如何快速处理股票高频数据_如何用R软件处理高频数据，建立已实现波动率模型

一、如何用R软件处理高频数据，建立已实现波动率模型

1、打开一个空白Excel工作表，打开VBA编辑器(点击菜单：工具 -> 宏 -> Visual Basic编辑器)：2、插入模块(点击VBA编辑器菜单：插入 -> 模块)：3、将以下代码复制/粘贴到代码窗口中：Function CallOpt(stock, exercise, maturity, rate, volatility) As Double    D1 = (Log(stock / exercise) + (rate + (volatility ^ 2) / 2) * maturity) / (volatility * Sqr(maturity))    D2 = D1 - volatility * Sqr(maturity)    CallOpt = stock * Application.NormSDist(D1) - exercise * Exp(-rate * maturity) * Application.NormSDist(D2)End FunctionFunction PutOpt(stock, exercise, maturity, rate, volatility) As Double    D1 = (Log(stock / exercise) + (rate + (volatility ^ 2) / 2) * maturity) / (volatility * Sqr(maturity))    D2 = D1 - volatility * Sqr(maturity)    PutOpt = exercise * Exp(-rate * maturity) * Application.NormSDist(-D2) - stock * Application.NormSDist(-D1)End Function粘贴完成后如下图：3、关闭“Visual Basic 编辑器”窗口，回到工作表。
此时若查看函数列表，可看到在“用户定义”类别中增加了两个函数，CallOpt和PutOpt：=CallOpt(stock,exercise,maturity,rate,volatility) 用于计算认购权证的理论价格；
=PutOpt(stock,exercise,maturity,rate,volatility) 用于计算认沽权证的理论价格。
两个函数都是需要5个变量，依次为：stock－正股现价；
exercise－权证行权价；
maturity－权证剩余期限(折算成年，在Excel中=(到期日-当前日)/365)；
rate－无风险利率(一般取国债的年收益率)；
volatility－波动率(一般取正股最近3个月的历史波动率)；
现在只需要在单元格中输入函数名并依顺序输入各变量，就可轻而易举的算出权证理论价格了。
若还有不明白的，请将下表复制/粘贴到工作表“A1”单元格中试试看。
最后将该Excel文件保存起来。
记住，以后每次打开该文件，都会出现以下的安全警告，记得一定要点选“启用宏”，否则自定义函数将不能使用。

二、如何能够快速找出创历史新高的股票？

大智慧里有一个“智能选股”功能，按“功能-智能选股-条件选股-走势特征选股-创历史新高”的步骤执行选股，把复权选项打勾，最后得出的股票池就是你要求的股票了。

三、如何保存所有股票的分时数据

从所有的股票的分时数据都是有的，只是你没有打开。
而最新的数据则要在软件的系统功能里，每天通过盘后数据下载，你就有了所有股票的最新数据。

四、使用同花顺怎么快速找出单峰筹码高度集中的股票？90、70成本集中度都小于10%？

1、红色的筹码为获利盘，蓝色为套牢盘；
 2、中间白颜色的线为目前市场所有持仓者的平均成本线，表明整个成本分布的重心。
如股价在其之下，说明大部分人是亏损的。
 3、获利比例：就是目前价位的市场获利盘的比例。
获利比例越高说明越来越多的人处于获利状态。
 4、获利盘：任意价位情况下的获利盘的数量。
 5、90%的区间：表明市场90%的筹码分布在什么价格之间 6、集中度：说明筹码的密集程度。
数值越高，表明越分散；
反之越集中 7、筹码穿透力：就是筹码穿透力的含义是以今日股价穿透的筹码数量除以今日换手率，穿越的筹码数量和筹码穿透力成正比，被穿越筹码数量越多筹码穿透力越大。
 8、浮筹比例：当前价格周围聚集的最容易参与交易的筹码数量。
定位为浮动筹码。
还有什么不懂的加下QQ755939466验证：钱哥

五、如何能够快速找出创历史新高的股票？

大智慧里有一个“智能选股”功能，按“功能-智能选股-条件选股-走势特征选股-创历史新高”的步骤执行选股，把复权选项打勾，最后得出的股票池就是你要求的股票了。

六、大数据的处理流程包括了哪些环节？

处理大数据的四个环节：收集：原始数据种类多样，格式、位置、存储、时效性等迥异。
数据收集从异构数据源中收集数据并转换成相应的格式方便处理。
存储：收集好的数据需要根据成本、格式、查询、业务逻辑等需求，存放在合适的存储中，方便进一步的分析。
变形：原始数据需要变形与增强之后才适合分析，比如网页日志中把IP地址替换成省市、传感器数据的纠错、用户行为统计等。
分析：通过整理好的数据分析what happened、why it happened、what is happening和what will happen，帮助企业决策。

参考文档