Семинар по моделированию финансовых рынков, Пермь, 05.04.2013, Пермский государственный университет, Арбузов Вячеслав

1. Использование R для
моделирования финансовых
рынков
Пермский государственный Арбузов Вячеслав
научно-исследовательский arbuzov@prognoz.ru
университет 05.04.2013
Лаборатория финансового
моделирования и управления рисками

2. Необходимые
знания в R

3. Выборка данных из матриц
x <- matrix(0,50,2)
x[,1]
x[1,]
x[,1]<-rnorm(50)
x
x[1,]<-rnorm(2)
x
x <- matrix(rnorm(100),50,2)
x[which(x[,1]>0),]
Операторы
и &
или |

4. Распределения
Основные распределения в R
Beta ?beta d – density
Binomial ?binom q – quantile
Cauchy ?cauchy r – random
Chi-squared ?chisq
Exponential ?exp
F ?f
Gamma ?gamma
Geometric ?geom
Hypergeometric ?hyper
Log-normal ?lnorm
Multinomial ?multinom
Negative binomial ?nbinom
Normal ?norm
Poisson ?pois
Student's t ?t
Uniform ?unif
Weibull ?weibull

5. Распределения
Построим плотность выбранного
распределения…
x <- seq(-4, 4, length=100)
dx <- d?????(x)
plot(x, hx, type=“l”)
Сгенерируем СВ выбранного
распределения…
x<-rnorm(1000)

6. Распределения
Каким распределением
описывается СВ?
hist (?)
density (?)
?

7. Оценка параметров распределений
Оценим параметры
выбранного распределения….
library(MASS)
fitdistr(x,"normal")
params<-fitdistr(x,"normal")$estimate
Сравним теоретическое и
эмпирическое распределения
hist(x, freq = FALSE,ylim=c(0,0.4))
curve(dnorm(x, params[1], params[2]), col = 2, add = TRUE)

8. Корреляции
y<-rnorm(1000)
cor(x,y)
cor(x,y, ,method = ?????)
acf(y)

9. Нелинейный МНК
x<-seq(0,10,length=1000)
y<-2*sin(3*x)+rnorm(1000,0,0.8)
z<-rnorm(1,2,3)
Как оценить параметры
уравнения?
help(nls)
nls(y ~ A*sin(B*x))
nls(y ~ A*sin(B*x),start=list(A=1.8,B=3.1))

10. Продвинутая графика
Размещение в одном окне
нескольких графиков
par(mfrow=c(2,2))
plot(rnorm(100),rbeta(100,12,1))
Добавление легенды на график
legend("topright", inset=.05, title="legend",
c("4","6","8"), horiz=TRUE)

11. Графика пакета lattice
library(lattice)
bwplot(sign(rnorm(30))~rnorm(30)|runif(3)) cloud(y~x*y)
xyplot(rnorm(100)~rnorm(100)|rnorm(4)) densityplot(rnorm(4))

12. Графика пакета ggplot2
library(ggplot2)
qplot(rnorm(100)) qplot(rnorm(100),geom='density')
qplot(rnorm(100),rnorm(100),
qplot(rnorm(100),rnorm(100)) size=sign(rnorm(100))+1)

13. Загрузка данных
Package quantmod Package rusquant
getSymbols("GOOG",src="yahoo", getSymbols("SPFB.RTS", from="2011-01-
from = "2007-01-01“, to = 01", src="Finam“, period="hour"
Sys.Date()) , auto.assign=FALSE)
1min, 5min, 10min, 15min,
getSymbols("USD/EUR",src="oanda") 30min, hour, day, week, month

14. Работа с пакетом quantmod
Визуализация данных Добавление технических
индикаторов
barChart(AAPL)
candleChart(AAPL,multi.col=TRUE,theme="white") addMACD()
chartSeries(AAPL,up.col='white',dn.col='blue') addBBands()
Управление
Преобразование
данными
данных
AAPL['2007']
to.weekly(AAPL)
AAPL['2007-03/2007']
AAPL['/2007'] to.monthly(AAPL)
AAPL['2007-01-03'] dailyReturn(AAPL)
weeklyReturn(AAPL)
monthlyReturn(AAPL)

15. Загрузка данных
Package RODBC
library(RODBC)
odbcDriverConnect(“”)
channel <- odbcConnect("psu_schs",“student","Qwerty1")
sqlQuery(channel, “select * from LPPL_MODELS”)

16. Использование пакета RMiFIT
library(RMiFIT )
getFinData(Symbols = "AFLT",period = “mins")
getFinData(Symbols = "TGKI",from = "2010-04-01",
to = "2010-04-01",period = "deals")
getFinData(Symbols = "AFLT",from = "2012-12-14",
to = "2012-12-14",src=“Finam” ,period = "tick")
getFinData(Symbols = "AFLT", from = "2012-12-04",period = "orders")
www.r-group.mifit.ru

17. Практические
задания

18. Практическое задание № 1. Работа с данными
ЗАДАНИЕ:
a. Загрузить данные
1. AFLT
b. Построить графики
2. GAZP
c. Добавить индикаторы на графики
3. RTKM
d. Посчитать приросты цен
4. ROSN
e. Построить графики за 2008 год
5. SBER
6. SBERP
7. HYDR
8. LKOH Команды в помощь:
9. VTBR barChart(AAPL)
10. GMKN chartSeries(AAPL,up.col='white',dn.col='blue')
11. SIBN AAPL['2007-03/2007']
12. PLZL
addMACD()
13. MTSS
dailyReturn(AAPL)
14. CHMF
15. SNGS

19. Практическое задание № 2. Распределение приростов цен
1. AFLT
2. GAZP ЗАДАНИЕ:
3. RTKM a. Загрузить данные
4. ROSN b. Построить приросты цен закрытия
5. SBER c. Построить плотность распределения
6. SBERP d. Оценить параметры выбранного распределения
7. HYDR e. Построить на одном графике эмпирическое и
8. LKOH теоретическое распределения
9. VTBR
10. GMKN
11. SIBN Команды в помощь:
12. PLZL
13. MTSS getSymbols("AFLT",
14. CHMF src="Finam", period="day" , auto.assign=FALSE)
15. SNGS
library(MASS)
fitdistr(x,"normal")
hist(x)
density(x)
curve(dnorm(x, params[1], params[2]), col = 2, add = TRUE)

20. Практическое задание № 3. Оценка корреляций
1. AFLT
2. GAZP ЗАДАНИЕ:
3. RTKM a. Загрузить данные индекса ММВБ (MICEX)
4. ROSN b. Загрузить данные выбранного инструмента
5. SBER c. Посчитать дневные приросты
6. SBERP d. Найти корреляцию за весь период
7. HYDR e. Найти корреляцию за 2012 год
8. LKOH f. Найти корреляцию за 2008 год
9. VTBR g. Найти автокорреляцию приростов за период с 1
10. GMKN января 2013 по 1 апреля 2013
11. SIBN Команды в помощь:
12. PLZL
13. MTSS getSymbols(" MICEX ",
14. CHMF src="Finam", period="day" , auto.assign=FALSE)
15. SNGS
AAPL['2007']
AAPL['2007-03/2007']
AAPL['/2007']
AAPL['2007-01-03']

21. Практическое задание № 4. Расчет VaR
1. AFLT
2. GAZP ЗАДАНИЕ:
3. RTKM a. Загрузить данные выбранного инструмента
4. ROSN b. Посчитать дневные приросты
5. SBER c. Найти исторический VaR у инструмента
6. SBERP d. Найти параметрический VaR у инструмента
7. HYDR e. library(PerformanceAnalytics)
8. LKOH f. help(VaR)
9. VTBR
10. GMKN
11. SIBN Команды в помощь:
12. PLZL
13. MTSS quantile(x,0.95, na.rm=TRUE)
14. CHMF
15. SNGS AAPL['2007']
AAPL['2007-03/2007']
AAPL['/2007']
AAPL['2007-01-03']

22. Практическое задание № 5. Волатильность приростов
1. AFLT
2. GAZP ЗАДАНИЕ:
3. RTKM a. Загрузить данные выбранного инструмента
4. ROSN b. Посчитать дневные приросты
5. SBER c. Отобразить кластеризацию волатильности
6. SBERP d. Оценить модель garch
7. HYDR e. garchFit(data=x) @sigma.t
8. LKOH
9. VTBR
10. GMKN
11. SIBN Команды в помощь:
12. PLZL
13. MTSS AAPL['2007']
14. CHMF AAPL['2007-03/2007']
15. SNGS AAPL['/2007']
AAPL['2007-01-03']

23. Практическое задание № 6. Оценка длинной памяти в потоке заявок
1. AFLT
2. GAZP ЗАДАНИЕ:
3. RTKM a. Загрузить данные выбранного инструмента за 1 день
4. ROSN b. Посчитать длинную память в потоке заявок
5. SBER
6. SBERP
7. HYDR
8. LKOH
9. VTBR
10. GMKN
11. SIBN Команды в помощь:
12. PLZL
13. MTSS help (getFinData)
14. CHMF
15. SNGS

24. Практическое задание № 7. Расчет модели LPPL
ЗАДАНИЕ:
a. Загрузить данные индекса ММВБ c 2001 по 2009
b. Оценить параметры модели LPPL
c. Проделать оценку параметров для различных
«окон» и сохранить параметры модели
d. Отбросить «неправильные» параметры
МОДЕЛЬ LPPL:
Команды в помощь:
help(nsl)

25. Практическое задание № 8. Оптимизация портфеля
ЗАДАНИЕ: 1. AFLT
2. GAZP
a. Загрузить данные по следующим инструментам: 3. RTKM
4. ROSN
b. Построить график доходность - риск 5. SBER
6. SBERP
c. Сформировать оптимальный портфель 7. HYDR
использую функцию portfolio.optim из пакета 8. LKOH
tseries 9. VTBR
10. GMKN
d. Проанализировать выбранный портфель 11. SIBN
12. PLZL
e. Оценить 10 дневный VaR у выбранного портфеля 13. MTSS
14. CHMF
15. SNGS

26. Вопросы?
arbuzov@prognoz.ru