![[PukiWiki]](image/econwiki.png "[PukiWiki]")
|このページについて| ''概要'':このページでは、統計言語Rを使う上で有益なプログラムを蓄積します。主に[[SUGIYAMA Shunsuke]]が作ったプログラムを公開します。ご使用は自己責任で。 ''概要'':このページでは、統計言語Rを使う上で有益なプログラムを蓄積します。ご使用は自己責任で。 （今後、随時updateしていく予定） ''親ページ'':このページの親ページは[[R]]です。 //Topページのサイトマップの適切な位置に、このページへのリンクを貼ってください。 //出来れば、あなたの名前（ハンドルネーム歓迎）、ページをつくった日、更新履歴などをかいてください。 |目次| #contents ---- *基本統計量 [#p459e2e2] **収益率 [#y4f84dd8] xに株価系列を入れると対数階差で近似した収益率を返してくれる。 diff(log(x)) 以下でも同じ結果を返す。 #収益率 #yの増加率diff(log(y))で近似可能。 profitrate <- function(x) { z <- log(x[-1])-log(x[-length(x)]) z } **歪度 [#g5de44c9] #歪度 skew <- function(x){ z1 <- mean(z(x)^3) z1 } **尖度 [#u022aea6] #尖度 kurt <- function(x){ z2 <- mean(z(x)^4) z2 } **異常値の数 [#rd2e9957] #異常値の数（標準偏差の±2 倍、± 3 倍、± 4 倍を超えた標本数）） abnormal.number2 <- function(x){ z <- length(x[x>2*sd(x) | x< -2*sd(x)]) z } abnormal.number3 <- function(x){ z <- length(x[x>3*sd(x) | x< -3*sd(x)]) z } abnormal.number4 <- function(x){ z <- length(x[x>4*sd(x) | x< -4*sd(x)]) z } 上記を一般化すれば、以下となる。 #異常値の数（標準偏差の±k 倍を超えた標本数） abnormal.number <- function(x,k){ z <- length(x[x>k*sd(x) | x< -k*sd(x)]) z } **標本分散,標本共分散 [#w22b8751] #標本分散 sample.variance<-function(a) var(a)*(length(a)-1)/length(a) #以下でも同じ。 #sample2.variance<-function(x) mean(x^2)-(mean(x))^2 #標本共分散 sample.covariance<-function(x,y) mean(x*y)-mean(x)*mean(y) **相関係数 [#lb51a792] #相関係数 cor(x,y)という組み込み関数があるが、一応練習も兼ねて作成。 sugi.soukan<-function(x,y){ sample.covariance<-mean(x*y)-mean(x)*mean(y) #標本共分散を定義 variance1<-function(a) var(a)*(length(a)-1)/length(a) #標本分散を定義 #xの標準偏差を求める x1<-variance1(x) sdx<-sqrt(x1) #yの標準偏差を求める y1<-variance1(y) sdy<-sqrt(y1) #最後の相関係数を計算 soukan<-sample.covariance/(sdx*sdy) soukan } **基本統計量を一式まとめて求める [#adb8d57f] ###################################################### # 基本統計量 ###################################################### #xに1変量株価データ（つまりベクトル）を入れると収益率の基本統計量を返してくれるプログラム。 sugi.basic<-function(x){ x1<-diff(log(x)) #まずは対数階差をとって収益率データに変換 variance1<-function(a) var(a)*(length(a)-1)/length(a) #標本分散を定義 sdx<-sqrt(variance1(x1)) #標本標準偏差を定義 #異常値の数を返すプログラムを定義 abnormal.number <- function(p,k){ z <- length(p[p>k*sd(p) | p< -k*sd(p)]) z } T<-length(x1) R<-mean(x1) x2<-(x1-R)/sdx #x2を標準化 s<-mean(x2^3) #歪度 k<-mean(x2^4) #尖度 max<-max(x1) min<-min(x1) a2<-abnormal.number(x1,2) a3<-abnormal.number(x1,3) a4<-abnormal.number(x1,4) #ここまで計算した基本統計量をまとめて返す。 return(list ("T"=T,"R"=R,"SD"=sdx,"skew"=s,"kurt"=k,"max"=max,"min"=min,"a2"=a2,"a3"=a3,"a4" =a4)) } *Reference [#a63b2258] **書籍 [#h8a36313] -[[The R Tips―データ解析環境Rの基本技・グラフィックス活用集:http://www.amazon.co.jp/gp/product/486167039X/ref=pd_bxgy_img_b/249-0823452-2558734?ie=UTF8]] **リンク [#f4df0207] -[[Econometrics in R:http://cran.r-project.org/doc/contrib/Farnsworth-EconometricsInR.pdf]] -[[CRAN Task View: Computational Econometrics:http://cran.md.tsukuba.ac.jp/src/contrib/Views/Econometrics.html]] -[[パッケージ一覧:http://cran.md.tsukuba.ac.jp/src/contrib/PACKAGES.html]]
