如何使用R语言代写导入高频金融数据的大数据部落方法？

本文共计510个文字，预计阅读时间需要3分钟。

R中用于针对高频数据的添加包highfrequency，适用于组织、整理和汇总高频数据，使用高频数据建立相关模型等。其操作方便，但数据输入过程中会使用到该包。

R中针对高频数据的添加包highfrequency，用于组织高频数据， 高频数据的清理、整理，高频数据的汇总，使用高频数据建立相关模型 都非常方便。但是其中数据输入的过程中，会使用到包里的函数convert()。该函数支持三类的高频数据：

 NYSE TAQ数据库中的.txt文件

 WRDS数据库中的.csv文件

 Tickdata.com的.asc文件

不易获取，因此，输入数据转换成xts，然后进行时间序列分析的过程中存在困难。

因此对于原始数据，我们可以整理成sample数据的格式，然后使用xts包先将其转换成xts格式。

对于时间序列数据要注意的一点是时间数据不单独作为一列，仅作为行名存在，否则在进行转换的过程中会出现colnames和列的数目不符合的错误。

因此对于数据可以先进行预处理。

对于列数据间分隔建议使用tab制表符，否则在r读取的过程中会将时间的日期时间识别为两列。

sample_tdataraw=read.table("E:\\AA_trades.txt",header=F,skip = 1,stringsAsFactors=FALSE)

　　

其中读取时要注意跳过第一行，列名和列数不符的错误。