基于R 语言并运用Pearson系数进行相关性分析

1.问题的界定

股价波动的主要原因是股票的供求关系的变化。而使股票的供求关系发生变化的因素，主要来自于以下几个方面：影响股价变动的国内外政治活动以及政府对股市发展的政策、措施、法令等的制定和变化的政治性因素、物价波动与经济景气循环的经济性因素、利率和汇率变化引起的财政金融性因素、公司经营状况变动而造成的公司性因素和因为市场消息导向而形成的市场性因素。这么多的因素变化均能导致股价的波动，或是轻微或是强烈。本文将重点研究市场消息对股价的影响变化程度，在这之前，我们需要能够知道到底哪些市场消息是有效的，哪些无效的。

2.解决思路

为了回答这个问题，需要遍历每个变量并将其都与股价的波动进行相关性分析。在数据集足够大并且计算力足够的情况下不失为一个好办法，但是本文在此希望能够运用小量数据集来推测出股价与特定市场消息的相关性。因此本文将会先以“贵州茅台”这支股价的每日的收盘价为例，将其与“茅台”，“茅台酒”，“茅台股价”和“贵州茅台”这四个关键词的对应当日的百度指数进行相关性分析。由此来找出在这样一个特定的范围中，与股价收盘价最具相关性的因素。

3.变量选择、数据来源说明以及数据整理

对于变量的选择，因为在这里本文将要运用的是Pearson（Pearson相关系数）来进行相关性分析，所以要选择适用于该方法的变量，即符合连续分布或正态分布的变量。而且这个变量又要与股价收盘价这项数据相互独立。因此，本文的自变量将会选择百度指数这个数据分析平台上的数据，它既是符合Pearson要求的连续型变量，其分布当然也是遵循正态分布。至于为何会选择贵州茅台这一支股票呢？原因是贵州茅台是最近的一支牛股，其股价的波动很大并且与其相关的搜索热度很高，其关键词的数据也极为丰富，所以在百度指数上的关键词波动相对于其他的股票的波动较为显著，这更有利于进行相关性分析。作为本文因变量的贵州茅台的股价数据来源于Tushare，Tushare是一个开放的，免费的平台，不带任何商业性质和目的的开源数据平台，其数据内容包含股票、基金、期货、债券、外汇、行业大数据，同时包括了数字货币行情等区块链数据的全数据品类的金融大数据平台，为各类金融投资和研究人员提供适用的数据和工具。作为自变量的关键词：“茅台”、“茅台酒”、“茅台股价”和“贵州茅台”的指数来源于百度指数，百度指数是以百度海量网民行为数据为基础的数据分享平台。在这里，你可以研究关键词关注趋势、洞察网民需求变化、监测媒体舆情趋势、定位数字消费者特征。还可以从行业视角，分析市场特点、洞悉品牌表现。股价数据在Tushare提供的R语言接口中已经整理规范（来张图表），从下图可以看到因为股票的收盘价对应的日期只有周一到周五，而整理出来的百度指数的日期则是每日变化，所以本文利用基姆拉尔森计算公式计算出该百度指数的日期是否是周末，如果是周末则在百度指数的数据框中剔除，以此来保证能够对齐数据，从而方便进行接下来的数据分析。

#通过Tushare获取贵州茅台的股价数据
#获取数据并保存至csv文件

#bar <- Tushare::pro_bar(token = '33a2b0bb445664f8c29f0a921587c9101b3ab50622fbbdf0768abaa2')
#a <- bar(ts_code = "600519.SH", start_date = "20190927", end_date = "20191226")
#write.csv(a,file="stocks.csv")

#从文档中读取数据

#读取茅台的收盘价股价
maotai <- read.csv("stocks.csv",stringsAsFactors = TRUE)
knitr::kable(maotai)

X	ts_code	trade_date	open	high	low	close	pre_close	change	pct_chg	vol	amount
1	600519.SH	20191226	1132.00	1141.98	1119.99	1135.10	1133.70	1.40	0.1235	22877.27	2585997
2	600519.SH	20191225	1143.00	1143.00	1130.01	1133.70	1148.00	-14.30	-1.2456	24305.97	2755735
3	600519.SH	20191224	1153.00	1155.00	1145.00	1148.00	1149.30	-1.30	-0.1131	11823.10	1358536
4	600519.SH	20191223	1139.00	1162.50	1136.00	1149.30	1146.30	3.00	0.2617	25919.18	2981938
5	600519.SH	20191220	1162.18	1162.18	1141.50	1146.30	1157.40	-11.10	-0.9590	23563.84	2703612
6	600519.SH	20191219	1163.00	1163.00	1152.00	1157.40	1168.00	-10.60	-0.9075	19552.30	2262599
7	600519.SH	20191218	1174.00	1175.20	1164.00	1168.00	1169.98	-1.98	-0.1692	19640.09	2295964
8	600519.SH	20191217	1149.70	1173.60	1143.03	1169.98	1147.92	22.06	1.9217	42616.96	4937042
9	600519.SH	20191216	1163.00	1163.00	1137.94	1147.92	1163.00	-15.08	-1.2966	30936.42	3554134
10	600519.SH	20191213	1146.00	1165.00	1146.00	1163.00	1137.00	26.00	2.2867	30000.59	3473928
11	600519.SH	20191212	1156.00	1159.94	1130.08	1137.00	1158.98	-21.98	-1.8965	29409.16	3362700
12	600519.SH	20191211	1168.00	1170.75	1155.55	1158.98	1164.40	-5.42	-0.4655	14567.99	1689988
13	600519.SH	20191210	1159.60	1165.00	1151.00	1164.40	1158.70	5.70	0.4919	15086.58	1749356
14	600519.SH	20191209	1175.00	1176.00	1156.10	1158.70	1170.00	-11.30	-0.9658	21824.12	2543533
15	600519.SH	20191206	1135.97	1170.00	1130.10	1170.00	1129.80	40.20	3.5582	39506.26	4565644
16	600519.SH	20191205	1125.00	1132.01	1118.00	1129.80	1122.33	7.47	0.6656	21338.79	2402503
17	600519.SH	20191204	1140.00	1144.66	1118.00	1122.33	1118.00	4.33	0.3873	35283.08	3980511
18	600519.SH	20191203	1133.00	1133.00	1117.74	1118.00	1133.00	-15.00	-1.3239	27340.93	3066696
19	600519.SH	20191202	1118.20	1140.02	1118.20	1133.00	1129.00	4.00	0.3543	30784.41	3479717
20	600519.SH	20191129	1165.50	1165.50	1112.89	1129.00	1175.80	-46.80	-3.9803	82397.32	9338327
21	600519.SH	20191128	1194.97	1197.51	1169.02	1175.80	1189.95	-14.15	-1.1891	28844.99	3405326
22	600519.SH	20191127	1192.80	1196.62	1184.51	1189.95	1185.00	4.95	0.4177	19848.81	2363840
23	600519.SH	20191126	1186.68	1198.60	1183.00	1185.00	1182.06	2.94	0.2487	40239.61	4794180
24	600519.SH	20191125	1188.05	1194.00	1172.06	1182.06	1194.00	-11.94	-1.0000	38281.75	4518779
25	600519.SH	20191122	1223.00	1229.00	1185.00	1194.00	1231.30	-37.30	-3.0293	47054.28	5677646
26	600519.SH	20191121	1231.00	1235.51	1221.06	1231.30	1233.75	-2.45	-0.1986	19187.39	2356278
27	600519.SH	20191120	1230.00	1239.51	1228.06	1233.75	1232.32	1.43	0.1160	15280.53	1884957
28	600519.SH	20191119	1228.00	1241.61	1225.02	1232.32	1227.28	5.04	0.4107	20623.75	2542106
29	600519.SH	20191118	1225.12	1229.45	1218.00	1227.28	1224.90	2.38	0.1943	18037.66	2204546
30	600519.SH	20191115	1230.00	1232.91	1221.50	1224.90	1230.00	-5.10	-0.4146	16340.72	2003665
31	600519.SH	20191114	1227.00	1240.00	1222.00	1230.00	1224.00	6.00	0.4902	23521.12	2898400
32	600519.SH	20191113	1207.00	1227.80	1200.00	1224.00	1201.60	22.40	1.8642	31977.04	3890667
33	600519.SH	20191112	1204.00	1209.60	1198.21	1201.60	1199.00	2.60	0.2168	19150.55	2303206
34	600519.SH	20191111	1201.50	1206.20	1193.51	1199.00	1205.00	-6.00	-0.4979	17342.46	2082061
35	600519.SH	20191108	1205.00	1215.65	1201.51	1205.00	1201.37	3.63	0.3022	24512.11	2964134
36	600519.SH	20191107	1196.51	1201.88	1189.00	1201.37	1193.00	8.37	0.7016	16167.88	1933204
37	600519.SH	20191106	1197.00	1204.00	1188.88	1193.00	1199.00	-6.00	-0.5004	19737.51	2362005
38	600519.SH	20191105	1199.50	1205.00	1192.00	1199.00	1199.59	-0.59	-0.0492	22254.72	2667596
39	600519.SH	20191104	1190.00	1209.99	1189.00	1199.59	1185.00	14.59	1.2312	26737.98	3209264
40	600519.SH	20191101	1181.00	1191.95	1172.50	1185.00	1180.01	4.99	0.4229	22811.96	2697638
41	600519.SH	20191031	1196.00	1198.00	1176.15	1180.01	1183.80	-3.79	-0.3202	25909.27	3068885
42	600519.SH	20191030	1190.00	1192.70	1176.00	1183.80	1193.00	-9.20	-0.7712	21254.75	2516524
43	600519.SH	20191029	1181.11	1199.96	1177.77	1193.00	1178.29	14.71	1.2484	27803.71	3314272
44	600519.SH	20191028	1166.01	1181.01	1165.00	1178.29	1171.35	6.94	0.5925	22485.99	2644563
45	600519.SH	20191025	1153.30	1172.50	1143.03	1171.35	1150.27	21.08	1.8326	25998.45	3015929
46	600519.SH	20191024	1164.95	1166.00	1147.16	1150.27	1158.91	-8.64	-0.7455	26178.44	3025246
47	600519.SH	20191023	1168.00	1178.00	1156.11	1158.91	1170.80	-11.89	-1.0155	23080.21	2684922
48	600519.SH	20191022	1178.00	1181.50	1163.89	1170.80	1168.50	2.30	0.1968	19309.43	2262188
49	600519.SH	20191021	1171.86	1178.90	1163.30	1168.50	1175.79	-7.29	-0.6200	25274.67	2955024
50	600519.SH	20191018	1179.00	1189.99	1171.69	1175.79	1183.33	-7.54	-0.6372	28291.61	3335011
51	600519.SH	20191017	1176.00	1186.66	1162.50	1183.33	1170.00	13.33	1.1393	30508.70	3578144
52	600519.SH	20191016	1168.00	1187.50	1160.00	1170.00	1211.00	-41.00	-3.3856	59150.59	6935973
53	600519.SH	20191015	1180.00	1215.68	1177.03	1211.00	1180.00	31.00	2.6271	40034.73	4806856
54	600519.SH	20191014	1186.00	1187.66	1170.00	1180.00	1174.60	5.40	0.4597	27187.51	3209363
55	600519.SH	20191011	1157.00	1175.00	1152.21	1174.60	1155.00	19.60	1.6970	28689.25	3343560
56	600519.SH	20191010	1127.00	1158.93	1109.02	1155.00	1146.81	8.19	0.7142	41173.70	4685560
57	600519.SH	20191009	1166.20	1166.20	1135.05	1146.81	1167.10	-20.29	-1.7385	35788.57	4105282
58	600519.SH	20191008	1153.00	1180.00	1152.01	1167.10	1150.00	17.10	1.4870	31045.27	3631091
59	600519.SH	20190930	1163.00	1169.43	1150.00	1150.00	1174.75	-24.75	-2.1068	30825.14	3565989
60	600519.SH	20190927	1164.00	1183.00	1153.00	1174.75	1167.00	7.75	0.6641	22826.61	2671754

plot(maotai$trade_date, maotai$close, pch=20)

#读取百度指数
baidu <- read.csv("baiduindex.csv",stringsAsFactors = TRUE)
knitr::kable(baidu)

num	Maotai	wine	stock	Guizhou	date
1	5795	2180	1034	5723	20191226
2	4881	2046	928	4813	20191225
3	4650	2174	836	4236	20191224
4	5466	2285	1006	5403	20191223
5	4203	1967	389	2777	20191222
6	4121	1763	425	2736	20191221
7	4902	1806	950	3760	20191220
8	5397	1996	1025	4000	20191219
9	6350	2070	1218	4696	20191218
10	6857	2139	1181	5194	20191217
11	5671	2016	1056	4974	20191216
12	3961	1818	400	2230	20191215
13	3871	1853	402	2111	20191214
14	4881	1910	1004	3892	20191213
15	5280	1982	989	3702	20191212
16	5332	2020	1019	4386	20191211
17	4423	1888	890	4405	20191210
18	4574	2008	1005	4730	20191209
19	3597	1916	334	2566	20191208
20	3666	1789	429	2648	20191207
21	4774	1861	1032	4816	20191206
22	4834	1878	1050	4669	20191205
23	5363	2065	1146	5580	20191204
24	4984	1867	1154	5861	20191203
25	5277	1868	1179	6236	20191202
26	3874	1679	432	2729	20191201
27	4207	1864	662	3512	20191130
28	6756	1926	1316	9568	20191129
29	4608	1889	933	4160	20191128
30	4894	1717	1073	4232	20191127
31	5316	1895	1068	5095	20191126
32	5323	2014	970	5542	20191125
33	3874	1685	368	2602	20191124
34	3645	1615	478	2825	20191123
35	4898	1636	1121	5817	20191122
36	4998	1631	1098	5042	20191121
37	4455	1517	1070	4063	20191120
38	4541	1669	1019	4182	20191119
39	4727	1572	996	4405	20191118
40	3621	1352	438	2361	20191117
41	3850	1342	500	2358	20191116
42	4682	1449	1092	4112	20191115
43	5066	1553	1126	4626	20191114
44	5074	1633	1064	4607	20191113
45	5260	1798	1023	3784	20191112
46	7047	2080	1094	4217	20191111
47	3630	1531	351	1923	20191110
48	3406	1497	412	1916	20191109
49	4471	1727	917	4004	20191108
50	4288	1572	878	3697	20191107
51	4483	1700	920	3693	20191106
52	4572	1650	1012	3712	20191105
53	4415	1609	908	3811	20191104
54	3443	1516	338	1626	20191103
55	3559	1578	400	1788	20191102
56	4297	1553	832	3719	20191101
57	4416	1512	899	3957	20191031
58	4495	1639	945	4021	20191030
59	4681	1514	956	3981	20191029
60	5001	1578	950	3902	20191028
61	3494	1271	385	1646	20191027
62	3716	1339	436	1767	20191026
63	4596	1481	875	3804	20191025
64	4813	1614	865	4328	20191024
65	4855	1507	900	3963	20191023
66	4812	1538	849	4036	20191022
67	4855	1574	938	4361	20191021
68	3380	1430	378	1881	20191020
69	3848	1283	390	2057	20191019
70	4958	1461	1066	4448	20191018
71	5477	1648	1098	4465	20191017
72	7074	1670	1516	7096	20191016
73	9716	1886	1945	8583	20191015
74	4841	1452	967	4127	20191014
75	3724	1312	398	1535	20191013
76	4574	1631	582	2453	20191012
77	5198	1550	1045	3862	20191011
78	5470	1589	1076	4153	20191010
79	5752	1710	1009	4146	20191009
80	6509	1844	991	4614	20191008
81	7054	1874	981	4013	20190930
82	6683	1804	1169	4758	20190927

plot(baidu$date, baidu$Maotai, pch=20)

plot(baidu$date, baidu$wine, pch=21)

plot(baidu$date, baidu$stock, pch=22)

plot(baidu$date, baidu$Guizhou, pch=23)

#基姆拉尔森计算公式计算今天是否开盘
Kim_larson <- function(d, m, y){
  if(m == 1|| m == 2) {
    m <- m+12;
    y <- y-1;
  }
  day <- (d + 2*m+floor(3 * (m+1)/5) + y + floor(y/4) - floor(y/100) + floor(y/400))%%7
  (y + y /4 + y / 400 - y / 100 + 2 * m + 3 * (m + 1)/5 + d) %% 7;
  if(day == 5 || day == 6){
    return(day)
  }
  else {
    return(day)
  }
}

#对百度指数的数据进行预处理
for (i in 1:length(baidu$date)) {
  date <- baidu$date[i]
  date%%100  ##得到日期
  dd <- date%%100
  ((date-dd)/100)%%100  ##得到月份
  mm <- ((date-dd)/100)%%100
  (((date-dd)/100)-mm)/100 ##得到年份
  yy <- (((date-dd)/100)-mm)/100
  #调用函数
  date_1 <- Kim_larson(dd, mm, yy)
  if(date_1 == 5 || date_1 == 6){
    #如果这天不是开盘日就先将改日期置为缺省值
    baidu$date[i] <- NA
    baidu$Maotai[i] <- NA
    baidu$wine[i] <- NA
    baidu$stock[i] <- NA
    baidu$Guizhou[i] <- NA
  }
}



#判断是否是缺省值， #na.omit函数可以直接删除值所在的行
date_omit <- baidu$date[!is.na(baidu$date)]
maotai_omit <- baidu$Maotai[!is.na(baidu$Maotai)]
wine_omit <- baidu$wine[!is.na(baidu$wine)]
stock_omit <- baidu$stock[!is.na(baidu$stock)]
guizhou_omit <- baidu$Guizhou[!is.na(baidu$Guizhou)]

#将数据对齐之后加入到数据框——data中
data = data.frame(
  maotai = maotai_omit, wine = wine_omit, stock = stock_omit, guizhou = guizhou_omit, date = date_omit)

#插入股价的收盘价到数据框中
data$price <- maotai$close

4.分析过程和结果

本文的分析过程将分为以下三个步骤： ① 分析设计，要对这些数据进行相关性分析就要找到一个明确有效的方法，而Peason相关性分析就是这样一个前人提出并验证过的方法，Pearson能够对股价和每日指数这样的连续变量、符合正态分布的变量进行分析的有效方法。 ② 数据分析，本文要逐个对不同的自变量（百度指数）与因变量（股价的收盘价）进行检验分析，分析这些变量与股价的相关性是是显著还是不明显，是轻微还是强烈。所以，第一步就是要设定一个零假设（Null HyPothesis）：记作H0，以及一个对立假设（Alternative HyPothesis）：记作H1。如果能够证明零假设错误那么就能推断出对立假设是成立，即百度指数的变化是与股价的波动有一定的关系，至于关系程度有多大，让来看看接下来的分析！

本文提出的零假设以及对立假设： H0：百度指数与股价的波动是没有关系的 H1：百度指数与股价的波动是有关系的

接下来开始计算Pearson相关系数，这个概念的定义：这是一个衡量两个数据集合是否在一条线上的系数，即这两对连续变量之间的线性关系有多大。通常情况下通过以下取值范围判断变量的相关强度：相关系数r在0.8-1.0之间是代表着有极强相关性，在0.6-0.8之间是强相关，在0.4-0.6之间是中等程度相关，在0.2-0.4之间是弱相关，在0.0-0.2之间是极弱相关或无相关

本文运用了三种方法进行r值的计算，第一个是直接按照公式设置分子和分母，计算出相关系数r；第二个是直接运用R语言提供的cor函数计算得到r值，第三个是运用R语言提供的chart.Correlation函数计算得到r值

对于变量的选择，因为在这里本文将要运用的是Pearson（Pearson相关系数）来进行相关性分析，所以要选择适用于该方法的变量，即符合连续分布或正态分布的变量。而且这个变量又要与股价收盘价这项数据相互独立。因此，本文的自变量将会选择百度指数这个数据分析平台上的数据，它既是符合Pearson要求的连续型变量，其分布当然也是遵循正态分布。至于为何会选择贵州茅台这一支股票呢？原因是贵州茅台是最近的一支牛股，其股价的波动很大并且与其相关的搜索热度很高，其关键词的数据也极为丰富，所以在百度指数上的关键词波动相对于其他的股票的波动较为显著，这更有利于进行相关性分析。作为本文因变量的贵州茅台的股价数据来源于Tushare，Tushare是一个开放的，免费的平台，不带任何商业性质和目的的开源数据平台，其数据内容包含股票、基金、期货、债券、外汇、行业大数据，同时包括了数字货币行情等区块链数据的全数据品类的金融大数据平台，为各类金融投资和研究人员提供适用的数据和工具。作为自变量的关键词：“茅台”、“茅台酒”、“茅台股价”和“贵州茅台”的指数来源于百度指数，百度指数是以百度海量网民行为数据为基础的数据分享平台。在这里，你可以研究关键词关注趋势、洞察网民需求变化、监测媒体舆情趋势、定位数字消费者特征。还可以从行业视角，分析市场特点、洞悉品牌表现。股价数据在Tushare提供的R语言接口中已经整理规范（来张图表），从下图可以看到因为股票的收盘价对应的日期只有周一到周五，而整理出来的百度指数的日期则是每日变化，所以本文利用基姆拉尔森计算公式计算出该百度指数的日期是否是周末，如果是周末则在百度指数的数据框中剔除，以此来保证能够对齐数据，从而方便进行接下来的数据分析。

那么现在新的问题又来了，这个基于少部分样本得到的r值到底能不能代表总体的相关系数（P值）呢？即试判断通过这个样本计算出来的相关系数与总体的相关系数之间是否存在显著性差异？回答这个问题之前，我们需要知道影响这个问题的答案有两种解释，一、如果是因为抽样时出现偶然误差，我们会相信零假设是正确的；二、是因为我们设定的这个零假设本身就是错误，即对立假设才是成立的。所以，本文将用双尾显著性检验来推论这两个系数之间是否有显著性差异，即这个差异发生是否显著。P值越大，说明我们目前不接受零假设的概率越大，也就是要接受H1的概率越大。在原来传统的方法中：要进行T值检验就要先通过公式计算出T值和自由度（df值）然后根据T值表和df查到对应的T(df)0.05的值，如果现在计算出来的T值能比这个查到的值要大就证明原假设(零假设)不成立，即通过即百度指数和股价的波动是有关的。当然，跟上述的r值一样我们也能在R语言中也能找到现成的函数来完成P值的计算在这里我们运用cor.test()函数来帮助我们计算得到P值，从下面可以看出cor.test()函数不仅能算出显著性P值，还能给出置信区间[a, b]（默认显著性水平是0.05，P值只要在a与b之间就可以说我们 95％确信实际上总体的相关系数也是这个值）

从该图的对角线我们能够得到数据的分布图；下三角是具有拟合线的双变量散点图上三角显示的是相关系数以及显著性水平。其中，、和分别表示1%、5%和10%的显著性水平。

#下面进入参数的相关性分析
#循环比较百度指数的每个变量与股票收盘价的相关系数
#样本总数为60
n <- nrow(data)
for (i in 1:4) {
  #r的计算
  #data第1列为关键词——“茅台”的百度指数，第二列为“茅台酒”，第三列为“茅台g股价”，第四列为“贵州茅台”
  x <- data[,i]
  #data第6列为的当天的股票——贵州茅台的收盘价
  y <- data[,6]
  #按照公式设置分子
  numerator <- (n * sum(x * y) - sum(x) * sum(y))
  #按照公式设置分母
  denominator <- (sqrt(n * sum(x ^ 2) - sum(x) ^ 2) * sqrt(n * sum(y ^ 2) - sum(y) ^ 2))
  #计算出相关系数r
  r <- numerator / denominator
  print(r)
  #计算检验的统计量：
  t <- r * (sqrt(n - 2)) / sqrt(1 - r ^ 2)
  print(t)
}

## [1] -0.126346
## [1] -0.9699959
## [1] -0.5249842
## [1] -4.697573
## [1] 0.06703575
## [1] 0.5116801
## [1] -0.2256669
## [1] -1.764134

#当然也可以用R语言自带的Pearson相关系数的计算函数，这里使用的方法默认是Pearson的方法
data$date <- NULL  ##删除时间列
data_corr <- cor(data[1:5])

for (i in 1:4) {
  print(cor.test(x = data[,i], y = data[,5]))
}

## 
##  Pearson's product-moment correlation
## 
## data:  data[, i] and data[, 5]
## t = -0.97, df = 58, p-value = 0.3361
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.3684500  0.1318074
## sample estimates:
##       cor 
## -0.126346 
## 
## 
##  Pearson's product-moment correlation
## 
## data:  data[, i] and data[, 5]
## t = -4.6976, df = 58, p-value = 1.66e-05
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.6872889 -0.3127513
## sample estimates:
##        cor 
## -0.5249842 
## 
## 
##  Pearson's product-moment correlation
## 
## data:  data[, i] and data[, 5]
## t = 0.51168, df = 58, p-value = 0.6108
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.1901253  0.3155885
## sample estimates:
##        cor 
## 0.06703575 
## 
## 
##  Pearson's product-moment correlation
## 
## data:  data[, i] and data[, 5]
## t = -1.7641, df = 58, p-value = 0.08298
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.45359924  0.02997551
## sample estimates:
##        cor 
## -0.2256669

#由于corrplot有自带的相关系数矩阵的可视化方法
library(corrplot)

## corrplot 0.84 loaded

#生成cor系数矩阵，在这里使用上三角为圆形，下三角为数字的可视化方案
corrplot(corr=data_corr, order="AOE", type="upper", tl.pos = "d")
corrplot(corr=data_corr, add=T, type="lower", method = "number", order = "AOE", diag = F, tl.pos = "n", cl.pos = "n")

#计算r值并可视化的另一个方法，利用PerformanceAnalytics这个包
library(PerformanceAnalytics)

## Loading required package: xts

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

## Registered S3 method overwritten by 'xts':
##   method     from
##   as.zoo.xts zoo

## 
## Attaching package: 'PerformanceAnalytics'

## The following object is masked from 'package:graphics':
## 
##     legend

chart.Correlation(data, method = "pearson")

表格数据：

knitr::kable(data_corr)

	maotai	wine	stock	guizhou	price
maotai	1.0000000	0.3872217	0.7991704	0.6321336	-0.1263460
wine	0.3872217	1.0000000	0.1800265	0.3375799	-0.5249842
stock	0.7991704	0.1800265	1.0000000	0.7726827	0.0670358
guizhou	0.6321336	0.3375799	0.7726827	1.0000000	-0.2256669
price	-0.1263460	-0.5249842	0.0670358	-0.2256669	1.0000000

5.得到的结论

一、在百度指数关键词“茅台”、“茅台酒”、“茅台股价”和“贵州茅台”的样本量只有三个月的量的基础上，这些关键词与当天对应的贵州茅台的收盘价呈微弱关系或者没有关系，

二、Pearson相关系数分析只能确定两变量之间是否存在相互关系，并不能确定方向性，接下来需要做回归分析才能保证方向性的关系是否显著。另外，Pearson相关系数分析不适用与小的或者非常稀疏的数据集，从本文的整理出来的散点图就可以看出来本文的数据非常分散。最后，Pearson系数几乎只适合描述两组数据之间的变化趋势。

三、双尾显著性检验的检验目的是检验抽样的样本统计量的参数与实际总体参数的差是否过大（无论正方向，还是负方向），把风险分摊到左右两侧。比如在本文中设置的显著性水平为5%，则概率曲线的左右两侧各占2.5%，也就是95%的置信区间。

四、希望和寄语虽然这个相关性研究并没有得到期望的相关性结论，但是本文在此希望这个基础的步骤能成为在以后要进行的对股价涨跌分析预测的庞大工程的关键一步，也希望这样基础的研究能给以后的研究提供些许帮助，感谢！