R Извлечение максимума и минимума на основе дат покупки и продажи портфеля акций
Мне дали файл CSV, который содержит 50 различных биржевых символов, которые хедж-фонд купил и продал в октябре месяце. Я должен проверить, чтобы убедиться, что цена покупки была между максимумом и минимумом в определенные дни покупки и продажи.
Вот форматированный CSV:
head(hilo)
# A tibble: 6 x 9
Symbol `Date of Purchase` `Date of Sale` `Purchase price` `Sale Price` open high low close
<chr> <date> <date> <dbl> <dbl> <chr> <chr> <chr> <chr>
1 PCH 2018-10-02 2018-10-03 40.2 38.4 NA NA NA NA
2 NBHC 2018-10-03 2018-10-11 37.8 36.2 NA NA NA NA
3 STWD 2018-10-08 2018-10-10 21.3 21.0 NA NA NA NA
4 RWT 2018-10-08 2018-10-11 16.1 16 NA NA NA NA
5 NVEE 2018-10-08 2018-10-10 84.3 83.0 NA NA NA NA
6 PRIM 2018-10-08 2018-10-10 23.5 23.1 NA NA NA NA
Затем я собираю символы с помощью getSymbols(), форматирую их в список и собираю столбцы high и low.
dataEnv <- new.env()
#Get symbol data from Yahoo!
getSymbols(hilo$Symbol, from = min(hilo$`Date of Purchase`, na.rm = TRUE), to = max(hilo$`Date of Sale`, na.rm = TRUE), env = dataEnv)
slist <- as.list(dataEnv)
Yhilo <- xts()
for (i in 1:length(slist)) {
Yhilo <- cbind(Yhilo, slist[[i]][,2:3])
}
head(Yhilo)
CEQP.High CEQP.Low TCP.High TCP.Low CRC.High CRC.Low WPC.High WPC.Low IRTC.High IRTC.Low RWT.High RWT.Low STWD.High STWD.Low NVEE.High NVEE.Low TILE.High TILE.Low
2018-10-01 02:00:00 37.69 36.80 31.17 30.30 49.040 47.850 64.35 63.46 95.50 92.300 16.31 16.08 21.54 21.33 87.300 84.000 23.50 22.28
2018-10-02 02:00:00 37.57 36.80 31.69 30.63 49.417 47.530 64.19 63.26 93.25 91.595 16.29 16.10 21.48 21.30 84.900 83.000 22.47 22.14
2018-10-03 02:00:00 37.47 36.88 31.10 30.49 50.340 48.380 64.15 62.80 92.33 90.212 16.38 16.26 21.56 21.30 83.790 82.620 22.54 22.05
2018-10-04 02:00:00 38.38 37.45 31.23 30.30 50.050 47.660 63.07 62.12 92.72 86.530 16.31 16.14 21.36 21.10 85.600 82.615 22.47 22.06
2018-10-05 02:00:00 38.36 37.61 31.16 30.42 48.368 44.627 63.77 62.90 88.34 83.790 16.22 16.04 21.34 21.03 84.518 82.460 22.54 22.06
2018-10-08 02:00:00 38.20 37.37 31.10 30.57 45.760 44.020 64.21 62.98 85.79 81.739 16.16 16.02 21.30 21.00 84.340 82.399 22.24 21.96
AEE.High AEE.Low AAWW.High AAWW.Low ABG.High ABG.Low TREX.High TREX.Low MNK.High MNK.Low ORBK.High ORBK.Low AHL.High AHL.Low AAON.High AAON.Low HURN.High HURN.Low
2018-10-01 02:00:00 63.42 62.70 64.47 61.73 69.78 67.90 77.50 73.72 29.90 29.12 59.92 59.00 41.92 41.65 38.10 36.37 49.64 48.74
2018-10-02 02:00:00 64.47 63.47 62.59 61.83 68.47 66.93 75.50 73.78 30.06 28.89 60.00 58.99 41.86 41.73 36.67 35.35 49.22 48.59
2018-10-03 02:00:00 64.66 63.08 63.23 61.92 67.05 65.70 75.10 73.79 31.41 29.93 60.35 59.31 42.02 41.82 36.06 35.37 49.48 48.35
2018-10-04 02:00:00 64.08 62.87 63.38 61.94 65.71 64.18 74.28 71.90 29.88 25.39 59.76 58.75 41.96 41.80 35.72 34.83 48.69 48.05
2018-10-05 02:00:00 65.29 63.94 61.08 59.44 64.55 62.47 73.42 69.80 27.25 25.12 59.87 58.60 42.16 41.75 35.03 34.01 49.38 48.17
2018-10-08 02:00:00 66.36 65.07 59.84 58.42 63.83 62.46 72.26 70.47 26.45 25.38 59.20 58.45 41.86 41.73 35.14 33.85 50.42 48.58
ATHN.High ATHN.Low AGIO.High AGIO.Low LBTYA.High LBTYA.Low AVYA.High AVYA.Low NBHC.High NBHC.Low OUT.High OUT.Low QUAD.High QUAD.Low GTT.High GTT.Low BKD.High
2018-10-01 02:00:00 133.80 126.18 79.17 76.30 29.48 28.02 22.358 21.66 37.80 37.10 20.07 19.82 21.08 20.17 43.96 42.69 9.98
2018-10-02 02:00:00 128.99 125.65 76.65 73.44 28.42 27.95 21.890 21.45 37.35 36.57 20.11 19.83 20.40 19.34 44.64 42.86 9.73
2018-10-03 02:00:00 127.67 125.27 74.28 70.54 28.56 27.22 22.030 21.60 37.83 36.54 20.08 19.44 20.14 19.20 46.22 44.06 9.56
2018-10-04 02:00:00 125.99 122.02 74.00 70.25 27.48 26.78 21.895 21.42 38.22 37.25 19.48 19.17 20.01 19.02 44.87 43.29 9.41
2018-10-05 02:00:00 126.72 121.95 72.05 67.96 27.19 26.23 21.980 21.27 37.88 36.92 19.56 19.29 19.21 18.50 45.92 42.27 9.21
2018-10-08 02:00:00 126.32 124.01 69.18 66.24 27.24 26.46 21.790 20.74 37.57 36.92 19.49 19.25 19.49 18.81 43.37 41.45 9.30
BKD.Low ATU.High ATU.Low CAKE.High CAKE.Low PCH.High PCH.Low MXL.High MXL.Low CATM.High CATM.Low RBA.High RBA.Low CNC.High CNC.Low CRUS.High CRUS.Low SMTC.High
2018-10-01 02:00:00 9.62 28.48 27.68 53.68 52.36 41.38 39.95 20.20 19.89 32.52 31.47 36.46 35.86 146.41 144.87 38.77 37.81 56.39
2018-10-02 02:00:00 9.35 28.11 27.66 53.19 51.99 40.39 39.33 20.20 19.75 31.94 31.20 36.59 36.10 145.95 144.16 38.44 37.80 55.77
2018-10-03 02:00:00 9.19 28.03 27.71 52.66 51.63 40.20 38.08 19.99 19.35 32.52 30.96 36.48 36.04 145.37 144.29 38.02 37.18 54.82
2018-10-04 02:00:00 9.05 28.10 27.61 52.02 51.20 38.81 37.84 19.79 19.08 32.04 31.43 36.57 36.11 145.90 142.65 38.03 37.35 54.66
2018-10-05 02:00:00 8.70 27.97 27.29 52.56 51.55 38.91 38.38 19.09 17.89 32.74 31.22 36.67 36.10 144.45 142.66 37.70 35.71 54.45
2018-10-08 02:00:00 8.96 27.55 27.20 52.32 51.35 39.34 38.44 17.79 17.15 33.22 32.11 36.77 36.05 144.33 141.05 36.60 35.38 52.39
SMTC.Low AGNC.High AGNC.Low DDD.High DDD.Low NUE.High NUE.Low ATGE.High ATGE.Low ANDE.High ANDE.Low TECH.High TECH.Low PCTY.High PCTY.Low WY.High WY.Low CNK.High
2018-10-01 02:00:00 54.52 18.68 18.48 19.13 17.93 64.83 63.42 48.68 47.77 38.26 37.04 205.74 202.75 81.300 78.730 32.37 31.83 40.46
2018-10-02 02:00:00 54.35 18.74 18.58 18.13 17.16 65.42 64.08 48.33 46.25 37.35 36.66 203.51 200.33 78.830 75.860 32.14 31.56 39.63
2018-10-03 02:00:00 53.80 18.76 18.42 18.51 17.65 65.63 65.04 46.94 46.17 37.70 36.53 204.29 199.34 77.720 75.700 31.93 30.65 39.53
2018-10-04 02:00:00 53.40 18.44 18.22 18.51 17.51 66.03 64.56 46.86 45.26 37.31 36.72 199.20 192.76 77.049 72.871 30.86 30.20 39.46
2018-10-05 02:00:00 51.71 18.34 18.09 19.19 17.72 65.05 63.54 46.17 44.95 37.14 36.34 195.24 190.62 74.200 70.410 30.79 30.18 39.83
2018-10-08 02:00:00 50.91 18.30 18.08 18.03 17.19 64.80 63.77 46.37 45.21 37.59 36.66 192.37 187.11 72.140 67.990 30.96 30.26 40.36
CNK.Low PRIM.High PRIM.Low JCOM.High JCOM.Low LOGM.High LOGM.Low ALRM.High ALRM.Low HUN.High HUN.Low
2018-10-01 02:00:00 39.45 25.20 24.23 83.25 81.52 92.89 87.34 60.200 56.67 27.41 26.73
2018-10-02 02:00:00 38.60 24.51 23.98 81.59 78.97 88.69 86.76 56.910 53.79 27.48 26.74
2018-10-03 02:00:00 38.80 24.42 24.08 80.38 79.06 88.44 86.79 56.430 54.55 27.77 26.82
2018-10-04 02:00:00 38.74 24.29 23.66 78.97 77.46 86.78 85.14 56.000 54.84 27.45 26.88
2018-10-05 02:00:00 39.17 23.87 23.26 78.31 76.82 87.45 82.60 53.790 49.27 27.10 25.82
2018-10-08 02:00:00 39.17 23.61 23.05 77.27 75.49 84.09 81.57 51.485 47.93 26.16 25.65
У меня возникают проблемы с выяснением того, как извлечь максимум и минимум из этого набора данных на дату покупки и продажи для соответствующего символа в hilo.
1 ответ
Решение
Ниже приведен код, который вернет то, что вам нужно. Я использую QuantMod, PURRR и DPLYR в качестве пакетов. Обратите внимание на использование pmap с getSymbols чтобы получить данные. При использовании getSymbols для каждого тикера вы получите одинаковое количество строк. Для большинства запросов это излишне, поскольку период ожидания в большинстве случаев меньше. Теперь каждый тикер будет получать данные только между датой покупки и продажей.
Я создал вспомогательную функцию, чтобы получить максимумы и минимумы даты покупки и даты продажи. Здесь предполагается, что последняя доступная запись действительно является датой продажи. Отрегулируйте эту часть, если это не так. Я удалил открытые, высокие, низкие и закрытые столбцы из hilo, поскольку они не нужны для этого примера.
Я оставляю проверку, находится ли цена покупки / продажи между максимумом и минимумом для вас.
library(quantmod)
library(purrr)
library(dplyr)
# use pmap so 3 columns can correctly be passed to getSymbols
stocklist <- pmap(list(hilo$Symbol, hilo$Date_of_Purchase, hilo$Date_of_Sale), function(x, y, z) getSymbols(Symbols = x, src = "yahoo", from = y, to = z + 1, auto.assign = FALSE))
names(stocklist) <- hilo$Symbol
# function described below
stock_hilo <- map_dfr(stocklist, hi_lo, hilo = hilo, .id = "Symbol")
hilo %>%
left_join(stock_hilo)
Joining, by = "Symbol"
Symbol Date_of_Purchase Date_of_Sale Purchase_price Sale_Price pu_hi pu_lo sa_hi sa_lo
1 PCH 2018-10-02 2018-10-03 40.2 38.4 40.39 39.330 40.39 39.33
2 NBHC 2018-10-03 2018-10-11 37.8 36.2 37.83 36.540 37.78 37.07
3 STWD 2018-10-08 2018-10-10 21.3 21.0 21.30 21.000 21.42 21.19
4 RWT 2018-10-08 2018-10-11 16.1 16.0 16.16 16.020 16.39 16.16
5 NVEE 2018-10-08 2018-10-10 84.3 83.0 84.34 82.399 85.50 84.15
6 PRIM 2018-10-08 2018-10-10 23.5 23.1 23.61 23.050 23.65 23.38
функция, используемая в коде
hi_lo <- function(stock_data, hilo){
stock_symbol <- stringi::stri_extract(names(stocklist$PCH)[1], regex = "^[A-Z]+")
output <- data.frame(matrix(nrow = 1, ncol = 4))
output <- setNames(output, c("pu_hi", "pu_lo", "sa_hi", "sa_lo"))
# purchase date is the first record of the timeseries
pu_data <- xts::first(stock_data)
output$pu_hi <- as.numeric(quantmod::Hi(pu_data))
output$pu_lo <- as.numeric(quantmod::Lo(pu_data))
# assuming sales date is the last record of the timeseries
sa_data <- xts::last(stock_data)
output$sa_hi <- as.numeric(quantmod::Hi(sa_data))
output$sa_lo <- as.numeric(quantmod::Lo(sa_data))
return(output)
}