原文链接：http://tecdat.cn/?p=17835

 

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。 
  

1. #*****************************************************************

2. # 加载历史数据

3. #*****************************************************************

4. 


5. 


6. 


7. 


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

9. 


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

11. 


12. 


13. # 删除历史数据很少的样本

14. remove.min.history(data)

15. 


16. # 显示已删除的

17. print(setdiff(tickers,names(data$prices)))

 

1. #*****************************************************************

2. # 可视化关联矩阵

3. #*****************************************************************

4. prices = data$prices

5. 


6. ret = diff(log(prices))

7. ret = last(ret, 252)

8. 


 

plt(ret, 0.5)

 

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：

1. #*****************************************************************

2. # 加载历史数据

3. #*****************************************************************

4. 


5. 


6. if(!file.exists(filename)) {

7. 


8. 


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

10. 


11. 


12. 


13. 


14. 


15. 


16. #*****************************************************************

17. # 可视化关联矩阵

18. #*****************************************************************

19. 


20. 


21. print(join(c(

22. 


23. 


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

 

plot.cor(ret, 0.5)

 

辅助函数：

1. #*****************************************************************

2. #函数创建相关矩阵

3. #*****************************************************************

4. clncor = function(ret, threshold = 0.5) {

5. cor(coredata(ret), use='complete.obs',method='pearson')

6. 


7. cor_mat[ abs(cor_mat) < threshold] = 0

8. 


9. 


10. 


11. #*****************************************************************

12. # 绘制最小生成树

13. #*****************************************************************

14. plco = function(ho = 0.5) {

15. cor_mat = clean.cor(ret, threshold

16. 


 

最受欢迎的见解

1.R语言动态图可视化：如何、创建具有精美动画的图

2.R语言生存分析可视化分析

3.Python数据可视化-seaborn Iris鸢尾花数据

4.r语言对布丰投针（蒲丰投针）实验进行模拟和动态

5.R语言生存分析数据分析可视化案例

6.r语言数据可视化分析案例：探索brfss数据数据分析

7.R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图

8.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

9.python主题LDA建模和t-SNE可视化