Как предсказать курс доллара. Поиск доходной стратегии с языком R. Владимир Георгиевич Брюков

рабочей директории. Если скрипт сохраняется в первый раз, то появится окно, в котором будет предложено ввести имя сохраняемого файла. При этом файл для дальнейшей работы в R сохраняется с расширением *.R, хотя в некоторых случаях Вам могут потребоваться и другие форматы.

      Задание 2. Проанализировать влияние фундаментальных факторов на курс евро к рублю

      После того, как читатель познакомился с анализом фундаментальных факторов, влияющих на курс американского доллара к рублю, пора применить эти знания на практике. В данном случае читателю нужно будет внести небольшие изменения в код, анализирующий фундаментальные факторы, влияющие на курс доллара США к рублю. В результате он получит код, анализирующий влияние фундаментальных факторов на курс евро к рублю.

      С этой целью ниже дается код, с помощью которого проводился анализ фундаментальных факторов, влияющих на курс доллара США к рублю. Здесь и ниже во всех заданиях автор использует в коде символ решетки с тремя восклицательными знаками #!!!, который ставится ниже строки кода. Символ #!!! является для читателя указанием на то, что данная строка с кодом должны быть им во время решения задания изменены. При необходимости после символа #!!! даются иногда и пояснения о необходимости изменить расположенную выше строку кода.

      rm(list=ls(all.names=T))

      getwd()

      setwd('C:/Users/Vladimir/Documents/Cloud Mail.Ru/1 ANALITIKA/000 R/000 Книга прогноз доллара с R')

      ls()

      library(zoo)

      library(fBasics)

      library(urca)

      Мои.данные<-read.zoo('Данные.csv', sep = ";", header=TRUE, FUN=as.Date)

      head(Мои.данные)

      tail(Мои.данные)

      dim(Мои.данные)

      День_торгов.мес<-(Мои.данные[1:5831, 1])

      Долл.США_Руб <-Мои.данные[1:5831, 2]

      Евро_Руб <-Мои.данные[1:5831, 3]

      Евро_Долл.США<-Мои.данные[1:5831, 4]

      Нефть<-Мои.данные[1:5831, 14]

      Золото<-Мои.данные[1:5831, 15]

      options("scipen"=100, "digits"=4)

      Уравн1<-lm(Долл.США_Руб~Евро_Долл.США+Евро_Руб+Нефть+Золото)

      summary(Уравн1)

      #!!! какую зависимую переменную нужно поменять в Уравн1

      #!!! какую независимую переменную нужно поменять в Уравн1

      #!!! обратите внимание на значимость Pr(>|t|) коэффициентов в Уравн1

      Долл.США_Руб.адф <– ur.df(Долл.США_Руб, type = "drift")

      summary(Долл.США_Руб.адф)

      Евро_Долл.США.адф <– ur.df(Евро_Долл.США, type = "drift")

      summary(Евро_Долл.США.адф)

      Евро_Руб.адф <– ur.df(Евро_Руб, type = "drift")

      summary(Евро_Руб.адф)

      Золото.адф <– ur.df(Золото, type = "drift")

      summary(Золото.адф)

      Нефть.адф <– ur.df(Нефть, type = "drift")

      summary(Нефть.адф)

      Долл.США_Руб.ост_адф <– ur.df(Уравн1$residuals, type = "none")

      #!!! тестируем остатки, полученные по итогам уравнения регрессия

      #!!! с какой зависимой переменной решено это уравнение

      summary(Долл.США_Руб.ост_адф)

      #!!!

      tail(Уравн1$residuals, 20)

      #!!!

      коэф.возврата<– summary(Долл.США_Руб.ост_адф)@testreg$coefficients[1,1]

      #!!! коэф.возврата для какой зависимой переменную нужно протестировать

      полупериод.средней <-(-log(2)/коэф.возврата)

      полупериод.средней

      # 92.33 торговых дней полупериод.средней

      plot(Уравн1$residuals[1:5831],