R语言股市可视化相关矩阵：最小生成树|附代码数据-526互联

原文链接：http://tecdat.cn/?p=17835

最近我们被客户要求撰写关于股市可视化的研究报告，包括一些图形和统计输出。

本文在股市可视化中可视化相关矩阵：最小生成树

在本文示例中，我将使用日数据和1分钟数据来可视化股票数据。

我发现以下概念定义非常有用：

连通图：在无向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该无向图为连通图。
强连通图：在有向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该有向图为强连通图。
连通网：在连通图中，若图的边具有一定的意义，每一条边都对应着一个数，称为权；权代表着连接连个顶点的代价，称这种连通图叫做连通网。
生成树：一个连通图的生成树是指一个连通子图，它含有图中全部n个顶点，但只有足以构成一棵树的n-1条边。一颗有n个顶点的生成树有且仅有n-1条边，如果生成树中再添加一条边，则必定成环。
最小生成树：在连通网的所有生成树中，所有边的代价和最小的生成树，称为最小生成树。

#*****************************************************************
# 加载历史数据
#*****************************************************************




getSymbols(tickers, src = 'yahoo', from = '1970-01-01', env = data, auto.assign = 

for(i in ls(data)) data[[i]] = adjustOHLC(data[[i]


# 删除历史数据很少的样本
remove.min.history(data)

# 显示已删除的
print(setdiff(tickers,names(data$prices)))

#*****************************************************************
# 可视化关联矩阵
#*****************************************************************
prices = data$prices

ret = diff(log(prices))
	ret = last(ret, 252)

plt(ret, 0.5)

点击标题查阅往期内容

【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合

左右滑动查看更多

接下来，让我们获取1分钟的收盘价数据，并基于最近5天可视化相关性：

#*****************************************************************
# 加载历史数据
#*****************************************************************


if(!file.exists(filename)) {


		data1[[ticker]] = getSymbol.intraday.google(ticker,






#*****************************************************************
# 可视化关联矩阵
#*****************************************************************
  

print(join(c(


,format(range(index(ret)), '%d-%b-%Y %H-%M')), ' '))

plot.cor(ret, 0.5)

辅助函数：

#*****************************************************************
#函数创建相关矩阵
#*****************************************************************
clncor = function(ret, threshold = 0.5) {
  cor(coredata(ret), use='complete.obs',method='pearson')
	
	cor_mat[ abs(cor_mat) < threshold] = 0



#*****************************************************************
# 绘制最小生成树
#*****************************************************************
plco = function(ho = 0.5) {
	cor_mat = clean.cor(ret, threshold