10年以上的上综指、深成指、创业板指的日度数据, 计算周一、周四、周五交易日里“各自的期望收益率”,并验证其在统计 上的显著性、是否对后续未来投资有借鉴意义; 2)以深成指为例,依你所采集的样本期间、以及已发生的实际走势, 请“粗略地”将整个样本期划分为牛市期间、熊市期间、振荡期间,然后再分市场不同状态、验证牛市/熊市/振荡期间各自的“红 周一”与“黑周末”的统计显著性。r语言实现,简洁一点
时间: 2023-06-24 19:08:01 浏览: 34
以下是R语言实现的代码:
```R
# 导入数据
data <- read.csv("stock_data.csv")
# 计算期望收益率
Monday <- data$Monday
Thursday <- data$Thursday
Friday <- data$Friday
exp_return_Monday <- mean(Monday)
exp_return_Thursday <- mean(Thursday)
exp_return_Friday <- mean(Friday)
# 显著性检验
t.test(Monday)
t.test(Thursday)
t.test(Friday)
# 划分牛市、熊市、振荡期间
n <- nrow(data)
bull_start <- 1
bear_start <- 1
osc_start <- 1
bull_end <- n
bear_end <- n
osc_end <- n
for (i in 1:n) {
if (data$Date[i] == "2015-06-30") {
bull_start <- i
}
if (data$Date[i] == "2018-01-26") {
bear_start <- i
}
if (data$Date[i] == "2018-02-05") {
osc_start <- i
}
if (data$Date[i] == "2018-12-28") {
osc_end <- i
}
if (data$Date[i] == "2020-02-24") {
bear_end <- i
}
if (data$Date[i] == "2021-07-02") {
bull_end <- i
break
}
}
bull_market <- data[bull_start:bull_end, ]
bear_market <- data[bear_start:bear_end, ]
osc_market <- data[osc_start:osc_end, ]
# 计算红周一和黑周末的统计显著性
red_Monday <- bull_market[bull_market$Monday > 0, ]$Monday
black_Friday <- bear_market[bear_market$Friday < 0, ]$Friday
t.test(red_Monday)
t.test(black_Friday)
```
需要注意的是,以上代码只是一个简单的实现,实际分析中可能需要更加详细和准确的数据处理和统计方法。