作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R/Python），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等。知乎专栏：R语言数据挖掘 邮箱：huang.tian-yuan@qq.com.欢迎合作交流。
前文：
HopeR：R语言金融基础：tidyquant获取数据（标普500与纳斯达克）
HopeR：R语言金融基础：tidyquant获取数据（股票每日行情）
HopeR：R语言金融基础：tidyquant获取数据（宏观经济数据）
HopeR：R语言金融基础：tidyquant数据整理（日行情转月行情、MACD的使用）
之前模拟风控模型的时候，曾经想要做滑动窗口模型。因为当时我相信一个前提假设（现在也相信着）：随着时间的变化，每个变量的重要程度也会改变，而它们的组合关系的重要程度也会改变，符合的模型也会变化，模型参数最优值也会变化。时间窗口的确定，需要不断地尝试。模型哪些比较好，是否需要集成模型（发现有人把基于树的叫做集成模型，那好吧...但是集成本身的概念是多模型融合决策吧...），哪些变量应该放在一起做特征工程，这些事变化过程真的是太多了，这使得水越来越深。在科学研究中，往往称之为复杂性问题，也就是很难找到一个放之四海而皆准的规则（如果有，数据挖掘工程师或将失业）。
不过再复杂的东西，都是由简单的要素构成的。越是想要追求精准，就越是要忠实于基本的东西。因此就时间变动的特征，这里使用tidyquant进行滑动窗口建模。下面先举例说明，首先用之前介绍过的tq_get来下载股票信息。下面的FB代表Facebook的股票信息，包括2016年的每日行情（OHLC）。与此同时，我们还会下载XLK数据，它是Technology Select Sector SPDR® ETF的简称，中文译作高科技指数。要理解它，先要知道ETF是什么：
Exploring How Exchange-Traded Fund – ETFs Work
类似于指数基金的一篮子股票组合，那么XLK则是针对科技股的股票组合，最后构成一个指数基金（如果说得不够准确，请猛烈抨击指正）。下面，我们要根据Facebook和XLK的行情，判断两者之间是否存在线性关系。先下载数据：
library(tidyquant)
fb_returns <- tq_get("FB", get = "stock.prices", from = "2016-01-01", to = "2016-12-31") %>%
tq_transmute(select = adjusted,
mutate_fun = periodReturn,
period = "weekly",
col_rename = "fb.returns")
xlk_returns <- tq_get("XLK", from = "2016-01-01", to = "2016-12-31") %>%
tq_transmute(select = adjusted,
mutate_fun = periodReturn,
period = "weekly",
col_rename = "xlk.returns")这里在下载的同时，我们直接用tq_transmute对得到的tibble进行修饰，具体来说就是把矫正的收盘价转化为周的数据，并重新命名。看看数据是什么样子的：
fb_returns
# A tibble: 52 x 2
date fb.returns
<date> <dbl>
1 2016-01-08 -0.0478
2 2016-01-15 -0.0242
3 2016-01-22 0.0313
4 2016-01-29 0.146
5 2016-02-05 -0.0725
6 2016-02-12 -0.0198
7 2016-02-19 0.0251
8 2016-02-26 0.0320
9 2016-03-04 0.00436
10 2016-03-11 0.00941
# ... with 42 more rows
xlk_returns
# A tibble: 52 x 2
date xlk.returns
<date> <dbl>
1 2016-01-08 -0.0516
2 2016-01-15 -0.0187
3 2016-01-22 0.0264
4 2016-01-29 0.0213
5 2016-02-05 -0.0422
6 2016-02-12 -0.00582
7 2016-02-19 0.0354
8 2016-02-26 0.0148
9 2016-03-04 0.0281
10 2016-03-11 0.0106
# ... with 42 more rows都是一列日期，一列周均矫正收盘价。下面把两个数据框合在一起：
returns_combined <- left_join(fb_returns, xlk_returns, by = "date")
returns_combined
# A tibble: 52 x 3
date fb.returns xlk.returns
<date> <dbl> <dbl>
1 2016-01-08 -0.0478 -0.0516
2 2016-01-15 -0.0242 -0.0187
3 2016-01-22 0.0313 0.0264
4 2016-01-29 0.146 0.0213
5 2016-02-05 -0.0725 -0.0422
6 2016-02-12 -0.0198 -0.00582
7 2016-02-19 0.0251 0.0354
8 2016-02-26 0.0320 0.0148
9 2016-03-04 0.00436 0.0281
10 2016-03-11 0.00941 0.0106
# ... with 42 more rows其实用cbind或者bind_columns也是一样的，因为日期的排布是一样的。下面我们来构造模型函数，这里用的是线性回归模型：
regr_fun <- function(data) {
coef(lm(fb.returns ~ xlk.returns, data = data))
}只用了一元线性回归，因此这个函数接收一个数据框，返回值包括两个，一个是截距，一个是回归系数。这里是最需要注意的地方，如果想用其他模型，返回其他的值，那么都是在这个函数中进行设置。
下面我们进行滑窗建模：
returns_combined %>%
tq_mutate(mutate_fun = rollapply,
width = 12,
FUN = regr_fun,
by.column = FALSE,
col_rename = c("coef.0", "coef.1"))讲讲上面干了什么：首先我们用了rollapply函数，设置窗口大小为12周（width = 12）。此外，在滑动建模的时候，采用我们之前设置好的线性模型（FUN = regr_fun），返回值是两个值，因此我们对其进行重新命名（col_rename = c("coef.0", "coef.1"))）。至于by.column这个参数，是询问是否对每一列都进行这个操作，是rollapply中的一个参数，这里我们显然不需要，因此设置为FALSE。不过这是看不到结果的，前10行应该都是NA，因此我们换个方法来看结果：
returns_combined %>%
tq_mutate(mutate_fun = rollapply,
width = 12,
FUN = regr_fun,
by.column = FALSE,
col_rename = c("coef.0", "coef.1")) %>%
print(n = 20)
# A tibble: 52 x 5
date fb.returns xlk.returns coef.0 coef.1
<date> <dbl> <dbl> <dbl> <dbl>
1 2016-01-08 -0.0478 -0.0516 NA NA
2 2016-01-15 -0.0242 -0.0187 NA NA
3 2016-01-22 0.0313 0.0264 NA NA
4 2016-01-29 0.146 0.0213 NA NA
5 2016-02-05 -0.0725 -0.0422 NA NA
6 2016-02-12 -0.0198 -0.00582 NA NA
7 2016-02-19 0.0251 0.0354 NA NA
8 2016-02-26 0.0320 0.0148 NA NA
9 2016-03-04 0.00436 0.0281 NA NA
10 2016-03-11 0.00941 0.0106 NA NA
11 2016-03-18 0.0186 0.0219 NA NA
12 2016-03-24 0.0144 0.000688 0.00514 1.34
13 2016-04-01 0.0266 0.0248 0.00143 1.48
14 2016-04-08 -0.0468 -0.0181 -0.00167 1.60
15 2016-04-15 -0.00895 0.0103 -0.00307 1.62
16 2016-04-22 0.00839 -0.0203 -0.00632 1.11
17 2016-04-29 0.0635 -0.0302 0.00972 0.142
18 2016-05-06 0.0162 0.00285 0.0132 0.0601
19 2016-05-13 0.00268 -0.000947 0.0117 -0.00853
20 2016-05-20 -0.0205 0.0123 0.00783 -0.145
# ... with 32 more rows要求显示20行，我们发现，数据从第12周开始有。也就是说，自第12周开始，每次用包含当前周在内的前12周的数据构建回归模型，计算得到的模型参数附加在后面。
我们发现，在使用tq_mutate系列的时候，一般是使用select来告诉计算机我们要对那一列进行函数的处理。但是有两个参数的时候怎么办？可以考虑使用下面的函数：
FANG %>%
group_by(symbol) %>%
tq_mutate_xy(x = close, y = volume,
mutate_fun = EVWMA, col_rename = "EVWMA")
# A tibble: 4,032 x 9
# Groups: symbol [4]
symbol date open high low close volume adjusted EVWMA
<chr> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 FB 2013-01-02 27.4 28.2 27.4 28 69846400 28 NA
2 FB 2013-01-03 27.9 28.5 27.6 27.8 63140600 27.8 NA
3 FB 2013-01-04 28.0 28.9 27.8 28.8 72715400 28.8 NA
4 FB 2013-01-07 28.7 29.8 28.6 29.4 83781800 29.4 NA
5 FB 2013-01-08 29.5 29.6 28.9 29.1 45871300 29.1 NA
6 FB 2013-01-09 29.7 30.6 29.5 30.6 104787700 30.6 NA
7 FB 2013-01-10 30.6 31.5 30.3 31.3 95316400 31.3 NA
8 FB 2013-01-11 31.3 32.0 31.1 31.7 89598000 31.7 NA
9 FB 2013-01-14 32.1 32.2 30.6 31.0 98892800 31.0 NA
10 FB 2013-01-15 30.6 31.7 29.9 30.1 173242600 30.1 30.1
# ... with 4,022 more rowsEVWMA这个函数接受两个参数，它会把x和y作为这个函数的前两个参数，然后进行计算，最后得到的结果保存在EVWMA列中。
简单介绍一下EVWMA：Elastic Volume Weighted Moving Average，弹性成交量加权移动平均线指标。介绍见：
eVWMA - Elastic Volume Weighted Moving Average
它是每股价格的逼近，而R中这个函数默认的时间窗口为10。
原文作者：；如有侵权，请联系管理员删除。
