wscript.quit
修改代码中FolderPath变量的文件地址为您这个处理的文件夹地址。
最后保存为ANSI编码格式的.vbs脚本运行即可。
如遇没有权限,请设置您这个文件夹的访问权限即可!
Fama 和French 1993年指出可以建立一个三因子模型来解释股票回报率。模型认为,一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释,这三个因子是:市场资产组合(Rm− Rf)、市值因子(SMB)、账面市值比因子(HML)。这个多因子均衡定价模型可以表示为:
E(Rit) − Rft= βi[E(Rmt− Rft] + siE(SMBt) + hiE(HMIt)。
其中Rft表示时间t的无风险收益率;Rmt表示时间t的市场收益率;Rit表示资产i在时间t的收益率;E(Rmt) − Rft是市场风险溢价,SMBt为时间t的市值(Size)因子的模拟组合收益率(Small minus Big),HMIt为时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)。
β、si和hi分别是三个因子的系数,回归模型表示如下:
Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit。
但是,我们应该看到,三因子模型并不代表资本定价模型的完结,在最近的研究发现,三因子模型中还有很多未被解释的部分,如短期反转、中期动量、波动、偏度、赌博等因素。
1.TSA, 用于时间序列分析。
2.xts,时间序列,链接CRAN - Package xts。
3.RQuantLib, 链接CRAN - Package RQuantLib,主要是Option pricing和Fixed Income相关计算。
4.quantmod,通过getSymbols函数从网页数据库比如yahoo,google,oanda获得数据,且很容易做出技术图表,蜡烛图,macd都有现成的函数,官网链接quantmod: Quantitative Financial Modelling Framework,另一个中文的小说明R中的金融分析包quantmod学习笔记。
5.HMM,lattice,库名已经表示这些库是干啥的了,参考链接Fun with R and HMM’s。当然其他语言也都有HMM模型的现成工具,各种实现隐马尔可夫模型(HMM)的平台汇总。
6.mcluster,聚类
7.ggplot2,和数量金融是没啥必然联系,但作图总是要的。
技术指标虽然没什么预测的能力,但技术指标可以告诉我们已经发生的事情,所以有时候需要绘制蜡烛图,可能还需要添加一些自定义的指标。R语言中的quantmod包是一个非常强悍的金融计算包,它可以帮助股票分析人员进行定量化交易的研发、测试和部署。有兴趣的同学可以参见它的官方网站。
,不过作者似乎很长时间没有更新了。另外,邓一硕在其博客中也对quantmod包作了很完整的总结。
,除了关键的交易系统建模部分。
#首先加载必要的扩展包library(quantmod)library(e1071)#读取2010年到2012年间的上证指数getSymbols('^SSEC',。
skew.ind <-function(quotes,。
n.days=20){diff<- Cl(quotes)-Op(quotes)r <-matrix(NA,。
ncol=n.days,