R語言量化投資常用包總結
點選上圖，檢視詳情
作者：張丹，R語言中文社群專欄特邀作者，《R的極客理想》系列圖書作者，民生銀行大資料中心資料分析師，前況客創始人兼CTO。
個人部落格 http://fens.me， Alexa全球排名70k。
前言
總是被很多的人問，為什麼用R語言做量化投資，R、Python、Matlab比起來哪個更好？其實，答案很簡單，你哪個用的熟就用哪個，工具是用來提升效率的，結果才是你會得到的。認準一門語言，堅持把它做好你就會成長。
每個領域，每種程式語言都用推動它前進的人，跟上牛人的腳步，你慢慢地也會變牛。
目錄
為什麼用R語言做量化投資？
常用量化投資工具包
1. 為什麼用R語言做量化投資？
R做量化投資到底有哪些優勢呢？最主要的一點，就是R語言有很多第三方包的支援。通常程式語言的設計，都是為了解決軟體開發和程式實現的問題。但R語言在開始時，就被設計為主要解決資料的問題。量化投資就是對資料進行各種資料處理、資料分析，從而找到資料的規律。所以，有很多從事量化投資的人，把R語言用來構建量化交易的模型，進行回測，風險管理等，最後把研究成果開源並貢獻給R語言的社群，為後面的人提供了非常大的幫助。
相比Python來說也有很多的第三方包的支援，這些第三方大部分提供是Web開發，資料爬蟲，系統管理，資料庫呼叫，數學計算等，這些都是屬於通用的軟體需求，而非某個行業的資料需求。當某個Python大神，開始關注量化投資領域，並用Python實現了一套量化的程式庫，後面的人就會進入這個領域，只是沿著大神的路線走，等待下一個大神的出現。所以本質上，Python是面向程式設計的語言，而R是面向資料的語言。
R語言在量化投資領域，已經有很多年的積累，很多的演算法已經成型。從投資研究到交易分析，再到風險管理，有著完整的體系結構。我們同樣可以沿著前人走出來的路，快速學習，快速搭建出量化投資的系統來。對於有IT但背景缺乏金融知識的人來說，有很多的部分知識上手比較困難，同時看不太懂各種統計指標，對學習造成了很大的阻力。這其實是你深入到具體地某個行業後，都會面臨的問題。行業知識和數學知識才是最難的，只有突破了，你才能開啟認知新領域的方法。
R語言讓我們更接近資料，同時提供了各種數學統計的工具，又有大量由第三方貢獻的行業知識庫，所以我會選擇R語言，我會把R語言作為最好的工具，進行量化投資的分析。
2. 常用量化投資工具包
R語言在金融領域提供了很多的金融計算框架和工具，當你具備金融理論知識和市場經驗，你可以利用這些第三方提供的技術框架來構建自己的金融模型。我們可以從CRAN上找到各種的金融專案，訪問R的官方網站 (https://cran.r-project.org/)，找到Task Views 選單裡的 Finance標籤。
金融領域涉及範圍是非常廣的，包括銀行業、保險業、信託業、證券業、租賃業等。金融行業都具有指標性、壟斷性、高風險性、效益依賴性和高負債經營性的特點。量化投資是證券投資的一個很細分的專業領域，涉及到的金融工具包其實並不是太多。我們其實能把這些工具包研究好了，就可以方便地做量化的模型和交易了。
如果我們想用R構建自己的量化交易系統，你需要用到5方面的R語言工具包：資料管理、指標計算、回測交易、投資組合、風險管理。
資料管理：包括資料集抓取、儲存、讀取、時間序列、資料處理等，涉及R包有 zoo(時間序列物件), xts(時間序列處理), timeSeries(Rmetrics系時間序列物件) timeDate(Rmetrics系時間序列處理), data.table(資料處理), quantmod(資料下載和圖形視覺化), RQuantLib(QuantLib資料介面), WindR(Wind資料介面), RJDBC(資料庫訪問介面), rhadoop(Hadoop訪問介面), rhive(Hive訪問介面), rredis(Redis訪問介面), rmongodb(MongoDB訪問介面), SparkR(Spark訪問介面),fImport(Rmetrics係數據訪問介面)等。
指標計算：包括金融市場的技術指標的各種計算方法，涉及R包有 TTR(技術指標), TSA(時間序列計算), urca(單位根檢驗), fArma(Rmetrics系ARMA計算), fAsianOptions(Rmetrics系亞洲期權定價), fBasics(Rmetrics系計算工具), fCopulae(Rmetrics系財務分析), fExoticOptions(Rmetrics系期權計算), fGarch(Rmetrics系Garch模型), fNonlinear(Rmetrics系非線模型), fOptions(Rmetrics系期權定價), fRegression(Rmetrics系迴歸分析), fUnitRoots(Rmetrics系單位根檢驗) 等。
回測交易：包括金融資料建模，並驗證用歷史資料驗證模型的可靠性，涉及R包有 FinancialInstrument(金融產品), quantstrat(策略模型和回測), blotter(賬戶管理), fTrading(Rmetrics系交易分析)等。
投資組合：對多策略或多模型進行管理和優化，涉及R包有 PortfolioAnalytics(組合分析和優化), stockPortfolio(股票組合管理), fAssets(Rmetrics系組合管理)等
風險管理：對持倉進行風險指標的計算和風險提示，涉及R包有 PerformanceAnalytics(風險分析),fPortfolio(Rmetrics系組合優化), fExtremes(Rmetrics係數據處理)等。
基於上文中列出的R包，我們可以選擇使用獨立地第三方R包來構建我們的量化交易的系統，也可以選用完整的Rmetrics體系來構建量化交易的系統。這兩類R包也可以混合使用，如果在混用時，由於他們基於的時間序列的底層物件是不一樣的，那麼型別轉換的時候，可以你需要花點功夫處理一下。
上文中列出的R語言，並不是所有的R語言量化投資的R包，僅僅我關注的一些包。還有很多其他的，比如用於配對交易的包PairTrading；在Github上釋出的，我並沒有發現的R包等。
對於我自己來說，傾向於用獨立地第三方R包來做量化交易系統，會用到其中的幾個獨立的R包。這樣選擇的主要原因有2個，一是中國市場比較特別，很多規則並不完全符合世界的標準。比如，股票T+1交易就是全球唯一的。另外一點是第三方的開源包，有一些可能有錯誤，所以你不應該把程式完全依賴於第三方包，要有獨立的思考和判斷，第三方包只是給我們提供了便利性。
那麼常用的第三方R包的組合為：zoo, xts, TTR, quantmod, FinancialInstrument, quantstrat, blotter, PortfolioAnalytics, PerformanceAnalytics。這其中的任何一個包，都可以被替換或自己實現，從而保證自己量化交易系統的獨特性。引用國外量化的教材上的一張圖，國外用R來研究量化交易已經體系。
圖片摘自Introduction to Trading Systems，作者Guy Yollin。
本系列文章，稍後將對整個量化體系的金融R包進行全面的介紹，並加上我自己的理解。量化相關R包介紹的相關文章列表，持續更新中。。。
本文所有連結請點選“閱讀原文”獲取
推薦閱讀：
R的極客理想：量化投資篇
金融投資學理論
R語言資料處理
量化投資策略
三個維度
教你如何將R語言技術應用於金融市場