在CFTC網站上有根據每個交易所有不同的商品的交易情況，還有根據是否有選擇權以及格式做分類。本次想要查詢的是僅期貨（不含選擇權），並且長型格式，商品項目有原油、天然氣、玉米、大豆、小麥、糖。需要注意的事項是每個品項都分散在不同的交易所，並且因為年代久遠，商品名稱可能發生改變，或者出現相當類似的商品名稱，再者報告發布時間不完全是每週的第幾天，部分天數及年份發生偏移，因此在開始之前，必須先釐清交易日以及商品項目。
Historical Viewable: https://www.cftc.gov/MarketReports/CommitmentsofTraders/HistoricalViewable/index.htm
library(rvest)
library(stringr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(lubridate)##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionlibrary(car)## Loading required package: carData##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recodelibrary(openxlsx)CFTC網站中最早的資料為2005/1/4，而目前最新的發布日是2023/1/24，因此我們建立一個從開始是最新的時間格式向量，by指定間隔為7日。
# day <- seq(date("2005-01-04"), Sys.Date(), by = 7)
day <- seq(date("2005-01-04"), date("2023-01-24"), by = 7)
head(day)## [1] "2005-01-04" "2005-01-11" "2005-01-18" "2005-01-25" "2005-02-01"
## [6] "2005-02-08"由於部分的時間可能提早或是延後或者取消，有多種分法可以得知是哪幾次的發布時間並不固定，目前是使用迴圈以及try函數，檢查何日無法查詢，在對應到網頁上確認實際發布的情況。以下是已經確認的的不固定的發布，delete中是應發布但為發布的日期，add則是不應發布但發布的日期，再來使用向量的加減，確認時即有發布的日期。
delete <- c("083005", "010207", "070406", "010108", "122507", "111009", "122308",
"010113", "122512", "070417", "010119", "122518", "122220")
delete <- as.Date(delete, "%m%d%y")add <- c("010307", "070306", "123107", "122407", "110909", "122208",
"123112","122412", "070317", "123118", "122418", "122120")
add <- as.Date(add, "%m%d%y")先將原本固定的day和需要加上的add合併，然後選取day中和delete不同的元素，!表示相反，%in%表示屬於，[]內表示篩選的條件。
day <- c(day, add)
day <- day[! day %in% delete]由於目前的向量並非完全按照時間順序排列，因此我們將向量重新排序，使用sort函數。
day <- sort(day)由於在url中會有用到日期和年份，因此使用year函數將日期格式轉換成年。在查詢的過程中，網站使用的日期格式是月日年（兩位），因此我們用format將日期格式轉換成指定的格式，%m表示數字月份，%d是日期，%y是年份後兩位，如2023/02/13就會是021323。
year <- year(day)
day <- format(day, "%m%d%y")
head(day)## [1] "010405" "011105" "011805" "012505" "020105" "020805"以下是特殊的的元素轉換，若使用recode函數修改的話格式會跑掉，不建議直接使用。
year[which(day == "123113")] <- "2014"
# day <- car::recode(day, "'120214' = '120614';
# '112514' = '112914';
# '122419' = '123019'")
day[which(day == "120214")] <- "120614"
day[which(day == "112514")] <- "112914"
day[which(day == "122419")] <- "123019"本次需要用的的交易所資料分別是New York Mercantile Exchange、Chicago
Board of Trade、ICE Futures
U.S.。分別對應的字母縮寫是nyme、cbt、nybt。在url中可以注意的是futures表示僅期貨，lf是long
format。若未來需要查詢其他的項目或是格式，可以自行更改。
str_glue的功能是插補字串的內容，{}內分入需要差補的內容。由於我們的year和day長度是對應的，因此同時放入函數中，就會同時將兩個向量的第一個元素插補到字串，形成新向量的第一個元素。
url的內容可以先用外部瀏覽器進入查看，，以下是New York
Mercantile Exchange所發佈的2023/1/3僅期貨的長格式報告，https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2023/futures/deanymelf010323.htm，可以先進入熟悉一下接下來操作的對象。
例如url_nyme就是New York Mercantile Exchange的每一日報告的網址所組成的向量，其他交易所也如此。
url_nyme <- str_glue("https://www.cftc.gov/sites/default/files/files/dea/cotarchives/{year}/futures/deanymelf{day}.htm")
url_cbt <- str_glue("https://www.cftc.gov/sites/default/files/files/dea/cotarchives/{year}/futures/deacbtlf{day}.htm")
url_nybt <- str_glue("https://www.cftc.gov/sites/default/files/files/dea/cotarchives/{year}/futures/deanybtlf{day}.htm")head(url_nyme)## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf010405.htm
## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf011105.htm
## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf011805.htm
## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf012505.htm
## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf020105.htm
## https://www.cftc.gov/sites/default/files/files/dea/cotarchives/2005/futures/deanymelf020805.htm因為我們接下來需要對三組向量做相同的動作，因為網址內的內容格式相同，所以我們可以將接下來的操作寫成函數，在分別帶入不同的向量。
我們希望將網頁的內容先全部抓取，以及簡單的整理，尚且先不涉及至商品。由於函數內的物件無法直接查看，因此我們先用低一個url進行示範，逐步了解接下來的操作。先指定url_ex是url_nyme中的第一個元素，因此url_ex是一個網址。再來利用read_html讀取網頁，輸出的結果就是一份html文件，html文件由節點組成。
url_ex <- url_nyme[1]
url_ex %>% read_html## {html_document}
## <html lang="en-US" xml:lang="en" xmlns="http://www.w3.org/1999/xhtml">
## [1] <head>\n<title>CFTC Commitments of Traders Long Report - NYME (Futures On ...
## [2] <body>\r\n<!--begin content-->\r\n <pre> <!--ih:includeHTML file="deanyme ...因此我們用html_nodes找到pre的節點，這個節點內存放了我們想要的內容，接下來html_text將html物件轉換成文字。此時所有的內容會變成一個字串，我們可以用換行符號為間隔，將一個有全部內容的字串切割成一行一個字串，str_split就是將字串切割，參數放入以什麼字為間隔切割，\r\n或者\n是換行符號，|是邏輯運算，表示或(or)。因此"\r\n|\n"表示遇到\r\n或者\n時進行分隔。
但因為分隔是在該元素進行操作，因此分割的內容會再被一個list包起來，會形成一個list，其中的一個元素是一個切割後的向量，我們可以使用unlist展開，把整個物件變成一個向量，相當於除去最外層的list。
因為這個物件包含了所有的商品，我們先顯示第一個商品的內容，我們想要的數據是在商品中的第11行的位置。
report_ex <- url_ex %>%
read_html %>%
html_nodes("pre") %>%
html_text %>%
str_split("\r\n|\n") %>%
unlist
head(report_ex, 36)## [1] " NO. 2 HEATING OIL, N.Y. HARBOR - NEW YORK MERCANTILE EXCHANGE "
## [2] "Commitments of Traders - Futures Only, January 4, 2005 "
## [3] "-------------------------------------------------------------------------------------------------------------------"
## [4] " : Total : Reportable Positions : Nonreportable"
## [5] " :---------------------------------------------------------------------------------------- Positions"
## [6] " : Open : Non-Commercial : Commercial : Total :"
## [7] " : Interest : Long : Short : Spreading: Long : Short : Long : Short : Long : Short"
## [8] "-------------------------------------------------------------------------------------------------------------------"
## [9] " : : (CONTRACTS OF 42,000 U.S. GALLONS) :"
## [10] " : : :"
## [11] "All : 149,494: 10,816 24,395 12,018 102,327 88,935 125,161 125,348: 24,333 24,146"
## [12] "Old : 149,494: 10,816 24,395 12,018 102,327 88,935 125,161 125,348: 24,333 24,146"
## [13] "Other: 0: 0 0 0 0 0 0 0: 0 0"
## [14] " : : :"
## [15] " : : Changes in Commitments from: December 28, 2004 :"
## [16] " : -9,638: -600 2,068 552 -9,916 -11,120 -9,964 -8,500: 326 -1,138"
## [17] " : : :"
## [18] " : : Percent of Open Interest Represented by Each Category of Trader :"
## [19] "All : 100.0: 7.2 16.3 8.0 68.4 59.5 83.7 83.8: 16.3 16.2"
## [20] "Old : 100.0: 7.2 16.3 8.0 68.4 59.5 83.7 83.8: 16.3 16.2"
## [21] "Other: 100.0: 0.0 0.0 0.0 0.0 0.0 0.0 0.0: 0.0 0.0"
## [22] " : : :"
## [23] " :# Traders : Number of Traders in Each Category :"
## [24] "All : 128: 20 28 30 62 67 103 107:"
## [25] "Old : 128: 20 28 30 62 67 103 107:"
## [26] "Other: 0: 0 0 0 0 0 0 0:"
## [27] " :----------------------------------------------------------------------------------------------------"
## [28] " : Percent of Open Interest Held by the Indicated Number of the Largest Traders"
## [29] " : By Gross Position By Net Position"
## [30] " : 4 or Less Traders 8 or Less Traders 4 or Less Traders 8 or Less Traders"
## [31] " : Long: Short Long Short: Long Short Long Short"
## [32] " :----------------------------------------------------------------------------------------------------"
## [33] "All : 28.4 16.1 39.7 25.9 25.7 11.2 35.6 18.8"
## [34] "Old : 28.4 16.1 39.7 25.9 25.7 11.2 35.6 18.8"
## [35] "Other: 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0"
## [36] " "我們可以將上述的操作寫成一個自定義的函數，function(url){}，小括號內是要輸入到函數的內容，大括號內放入需要對輸入進行的操作，記得這個操作最後要有產出，或者使用return()指定產出。我將這個產出取名為ask。注意，我們這裡定義的輸入是一個url，而不是由很多url組成的向量。
ask <- function(url){
url %>%
read_html %>%
html_nodes("pre") %>%
html_text %>%
str_split("\r\n") %>%
unlist
}接下來我們要把一個包含很多url的向量放入ask這個函數中。接下來介紹一個重要的函數，lapply(X, FUN, ...)，X是一個物件，FUN是一個函數lapply的功能是將X這個物件中的每一個物件分別帶入至FUN指定的函數，再將每一個產出合併成一個list。所以lapply(url_nyme, ask)的動作就是將url_nyme中的每一個元素(url)帶入至ask，每一個url都會產生一個帶有很多句子的向量，接下來這些很多句子的向量合併成一個list。我們利用str查看report_nyme的結構，可以看到這是一個含有942個元素的物件，一個元素表示一個url產出的內容，也就是一天的報告。而第一個元素是一個有614個字串組成的向量，一個字串表示一行的內容。
report_nyme <- lapply(url_nyme, ask)
report_cbt <- lapply(url_cbt, ask)
report_nybt <- lapply(url_nybt, ask)str(report_nyme, list.len = 2)## List of 942
## $ : chr [1:614] " NO. 2 HEATING OIL, N.Y. HARBOR - NEW YORK MERCANTILE EXCHANGE " "Commitments of Traders - Futures Only, January 4, 2005 " "-------------------------------------------------------------------------------------------------------------------" " : Total : Reportable Positions : Nonreportable" ...
## $ : chr [1:650] " NO. 2 HEATING OIL, N.Y. HARBOR - NEW YORK MERCANTILE EXCHANGE " "Commitments of Traders - Futures Only, January 11, 2005 " "-------------------------------------------------------------------------------------------------------------------" " : Total : Reportable Positions : Nonreportable" ...
## [list output truncated]然而在一份報告中有很多的商品，而我們只想要部分商品的數據。在報告中會有一行表示商品的名稱，接下來才是該商品的數據。因此我們需要先找的我們要的商品在第幾行，再來選取數據。
我們先用搜尋原油作為例子，原由位於report_nyme中。report_nyme是一份很多報告的list，report_nyme[[1]]是在這份list中選取第一個元素，也就是第一天的報告。接下來使用str_detect搜尋這份報告，第一個變數放入要搜尋的範圍，第二個變數放謠搜尋字詞的形式，若符合形式則回TRUE。因此這裡的作用是在報告中偵測每一行是否有出現”WTI-PHYSICAL”或”CRUDE
OIL, LIGHT
SWEET”，只要符合任一條件則回傳TRUE。但是我們想要任一上述兩個字串，但不要商品名中有”E-MINY”，也就是有可能會同時出現”WTI-PHYSICAL,
E-MINY”以及”WTI-PHYSICAL”，但我們只想要”WTI-PHYSICAL”不要”WTI-PHYSICAL,
E-MINY”。因此我們再加一個條件偵測是否出現”E-MINY”，再加上!表示相反，因此整體的條件是當出現”WTI-PHYSICAL”或”CRUDE
OIL, LIGHT SWEET”，並且沒有”E-MINY”時才會回傳TRUE。
此時index_crude_oil是一個只有包含TRUE或FALSE的向量，TRUE的位置表示商品的名稱在第幾行。使用which會回傳TRUE的位置，我們可以看到目前原油的商品名稱在報告的第397行。而一個商品的所有資訊大約是36行，因此我們選取該商品名稱到36行之後，再者裡相當於我們要在報告中選取397~433行，:表示從幾到幾，1:3表示1,
2, 3。
index_crude_oil <- str_detect(report_nyme[[1]], "WTI-PHYSICAL|CRUDE OIL, LIGHT SWEET") &
!(str_detect(report_nyme[[1]], "E-MINY"))
which(index_crude_oil)## [1] 397report_nyme[[1]][which(index_crude_oil):(which(index_crude_oil) + 35)]## [1] "CRUDE OIL, LIGHT SWEET - NEW YORK MERCANTILE EXCHANGE "
## [2] "Commitments of Traders - Futures Only, January 4, 2005 "
## [3] "-------------------------------------------------------------------------------------------------------------------"
## [4] " : Total : Reportable Positions : Nonreportable"
## [5] " :---------------------------------------------------------------------------------------- Positions"
## [6] " : Open : Non-Commercial : Commercial : Total :"
## [7] " : Interest : Long : Short : Spreading: Long : Short : Long : Short : Long : Short"
## [8] "-------------------------------------------------------------------------------------------------------------------"
## [9] " : : (CONTRACTS OF 1,000 BARRELS) :"
## [10] " : : :"
## [11] "All : 683,120: 74,567 67,020 74,091 479,579 465,979 628,237 607,090: 54,883 76,030"
## [12] "Old : 683,120: 74,567 67,020 74,091 479,579 465,979 628,237 607,090: 54,883 76,030"
## [13] "Other: 0: 0 0 0 0 0 0 0: 0 0"
## [14] " : : :"
## [15] " : : Changes in Commitments from: December 28, 2004 :"
## [16] " : 26,662: 4,580 2,052 385 10,441 10,620 15,406 13,057: 11,256 13,605"
## [17] " : : :"
## [18] " : : Percent of Open Interest Represented by Each Category of Trader :"
## [19] "All : 100.0: 10.9 9.8 10.8 70.2 68.2 92.0 88.9: 8.0 11.1"
## [20] "Old : 100.0: 10.9 9.8 10.8 70.2 68.2 92.0 88.9: 8.0 11.1"
## [21] "Other: 100.0: 0.0 0.0 0.0 0.0 0.0 0.0 0.0: 0.0 0.0"
## [22] " : : :"
## [23] " :# Traders : Number of Traders in Each Category :"
## [24] "All : 204: 42 64 63 77 82 163 171:"
## [25] "Old : 204: 42 64 63 77 82 163 171:"
## [26] "Other: 0: 0 0 0 0 0 0 0:"
## [27] " :----------------------------------------------------------------------------------------------------"
## [28] " : Percent of Open Interest Held by the Indicated Number of the Largest Traders"
## [29] " : By Gross Position By Net Position"
## [30] " : 4 or Less Traders 8 or Less Traders 4 or Less Traders 8 or Less Traders"
## [31] " : Long: Short Long Short: Long Short Long Short"
## [32] " :----------------------------------------------------------------------------------------------------"
## [33] "All : 22.6 22.7 37.0 34.0 17.0 14.4 26.0 19.7"
## [34] "Old : 22.6 22.7 37.0 34.0 17.0 14.4 26.0 19.7"
## [35] "Other: 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0"
## [36] " "從報告中可以看到我們想要的數據在第11行，因此將其單獨選取出來。這幾個數字就是我們想要的數據。
row_crude_oil <- report_nyme[[1]][which(index_crude_oil) + 10]
row_crude_oil## [1] "All : 683,120: 74,567 67,020 74,091 479,579 465,979 628,237 607,090: 54,883 76,030"但目前所有數字都被寫在同一個字串，裡面還有許多我們不想要的符號。我們先將這個字串做分割，可以觀察到每個字串之間都有空格，因此使用空格作為分割間隔。str_split可以將字串依據給定的形式分隔，這裡指定當字串遇到”
“的時候就分割。
row_crude_oil <- str_split(row_crude_oil, " ")
row_crude_oil## [[1]]
## [1] "All" "" ":" "" "" "683,120:"
## [7] "" "" "" "74,567" "" ""
## [13] "" "" "67,020" "" "" ""
## [19] "" "74,091" "" "" "" "479,579"
## [25] "" "" "" "465,979" "" ""
## [31] "" "628,237" "" "" "" "607,090:"
## [37] "" "" "" "54,883" "" ""
## [43] "" "" "76,030"row_crude_oil <- unlist(row_crude_oil)
row_crude_oil## [1] "All" "" ":" "" "" "683,120:"
## [7] "" "" "" "74,567" "" ""
## [13] "" "" "67,020" "" "" ""
## [19] "" "74,091" "" "" "" "479,579"
## [25] "" "" "" "465,979" "" ""
## [31] "" "628,237" "" "" "" "607,090:"
## [37] "" "" "" "54,883" "" ""
## [43] "" "" "76,030"順便將分割的內容的list階層移除，就會得到一個有所有元素的字串向量。
在row_crude_oil中選取那些不包含"All", "", ":"的元素，%in%是包含、屬於的意思。[]表示條件，選取符合條件的元素。可以看到在執行完成後，目前只剩下有數字的元素。
row_crude_oil <- row_crude_oil[! row_crude_oil %in% c("All", "", ":")]
row_crude_oil## [1] "683,120:" "74,567" "67,020" "74,091" "479,579" "465,979"
## [7] "628,237" "607,090:" "54,883" "76,030"我們需要進一步將元素內不是數字的部分清除掉，這裡用到str_remove_all，如同名字一樣，他可以移除掉所有符合條件的文字。我們這裡看到要移除的分別是,以及:，也此我們可以設定條件",|:"，|表示或者的意思。在確保元素內都是數字後，就可以使用as.numeric將字串轉換為數字。自此就得到我們想要的數據。
row_crude_oil <- str_remove_all(row_crude_oil, ",|:")
row_crude_oil## [1] "683120" "74567" "67020" "74091" "479579" "465979" "628237" "607090"
## [9] "54883" "76030"row_crode_oil <- as.numeric(row_crude_oil)由於多數商品在命名上的有需要包含的文字，以及同時不要包含的文字，因此我們將這兩種條件先編輯好，方便後去使用function的時候帶入。第一個元素是需要包含的字串，第二個元素是不需要包含的，若無特別不需要包含的字串，我們使用9999999作為代替，因為不會有99999999，str_detect函數會回傳FALSE，而經過相反後為TRUE。
crude_oil_condi <- c("WTI-PHYSICAL|CRUDE OIL, LIGHT SWEET", "E-MINY")
natural_gas_condi <- c("NATURAL GAS|NAT GAS NYME", "E-MINY")
corn_condi <- c("CORN", "9999999")
soybean_condi <- c("SOYBEANS", "MINI SOYBEANS")
sugar_condi <- c("SUGAR NO. 11", "9999999")
wheat_condi <- c("WHEAT", "999999")我們將上述動作合併成一個function，程式名為getrow，就是報告中找出目標的文字，再轉換成數字。而函數中需要放入的參數有report，即要從哪個報告中找，第二個參數是condition，就是篩選資料的條件，每個條件會對應到一個商品。將這些操作合併成一個function的好處是因為我們有多個商品，但執行的動作卻相當類似，因此可以增加效率，並使程式碼更加簡潔。
getrow <- function(report, condition){
index <- str_detect(report, condition[1]) &
!(str_detect(report, condition[2]))
report[which(index) + 10] %>%
str_split(" ") %>%
unlist %>%
.[!(. %in% c("All", ":", ""))] %>%
str_replace_all("[:,]", "") %>%
as.numeric()
}lapply函數可以將參數X依次帶入至FUN指定的函數，接下來的參數就是補充到FUN的參數。這裡的X是很多報告組成的list，而lapply就會將這個list依序帶入函數，也就是將每一份報告代入到getrow函數。最後函數會將每一次帶入的結果合併成一個list。所以現在產出的report_crude_oil是由很多數字向量組成的list。
report_crude_oil <- lapply(X = report_nyme, FUN = getrow, crude_oil_condi)
report_natural_gas <- lapply(report_nyme, getrow, natural_gas_condi)
report_corn <- lapply(report_cbt, getrow, corn_condi)
report_soybean <- lapply(report_cbt, getrow, soybean_condi)
report_wheat <- lapply(report_cbt, getrow, wheat_condi)
report_sugar <- lapply(report_nybt, getrow, sugar_condi)head(report_corn)## [[1]]
## [1] 604517 81565 174000 28868 399972 269866 510405 472734 94112 131783
##
## [[2]]
## [1] 613073 84505 151441 28548 403455 294807 516508 474796 96565 138277
##
## [[3]]
## [1] 631557 80205 194209 30615 420238 265788 531058 490612 100499 140945
##
## [[4]]
## [1] 644934 73589 186076 41383 402070 244588 517042 472047 127892 172887
##
## [[5]]
## [1] 649713 72550 186587 33355 404328 244356 510233 464298 139480 185415
##
## [[6]]
## [1] 657417 73417 187682 37593 405269 246208 516279 471483 141138 185934接著我們想把這個list轉換成data
frame，因為這樣可以更方便操作以及輸出。rbind是將兩個物件以row的方向合併，do.call則是對所有物件進行同樣的操作，因此將這兩個函數合併使用就是將所有物件以row方向合併。as.data.frame則是將物件轉換成data
frame形式。cbind則是將兩個物件以column方向合併。mdy可以將依照month/day/year的字串轉換成日期格式，類似的函數還有很多格式。colnames(df)可以提取df的colnames，接著我們將colnames指定城該資料所代表的變數。為了使操作更加快速，我們把這些操作合併成一個function，所以我們只要將輸入替換成其他商品的報告，就可以達到同樣的效果。
combin <- function(report){
df <- report %>%
do.call(rbind, .) %>%
as.data.frame() %>%
cbind(mdy(day), .)
colnames(df) <- c("Date", "Total_Open_Interest",
"Non-Comercial_Long", "Non-Comercial_Short",
"Non-Comercial_Spreading",
"Comercial_Long", "Comercial_Short",
"Total_Long", "Total_Short",
"Nonreportable_Positions_Long",
"Nonreportable_Positions_Short")
return(df)
}接著把每一個報告結果帶入，所以每個商品都會有一個所有資料的data frame。
df_crude_oil <- combin(report_crude_oil)
df_natural_gas <- combin(report_natural_gas)
df_corn <- combin(report_corn)
df_soybean <- combin(report_soybean)
df_sugar <- combin(report_sugar)
df_wheat <- combin(report_wheat)## Warning in (function (..., deparse.level = 1) : number of columns of result is
## not a multiple of vector length (arg 467)head(df_crude_oil)## Date Total_Open_Interest Non-Comercial_Long Non-Comercial_Short
## 1 2005-01-04 683120 74567 67020
## 2 2005-01-11 707361 79563 70949
## 3 2005-01-18 718813 86451 70526
## 4 2005-01-25 713890 98204 64354
## 5 2005-02-01 734197 100507 69555
## 6 2005-02-08 731161 99003 71446
## Non-Comercial_Spreading Comercial_Long Comercial_Short Total_Long Total_Short
## 1 74091 479579 465979 628237 607090
## 2 90144 488223 478166 657930 639259
## 3 85441 495530 491377 667422 647344
## 4 90677 476155 494844 665036 649875
## 5 96217 492654 507975 689378 673747
## 6 96369 481481 490249 676853 658064
## Nonreportable_Positions_Long Nonreportable_Positions_Short
## 1 54883 76030
## 2 49431 68102
## 3 51391 71469
## 4 48854 64015
## 5 44819 60450
## 6 54308 73097為了將結果合併輸出成excel檔案，我們將這些結果的data
frame合併成一個list，並且可以指定list中每一個元素的名稱。最後使用write.xlsx函數將這個list放入，接著指定輸出的檔名為CFTC Future Price.xlsx。若放入的物件是data
frame，則在excel中會是一張工作表中一個data frame，但若是放入由data
frame組成的list，excel就會呈現很多張工作表，每張工作表一個data
frame。
df <- list(crude_oil = df_crude_oil,
natural_gas = df_natural_gas,
corn = df_corn,
soybean = df_soybean,
sugar = df_sugar,
wheat = df_wheat)write.xlsx(df, "CFTC Future Price.xlsx")