R练习50题 - 第九期
习题 40
40. 每天分别有多少股票是最新5个交易日中至少有4个交易日的收益率超过当天市场平均收益率？
data[, .(stkcd_ret = close/pre_close - 1, mkt_weight = capt/sum(capt), symbol), keyby = .(date)
][, .(mkt_ret = sum(stkcd_ret * mkt_weight), symbol, stkcd_ret), keyby = .(date)
][, .(rday_ret = ifelse(stkcd_ret > mkt_ret, 1, 0)), keyby = .(symbol, date)
][, {
l <- list()
for (t in 1:.N) {
l[[t+5]] <- list(r3day_ret = mean(rday_ret[t:(t+4)]), date = date[t+5])
}
rbindlist(l)
}, keyby = symbol
][r3day_ret > 0.8 & !is.na(date), .(stkcd_amount = uniqueN(symbol)), keyby = date
][1:5]
与Ex-39思路基本一致，可完全参考Ex-39，在此不作赘述。感兴趣的同学可作为上一期的复习，自己尝试编写，具体可参考R练习50题-第八期的第39题！
习题 41
41. 每个月中，个股月收益超过市场月收益1倍以上的股票有哪些？
data[, .(stkcd_ret = close/pre_close - 1, mkt_weight = capt/sum(capt), symbol), keyby = .(date)
][, .(mkt_ret = sum(mkt_weight * stkcd_ret), stkcd_ret, symbol, date_ym = str_sub(date, start = 1, end = 6)), keyby = .(date)
][, .(stkcd_m_ret = mean(stkcd_ret), date, mkt_ret), keyby = .(symbol, date_ym)
][, .(stkcd_m_ret, symbol, date, mkt_m_ret = mean(mkt_ret)), keyby = .(date_ym)
][stkcd_m_ret > 2*mkt_m_ret, .(symbol = unique(symbol)), keyby = .(date_ym)
][1:5]
此题关键在于分别计算个股月收益stkcd_m_ret和市场月收益mkt_m_ret。
line 1 计算每日个股收益率stkcd_ret和个股每日在市场中的市值权重mkt_weight。
line 2 计算出每日的市场收益率mkt_ret，并生成一个精确到某年某月的时间变量date_ym，这里用了str_sub对date前6位进行提取。
line 3 以symbol和date_ym分组计算个股月收益率stkcd_m_ret。
line 4 以date_ym分组计算市场平均月收益率mkt_m_ret。
line 5 判断语句挑选出每月收益大于市场收益1倍的股票：stkcd_m_ret > 2*mkt_m_ret。keyby = .(date_ym)标记出年月，而后用unique(symbol)对股票代码去重。
习题 42
42. 每个月中，个股月收益超过行业月收益1倍以上的股票有哪些？
data[, .(stkcd_ret = close/pre_close - 1, ind_weight = capt/sum(capt), symbol), keyby = .(industry, date)
][, .(ind_ret = sum(ind_weight * stkcd_ret), stkcd_ret, symbol, date_ym = str_sub(date, start = 1, end = 6)), keyby = .(industry, date)
][, .(stkcd_m_ret = mean(stkcd_ret), date, ind_ret, industry), keyby = .(symbol, date_ym)
][, .(stkcd_m_ret, symbol, date, ind_m_ret = mean(ind_ret)), keyby = .(date_ym, industry)
][stkcd_m_ret > 2*ind_m_ret, .(symbol = unique(symbol)), keyby = .(date_ym)
][1:5]
此题与Ex-41类似，可完全参考，此处不作赘述。感兴趣的同学可以尝试自己编写。
习题 43
43. 每个股票的收益率对市场收益率的相关系数最高的10个股票是哪些？
data[, .(stkcd_ret = close/pre_close - 1, mkt_weight = capt/sum(capt), symbol), keyby = .(date)
][, .(stkcd_ret, mkt_ret = sum(mkt_weight * stkcd_ret), symbol), keyby = .(date)
][, .(cor_coef = cor(stkcd_ret, mkt_ret)), keyby = .(symbol)
][order(-cor_coef), .SD[1:10]
][1:5]
此题关键在于分别求出每只股票和市场每天的收益率。
line 1 计算每只股票每天的收益率stkcd_ret和每天的市值加权比例mkt_weight。
line 2 计算每天的市场收益率mkt_ret。
line 3 计算股票收益率与市场收益率的相关系数cor_coef，这里需要以symbol进行分组。
line 4 按照cor_coef进行降序排列，最后挑选出前十行。
习题 44
44. 每个行业日收益率的历史波动率是多少？（用日收益率计算标准差）
data[, .(stkcd_ret = close/pre_close - 1, ind_weight = capt/sum(capt), symbol), keyby = .(industry, date)
][, .(ind_ret = sum(stkcd_ret * ind_weight)), keyby = .(industry, date)
][, .(ind_vol = sd(ind_ret)), keyby = .(industry)
][1:5]
此题关键在于计算行业日收益率。
line 1 计算个股每日收益率stkcd_ret和行业市值加权ind_weight。
line 2 计算每个行业每日收益率ind_ret。
line 3 计算行业波动率ind_vol。
习题 45
45. 各个行业的日收益率的相关系数矩阵如何？哪两个行业相关性最高、最低？
cor.coef <- data[, .(stkcd_ret = close/pre_close - 1, ind_weight = capt/sum(capt), symbol, capt), keyby = .(industry, date)
][, .(ind_ret = sum(stkcd_ret * ind_weight)), keyby = .(industry, date)
][, dcast(.SD, date ~ industry, value.var = "ind_ret")
][, cor(.SD[, -1])]
which(max(cor.coef[cor.coef != 1]) == cor.coef, arr.ind = TRUE) %>% rownames()
which(min(cor.coef) == cor.coef, arr.ind = TRUE) %>% rownames()
rm(cor.coef)
此题关键在于计算相关系数矩阵时的数据结构的变换。
line 1 和 line 2 首先按照常规计算股票每日收益率stkcd_ret和行业内各股流通市值加权ind_weight，进而计算行业每日的收益率ind_ret。
line 3 为本题的关键，这里对数据集进行reshape，用dcast从一个长的数据集变成一个宽的数据集，保留date这样一个变量，将industry变量里面的观测全部变成变量，即date ~ industry。而后在生成的这一系列变量里面填充各行业的收益率ind_ret，即value.var = "ind_ret"。
line 4 计算每个行业收益率之间的相关系数矩阵：cor(.SD[, -1])
接下来的两行就是挑选出相关性最高和最低的两个行业，因为生成的数据格式是矩阵（相关系数矩阵），我们要将其中最大的相关系数挑选出来，并且需要知道这两个行业的定位和名称，首先用判断语句max(cor.coef[cor.coef != 1]) == cor.coef挑选出最大的那个相关系数（注：需要删除相关系数为1的那些部分，因为这些是自身与自身的相关系数），而由于需要定位这两个行业，那么输出格式还需要是一个保留行名和列名的矩阵，那么需要在which这个函数中加入arr.ind = TRUE这个argument。最后用rownames返回两个行业的名称。同理可应用在相关系数最低的两个行业的选取。
习题 46
46. 各个行业的收益率对市场收益率的相关系数由高到低排列如何？
data[, .(stkcd_ret = close/pre_close - 1, symbol, ind_weight = capt/sum(capt), capt), keyby = .(industry,date)
][, .(ind_ret = sum(ind_weight*stkcd_ret), stkcd_ret, symbol, capt), keyby = .(industry, date)
][, .(ind_ret, mkt_weight = capt/sum(capt), stkcd_ret, industry), keyby = date
][, .(ind_ret, mkt_ret = sum(mkt_weight*stkcd_ret), industry), keyby = date
][, unique(.SD)
][, .(cor_coef = cor(ind_ret, mkt_ret)), keyby = .(industry)
][order(-cor_coef)
][1:5]
此题与Ex-43类似，可完全参考，此处不作赘述。感兴趣的同学可以自己编写一下。
腾讯云开发者
