#--------------------------------------------------
#DOWNLOAD DATA, LOAD NEEDED PACKAGES
#--------------------------------------------------
#1. Download the data file 'hist_prices_df.rds' as your data set.
#This data set includes daily closing prices for all listed stocks in Taiwan stock market from 1999 to 2017.
#You can use 'readRDS('hist_prices_df.rds')' to import the data.
#rm(list= ls())
hist_prices_df <- readRDS("~/FINAL_PROJECT_IPA/hist_prices_df.rds")
data <- hist_prices_df
head(data)
## date 1101 1102 1103 1104 1108 1109 1110 1201 1203 1204 1206 1207
## 1 19990105 9.06 6.14 9.85 4.53 7.85 9.09 6.73 13.89 12.22 79.64 36.7 27.83
## 2 19990106 9.06 6.01 9.65 4.39 7.63 8.89 6.73 14.81 12.03 78.18 34.2 27.83
## 3 19990107 9.27 6.01 10.12 4.58 7.88 8.94 7.20 15.83 12.69 83.64 36.5 27.97
## 4 19990108 9.13 5.86 10.33 4.51 7.80 8.75 7.36 16.85 12.55 89.09 39.0 27.83
## 5 19990111 8.93 5.73 10.12 4.34 7.58 8.70 7.20 17.96 12.42 85.09 41.7 27.97
## 6 19990112 8.89 5.53 9.92 4.21 7.27 8.60 6.98 19.17 12.22 83.64 40.2 27.83
## 1209 1210 1212 1213 1215 1216 1217 1218 1219 1220 1221 1222 1225 1227
## 1 13.25 2.75 14.25 24.09 4.99 7.03 13.52 8.41 5.94 9.36 7.41 53.48 8.04 6.20
## 2 13.10 2.74 14.20 23.95 5.03 6.85 13.19 8.57 6.25 9.36 7.70 53.27 8.19 6.26
## 3 13.45 2.81 14.35 25.61 5.32 7.01 13.52 9.15 6.50 9.66 8.23 55.49 8.73 6.67
## 4 13.45 2.82 14.80 26.43 5.21 6.91 13.52 9.77 6.69 9.59 8.78 54.28 9.31 6.43
## 5 13.45 2.82 15.20 26.64 5.36 6.73 13.44 10.43 7.12 10.19 8.98 57.50 9.92 6.43
## 6 13.35 2.80 14.95 26.78 5.25 6.63 13.52 11.13 6.62 9.66 8.46 56.29 9.35 6.26
## 1228 1229 1230 1231 1232 1233 1234 1235 1236 1256 1262 1301 1303 1304
## 1 NA 5.26 NA 13.19 3.45 6.40 NA 4.85 3.57 NA NA 10.13 9.54 5.52
## 2 NA 5.26 NA 12.87 3.47 6.20 NA 4.85 3.47 NA NA 10.36 9.68 5.28
## 3 NA 5.44 NA 12.55 3.63 6.50 NA 5.18 3.62 NA NA 11.07 10.15 5.40
## 4 NA 5.38 NA 12.40 3.63 6.57 NA 5.16 3.59 NA NA 11.05 9.87 5.28
## 5 NA 5.35 NA 13.04 3.87 6.47 NA 5.06 3.57 NA NA 11.02 9.82 5.49
## 6 NA 5.26 NA 12.40 3.91 6.40 NA 4.82 3.49 NA NA 10.95 9.77 5.28
## 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1319
## 1 9.60 41.56 3.18 6.65 14.63 14.51 16.50 10.14 5.42 9.92 7.12 29.35 11.26
## 2 9.60 38.67 3.16 6.38 14.44 14.25 16.65 10.00 5.25 9.59 6.72 29.92 10.62
## 3 9.98 40.11 3.29 6.83 15.26 14.77 17.49 10.48 5.59 10.15 7.16 31.06 11.22
## 4 10.25 38.96 3.29 6.65 15.26 14.62 17.25 10.62 5.62 10.20 7.42 32.49 11.98
## 5 10.25 38.09 3.26 6.67 15.45 15.45 17.20 10.89 5.69 9.92 7.31 32.77 12.42
## 6 10.32 36.36 3.24 6.59 15.33 15.55 17.10 10.89 5.73 9.81 7.16 32.35 11.94
## 1321 1323 1324 1325 1326 1337 1338 1339 1340 1402 1409 1410 1413 1414
## 1 NA 3.92 9.43 NA 6.36 NA NA NA NA 6.63 7.02 20.53 34.63 12.67
## 2 NA 3.89 9.85 NA 6.43 NA NA NA NA 6.84 7.25 19.13 34.50 12.67
## 3 NA 3.98 9.99 NA 6.61 NA NA NA NA 6.94 7.74 19.87 36.85 13.55
## 4 NA 3.96 9.99 NA 6.64 NA NA NA NA 6.99 7.74 19.63 37.41 14.12
## 5 NA 3.89 9.79 NA 6.50 NA NA NA NA 6.78 7.45 19.54 36.57 13.81
## 6 NA 3.72 9.34 NA 6.34 NA NA NA NA 6.94 7.38 20.12 35.74 13.24
## 1416 1417 1418 1419 1423 1431 1432 1434 1435 1436 1437 1438 1439
## 1 11.59 13.36 74.57 21.85 7.64 12.05 43.12 5.72 12.30 13.44 20.31 15.09 9.59
## 2 11.72 12.63 74.31 22.28 8.16 11.75 42.69 5.75 12.50 13.31 20.88 15.00 10.24
## 3 12.52 13.11 76.93 23.82 8.73 12.55 45.49 6.00 13.35 14.24 22.31 15.63 10.89
## 4 13.39 13.62 76.93 24.84 8.99 13.40 45.06 5.94 13.70 15.17 23.26 15.72 11.16
## 5 13.66 13.28 75.36 24.33 8.64 14.30 44.63 5.75 13.70 15.70 22.50 15.63 10.89
## 6 12.86 12.68 72.74 22.71 8.29 14.15 43.98 5.69 13.70 14.90 21.83 15.45 10.67
## 1440 1441 1442 1443 1444 1445 1446 1447 1449 1450 1451 1452 1453
## 1 7.03 42.00 55.35 21.19 5.81 9.37 25.48 7.38 142.67 28.91 27.15 8.85 63.92
## 2 7.12 42.00 51.51 21.19 5.81 9.18 25.48 7.51 140.23 28.55 27.33 8.80 63.92
## 3 7.55 43.95 51.70 22.62 6.21 9.32 26.82 8.00 145.12 29.50 26.78 9.21 65.43
## 4 7.40 43.06 51.89 23.44 6.34 9.47 26.82 8.06 144.30 29.26 26.42 9.16 64.22
## 5 7.34 42.17 51.12 23.54 6.18 9.27 26.82 7.69 145.12 28.55 26.05 8.94 68.46
## 6 7.12 42.35 50.36 23.23 6.00 9.03 26.44 8.00 141.04 27.84 25.68 8.80 65.43
## 1454 1455 1456 1457 1459 1460 1463 1464 1465 1466 1467 1468 1469 1470
## 1 8.78 6.50 155.47 18.86 6.07 14.91 7.33 14.37 8.02 38.57 7.16 NA NA NA
## 2 8.51 6.07 156.77 18.86 5.79 15.02 7.43 13.96 7.73 35.97 7.16 NA NA NA
## 3 8.78 6.50 162.00 19.99 6.03 15.35 7.73 13.96 7.49 33.49 7.20 NA NA NA
## 4 8.74 6.54 159.39 20.27 5.92 15.18 7.78 14.01 7.38 31.16 7.27 NA NA NA
## 5 8.60 6.30 155.47 19.89 5.79 14.85 7.58 13.70 7.29 33.22 7.27 NA NA NA
## 6 8.55 6.25 152.86 19.52 5.79 14.96 7.63 13.65 6.89 31.02 7.16 NA NA NA
## 1471 1472 1473 1474 1475 1476 1477 1503 1504 1505 1506 1507 1510 1512
## 1 NA NA NA NA 368.81 NA NA 18.73 9.79 29.3 13.35 12.94 20.28 11.30
## 2 NA NA NA NA 366.98 NA NA 18.16 9.79 29.0 12.48 12.94 20.64 10.94
## 3 NA NA NA NA 366.98 NA NA 19.16 10.05 30.3 13.35 13.26 21.87 10.88
## 4 NA NA NA NA 361.47 NA NA 19.16 9.98 28.7 14.23 13.10 21.73 11.24
## 5 NA NA NA NA 359.64 NA NA 18.92 9.79 28.6 15.17 13.30 21.73 10.94
## 6 NA NA NA NA 357.80 NA NA 18.45 9.83 27.7 16.17 13.02 21.29 10.82
## 1513 1514 1515 1516 1517 1519 1520 1521 1522 1523 1524 1525 1526
## 1 4.32 9.92 36.20 341.84 22.37 12.09 11.86 10.61 14.06 13.34 10.83 NA NA
## 2 4.52 9.81 37.45 318.22 22.37 12.11 11.66 10.61 13.68 12.41 10.91 NA NA
## 3 4.58 10.07 38.39 296.86 22.37 12.17 11.66 10.58 13.93 12.92 10.96 NA NA
## 4 4.49 10.11 38.08 288.99 22.00 12.11 11.37 10.58 13.56 13.23 11.62 NA NA
## 5 4.35 9.88 38.08 306.98 22.00 12.17 11.07 10.75 14.06 13.13 11.25 NA NA
## 6 4.38 9.28 38.70 306.98 21.81 12.11 11.37 10.72 14.06 13.03 11.21 NA NA
## 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540
## 1 NA 9.62 14.62 6.02 NA 3.43 NA 14.74 NA NA NA NA NA NA
## 2 NA 9.57 14.75 5.65 NA 3.50 NA 15.25 NA NA NA NA NA NA
## 3 NA 9.78 14.94 5.94 NA 3.52 NA 15.25 NA NA NA NA NA NA
## 4 NA 10.01 14.81 5.94 NA 3.54 NA 15.20 NA NA NA 35.89 NA NA
## 5 NA 9.90 14.42 5.71 NA 3.50 NA 15.25 NA NA NA 36.11 NA NA
## 6 15.65 9.92 14.42 5.59 NA 3.50 NA 15.15 NA NA NA 36.04 NA NA
## 1541 1558 1560 1568 1582 1583 1589 1590 1592 1598 1601 1602 1603 1604 1605
## 1 NA NA NA NA NA NA NA NA NA NA 30.0 14.70 13.21 27.29 7.03
## 2 NA NA NA NA NA NA NA NA NA NA 27.9 14.70 12.34 26.43 7.08
## 3 NA NA NA NA NA NA NA NA NA NA 26.1 15.50 13.16 26.75 7.40
## 4 NA NA NA NA NA NA NA NA NA NA 26.8 15.66 14.03 26.97 7.42
## 5 NA NA NA NA NA NA NA NA NA NA 25.4 15.26 14.96 26.43 7.66
## 6 NA NA NA NA NA NA NA NA NA NA 24.6 15.10 15.43 26.21 7.58
## 1606 1608 1609 1611 1612 1613 1614 1615 1616 1617 1618 1626 1701 1702
## 1 10.46 7.01 5.23 7.34 7.18 20.04 7.58 6.41 11.23 12.04 14.33 NA 8.82 7.61
## 2 9.99 6.82 5.31 7.34 7.18 20.12 7.53 6.27 10.91 12.30 14.39 NA 8.67 7.61
## 3 10.59 7.11 5.47 7.19 7.33 20.55 7.77 6.60 10.18 12.64 14.65 NA 9.22 8.10
## 4 10.64 7.06 5.50 7.19 7.36 20.63 7.63 6.56 10.41 12.56 15.00 NA 9.32 8.06
## 5 10.64 6.96 5.50 7.15 7.47 20.46 7.63 6.71 9.72 12.43 15.03 NA 9.12 7.87
## 6 10.36 6.84 5.34 6.88 7.40 20.04 7.58 6.60 9.12 12.30 15.13 NA 9.12 7.61
## 1704 1707 1708 1709 1710 1711 1712 1713 1714 1715 1716 1717 1718 1720
## 1 5.91 8.27 6.55 5.65 5.04 9.63 4.28 11.59 8.85 4.44 32.25 5.58 5.00 11.58
## 2 6.05 8.50 6.30 5.72 5.04 9.45 4.18 11.89 9.29 4.18 31.64 5.52 4.94 11.63
## 3 6.45 8.94 6.64 5.80 5.34 9.92 4.39 12.55 9.29 4.33 31.23 5.57 5.28 11.95
## 4 6.48 8.72 6.69 5.80 5.29 9.78 4.51 12.80 9.29 4.36 31.23 5.57 5.34 12.09
## 5 6.48 8.89 6.67 5.70 5.26 9.60 4.35 12.70 9.57 4.27 31.23 5.49 5.17 12.03
## 6 6.54 8.72 6.39 5.78 5.26 9.35 4.37 12.30 9.78 4.22 30.83 5.45 5.08 12.15
## 1721 1722 1723 1724 1725 1726 1727 1729 1730 1731 1732 1733 1734 1735
## 1 17.79 19.86 5.87 11.09 4.15 22.44 NA NA NA 9.74 NA NA NA NA
## 2 17.55 19.54 6.18 11.09 4.26 22.44 NA NA NA 9.74 NA NA NA NA
## 3 18.77 20.25 6.37 11.52 4.37 22.59 NA NA NA 9.78 NA NA NA NA
## 4 20.07 20.05 6.30 11.77 4.35 22.44 NA NA NA 9.70 NA NA NA NA
## 5 21.45 19.50 6.16 11.46 4.30 22.30 NA NA NA 9.74 NA NA NA NA
## 6 21.69 18.91 5.95 11.21 4.30 21.72 NA NA NA 9.70 NA NA NA NA
## 1736 1737 1762 1773 1776 1783 1786 1789 1802 1805 1806 1808 1809 1810
## 1 NA NA NA NA NA NA NA NA 10.24 230.79 34.93 28.90 13.40 12.66
## 2 NA NA NA NA NA NA NA NA 10.37 242.63 34.84 26.90 13.33 12.66
## 3 NA NA NA NA NA NA NA NA 10.48 258.90 34.84 26.57 13.20 13.41
## 4 NA NA NA NA NA NA NA NA 10.37 267.78 34.75 27.07 13.14 13.41
## 5 NA NA NA NA NA NA NA NA 10.31 270.74 34.75 26.23 13.14 13.24
## 6 NA NA NA NA NA NA NA NA 10.13 260.38 34.48 26.06 13.14 12.66
## 1817 1902 1903 1904 1905 1906 1907 1909 2002 2005 2006 2007 2008 2009
## 1 NA 17.27 72.42 4.36 6.60 9.89 4.50 3.43 3.53 36.9 4.97 22.86 16.19 5.36
## 2 NA 18.21 70.27 4.45 6.57 10.07 4.48 3.43 3.53 36.9 4.97 21.75 15.27 5.28
## 3 NA 19.23 69.85 4.64 6.90 10.42 4.74 3.55 3.57 36.9 5.24 23.17 15.92 5.55
## 4 NA 19.06 68.99 4.57 6.87 10.42 4.66 3.57 3.51 36.9 5.30 24.75 16.72 5.65
## 5 NA 19.23 67.70 4.76 7.07 10.48 4.74 3.70 3.49 36.9 5.30 24.59 16.08 5.60
## 6 NA 18.38 63.85 4.64 6.92 10.07 4.50 3.57 3.36 36.9 5.27 23.33 15.11 5.39
## 2010 2012 2013 2014 2015 2016 2017 2019 2020 2022 2023 2024 2025 2027
## 1 2.93 8.55 7.11 5.53 3.16 NA 11.29 17.1 2.89 12.74 3.23 11.18 10.87 3.96
## 2 2.86 8.87 7.26 5.44 3.19 NA 10.51 17.1 2.98 13.17 3.09 11.18 10.96 3.93
## 3 2.97 9.32 7.64 5.80 3.42 NA 10.97 17.1 3.18 14.03 3.24 11.91 11.32 3.96
## 4 2.96 9.35 8.02 6.11 3.59 NA 11.68 17.3 3.39 14.97 3.39 12.71 11.14 3.98
## 5 2.96 9.38 8.54 6.07 3.54 NA 12.47 17.4 3.62 15.97 3.53 12.83 10.96 3.96
## 6 2.89 9.29 8.54 5.71 3.45 NA 12.01 17.8 3.70 15.97 3.39 12.16 10.87 3.93
## 2028 2029 2030 2031 2032 2033 2034 2038 2049 2058 2059 2062 2069 2101 2102
## 1 29.89 5.67 4.62 2.49 3.64 6.40 NA NA NA 6.33 NA NA NA 23.31 16.63
## 2 27.86 5.80 4.66 2.42 3.62 6.14 NA NA NA 6.19 NA NA NA 23.31 15.64
## 3 27.35 5.89 4.81 2.42 3.62 6.11 NA NA NA 6.61 NA NA NA 24.46 16.70
## 4 27.23 5.96 4.90 2.50 3.57 6.01 NA NA NA 7.04 NA NA NA 23.75 17.07
## 5 27.86 5.83 4.92 2.49 3.46 6.01 NA NA NA 7.04 NA NA NA 23.46 17.07
## 6 26.85 5.83 4.81 2.41 3.32 5.96 NA NA NA 6.80 NA NA NA 23.03 16.59
## 2103 2104 2105 2106 2107 2108 2109 2114 2115 2201 2202 2204 2206 2207
## 1 4.73 9.89 4.68 7.64 12.75 5.17 20.06 NA NA 20.22 8.04 19.83 15.91 11.95
## 2 4.78 10.57 4.84 7.64 12.70 5.20 19.94 NA NA 20.35 7.72 20.00 16.08 11.76
## 3 5.00 11.24 4.98 7.97 13.40 5.18 20.06 NA NA 20.86 8.08 20.34 16.44 11.80
## 4 4.97 11.24 4.98 8.05 13.49 5.11 20.00 NA NA 20.73 8.00 19.66 16.66 11.88
## 5 4.83 12.02 4.95 8.08 13.10 4.98 19.70 NA NA 20.31 7.88 19.33 16.71 11.50
## 6 4.83 12.52 4.99 8.01 12.95 5.02 19.28 NA NA 20.26 7.60 18.99 16.57 11.38
## 2208 2227 2228 2231 2236 2239 2243 2301 2302 2303 2305 2306 2308 2310
## 1 NA NA NA NA NA NA NA 4.58 80.00 12.02 42.03 21.33 15.32 31.92
## 2 NA NA NA NA NA NA NA 4.58 77.80 12.42 40.48 22.23 15.63 31.44
## 3 NA NA NA NA NA NA NA 4.88 78.72 13.28 43.15 23.50 15.70 31.92
## 4 NA NA NA NA NA NA NA 4.99 79.63 13.72 44.48 23.50 15.32 31.68
## 5 NA NA NA NA NA NA NA 5.01 79.26 14.30 44.48 23.80 15.55 30.96
## 6 NA NA NA NA NA NA NA 5.09 77.43 14.30 44.48 23.92 15.55 32.39
## 2311 2312 2313 2314 2315 2316 2317 2318 2319 2321 2322 2323 2324
## 1 8.97 10.18 78.10 38.68 15.72 32.90 7.05 37.91 34.68 20.98 31.18 21.62 10.94
## 2 9.15 10.30 75.80 41.25 15.85 33.60 7.05 39.07 33.81 20.98 30.01 21.77 10.94
## 3 9.76 10.52 75.04 43.02 16.06 33.84 7.13 40.43 36.05 21.55 31.48 22.56 11.10
## 4 10.20 10.52 73.12 42.37 16.03 32.90 7.13 40.43 36.05 21.74 31.48 22.09 10.94
## 5 10.56 10.32 73.12 42.21 15.68 32.66 7.45 41.02 36.29 21.46 32.65 22.56 10.94
## 6 10.38 10.28 73.51 42.86 15.92 33.13 7.61 40.82 37.79 21.74 32.50 23.03 10.94
## 2325 2327 2328 2329 2330 2331 2332 2333 2334 2335 2336 2337 2338
## 1 11.86 60.85 9.95 63.54 10.85 10.02 15.40 47.19 23.5 38.22 15.76 29.59 11.22
## 2 12.18 56.60 9.27 64.17 11.25 10.18 15.93 47.19 23.4 37.95 16.53 30.90 11.43
## 3 12.92 58.02 9.85 67.29 11.96 10.35 16.15 48.73 25.0 39.33 17.34 32.55 11.78
## 4 13.24 58.80 10.11 68.96 12.12 11.00 15.62 48.05 25.9 39.33 17.52 33.74 11.91
## 5 13.78 55.03 10.16 71.88 12.76 11.74 15.51 48.39 25.7 39.47 17.43 34.80 12.68
## 6 13.56 52.67 10.06 70.42 12.76 11.99 15.93 47.54 25.4 40.30 17.29 33.98 12.44
## 2339 2340 2342 2343 2344 2345 2347 2348 2349 2350 2351 2352
## 1 20.97 29.14 1335.61 21.07 22.03 10.27 13.45 3650.93 35.32 24.54 11.54 13.84
## 2 21.13 28.08 1399.00 21.98 23.24 10.44 13.45 3402.81 35.02 24.73 11.30 14.07
## 3 22.61 28.61 1475.97 22.36 24.52 10.82 13.59 3633.21 35.47 25.10 11.79 14.61
## 4 23.26 28.88 1557.46 21.98 25.60 10.92 13.26 3881.33 35.02 25.10 12.08 14.71
## 5 24.41 29.14 1652.54 21.98 27.35 10.71 13.45 4147.17 36.37 25.29 12.45 14.71
## 6 23.67 29.67 1657.07 22.75 28.23 11.24 13.45 4218.06 36.52 25.85 12.20 14.81
## 2353 2354 2355 2356 2357 2358 2359 2360 2361 2362 2363 2364
## 1 11.66 6.36 10.58 14.96 120.59 563.22 18.59 12.87 80.09 10.94 41.67 145.16
## 2 11.86 6.36 10.40 14.96 119.76 587.11 18.87 12.63 79.70 10.90 43.16 145.16
## 3 12.06 6.50 10.58 15.25 121.41 628.07 20.17 12.95 85.27 11.64 44.65 151.93
## 4 11.96 6.42 10.75 14.78 119.35 628.07 21.13 12.79 90.85 11.78 43.90 151.55
## 5 11.96 6.48 10.58 14.96 120.59 621.24 20.86 12.95 90.06 12.08 44.27 149.67
## 6 12.17 6.93 10.58 14.90 121.82 634.90 21.27 12.95 88.86 11.71 46.88 143.66
## 2365 2366 2367 2368 2369 2370 2371 2373 2374 2375 2376 2377 2378
## 1 5.70 11.07 20.19 24.08 13.36 15.65 53.55 31.63 5.72 84.51 18.71 9.97 33.74
## 2 5.68 11.20 18.89 23.32 13.32 15.56 56.27 30.87 5.46 84.51 18.40 9.69 35.00
## 3 6.07 11.65 18.57 24.08 14.22 15.65 56.81 32.11 5.72 83.77 18.71 9.72 35.76
## 4 6.38 11.65 18.40 23.62 14.40 15.46 59.90 31.84 5.75 83.77 18.40 9.79 35.76
## 5 6.38 11.54 18.24 23.93 15.40 15.22 58.99 31.56 5.66 83.58 18.55 9.90 35.51
## 6 6.23 11.71 18.08 23.47 15.05 15.41 59.54 31.49 5.55 81.91 18.40 10.11 34.00
## 2379 2380 2382 2383 2384 2385 2386 2387 2388 2389 2390 2391 2392
## 1 10.33 19.21 NA 6.80 13.60 6.74 22.18 NA NA 19.71 26.40 13.39 NA
## 2 10.40 19.28 NA 6.68 13.91 6.32 23.25 NA NA 19.54 26.05 13.39 NA
## 3 10.59 19.21 NA 6.92 14.06 6.34 24.56 NA NA 19.54 26.40 13.62 NA
## 4 10.27 19.21 21.22 6.83 14.91 6.35 26.23 NA NA 20.23 26.76 13.95 NA
## 5 10.15 19.48 22.70 7.01 14.22 6.21 27.19 NA NA 20.75 26.40 14.84 NA
## 6 9.96 19.42 24.29 6.86 14.45 5.86 25.40 NA NA 20.75 26.23 14.62 NA
## 2393 2394 2395 2397 2398 2399 2401 2402 2403 2404 2405 2406 2408 2409
## 1 10.02 NA NA NA NA 16.40 20.20 NA NA 5.95 16.45 NA NA NA
## 2 9.83 NA NA NA NA 16.27 19.85 NA NA 5.79 16.14 NA NA NA
## 3 9.83 NA NA NA NA 17.09 20.20 NA NA 5.68 16.29 NA NA NA
## 4 9.73 NA NA NA NA 16.95 20.20 NA NA 5.79 16.14 NA NA NA
## 5 9.05 NA NA NA NA 16.95 19.85 NA NA 5.68 15.82 NA NA NA
## 6 8.58 NA NA NA NA 16.81 19.85 NA NA 5.68 15.79 NA NA NA
## 2411 2412 2413 2414 2415 2416 2417 2418 2419 2420 2421 2422 2423 2424
## 1 23.57 NA 20.63 6.05 13.92 17.98 6.25 6.50 17.40 6.23 14.1 45.07 NA 39.42
## 2 23.38 NA 20.76 5.96 13.92 18.10 6.12 6.38 17.28 6.17 14.3 46.16 NA 40.11
## 3 23.38 NA 20.63 6.07 13.92 18.77 6.33 6.38 17.65 6.19 14.4 45.73 NA 41.48
## 4 23.01 NA 19.73 6.41 13.92 19.22 6.33 6.26 17.53 6.20 14.6 45.94 NA 41.21
## 5 23.38 NA 19.86 6.80 13.49 19.33 6.06 6.32 18.15 6.26 14.9 46.60 NA 40.93
## 6 23.38 NA 19.99 7.19 13.27 19.56 6.33 6.20 18.15 6.17 15.3 45.73 NA 41.21
## 2425 2426 2427 2428 2429 2430 2431 2432 2433 2434 2435 2436 2437 2438
## 1 51.43 11.00 NA NA NA 11.32 13.17 NA NA 25.57 19.37 9.54 5.35 347.18
## 2 51.43 10.89 NA NA NA 11.17 13.09 NA NA 25.57 18.09 9.41 5.16 351.87
## 3 49.68 10.78 NA NA NA 11.17 13.47 NA NA 26.44 16.87 9.41 5.10 356.56
## 4 50.34 11.52 NA NA NA 11.17 13.66 NA NA 26.76 16.87 9.54 5.46 342.49
## 5 50.99 12.18 NA NA NA 11.10 13.51 NA NA 27.52 17.33 9.41 5.32 340.14
## 6 49.68 12.00 NA NA NA 11.10 13.39 NA NA 27.20 16.50 9.23 5.18 335.45
## 2439 2440 2441 2442 2443 2444 2445 2446 2447 2448 2449 2450 2451 2452 2453
## 1 4.68 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 4.91 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 4.95 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 4.93 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 4.95 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 4.90 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2454 2455 2456 2457 2458 2459 2460 2461 2462 2463 2464 2465 2466 2467 2468
## 1 NA NA NA NA NA NA NA NA 4.93 NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA 4.93 NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA 4.97 NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA 5.04 NA 2.88 NA NA NA NA
## 5 NA NA NA NA NA NA NA NA 5.12 NA 2.71 NA NA NA NA
## 6 NA NA NA NA NA NA NA NA 5.12 NA 2.53 NA NA NA NA
## 2469 2470 2471 2472 2473 2474 2475 2476 2477 2478 2480 2481 2482 2483 2484
## 1 NA NA NA NA NA NA NA 6.16 NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA 6.08 NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA 6.00 NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA 6.00 NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA 5.95 NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA 5.81 NA NA NA NA NA NA NA
## 2485 2486 2487 2488 2489 2490 2491 2492 2493 2494 2495 2496 2497 2498 2499
## 1 NA NA NA NA NA NA NA 4.41 NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA 4.18 NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA 4.20 NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA 4.43 NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA 4.72 NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA 5.03 NA NA NA NA NA NA NA
## 2501 2504 2505 2506 2509 2511 2512 2514 2515 2516 2517 2518 2520 2521
## 1 11.29 7.34 NA 38.16 16.04 4.38 15.23 11.02 7.44 13.75 9.12 9.83 9.99 15.7
## 2 11.29 7.09 NA 38.16 15.15 4.24 16.25 10.86 7.20 13.75 8.77 9.17 10.05 15.7
## 3 11.56 7.31 NA 39.20 15.33 4.35 17.33 11.18 7.39 14.26 9.21 9.79 9.89 15.6
## 4 11.56 7.41 NA 39.20 15.21 4.35 17.33 11.79 7.42 14.44 9.43 10.45 9.89 16.2
## 5 10.90 7.22 NA 37.98 14.79 4.14 17.20 11.46 7.22 13.98 9.16 11.15 9.38 16.1
## 6 10.74 6.96 NA 36.59 14.61 4.11 16.52 11.13 7.17 13.40 8.86 11.15 9.38 15.9
## 2523 2524 2525 2526 2527 2528 2529 2530 2533 2534 2535 2536 2537
## 1 13.64 3.02 7.50 10.38 13.02 362.90 NA 19.64 16.28 10.97 6.01 4.14 224.91
## 2 13.64 2.82 7.00 10.38 12.76 354.42 NA 20.17 15.23 10.62 5.91 4.09 224.91
## 3 13.82 2.76 6.85 10.71 12.81 359.51 NA 20.59 15.23 10.14 6.11 4.14 230.88
## 4 13.70 2.78 7.30 10.71 12.97 359.51 NA 21.43 16.28 10.30 6.15 4.24 235.86
## 5 13.39 2.79 7.15 10.26 13.02 366.29 NA 21.43 15.99 9.85 5.95 4.19 233.87
## 6 13.21 2.78 6.65 10.30 12.70 361.20 NA 21.01 15.23 9.65 5.91 3.99 230.88
## 2538 2539 2540 2542 2543 2544 2545 2546 2547 2548 2553 2597 2601
## 1 6.78 627.28 1748.09 NA NA 24.66 NA 7.87 NA NA 23.45 NA 19.84
## 2 6.31 627.28 1793.61 NA NA 23.63 NA 7.87 NA NA 22.88 NA 19.95
## 3 6.09 627.28 1848.24 NA NA 23.36 NA 8.04 NA NA 24.45 NA 21.22
## 4 6.42 627.28 1793.61 NA NA 22.71 NA 7.74 NA NA 26.03 NA 21.10
## 5 6.31 625.11 1820.92 NA NA 22.06 NA 7.61 NA NA 27.74 NA 20.76
## 6 6.18 625.11 1757.19 NA NA 22.44 NA 7.61 NA NA 25.88 NA 19.95
## 2603 2604 2605 2606 2607 2608 2609 2610 2611 2612 2613 2614 2615 2616
## 1 10.27 19.40 2.28 2.60 16.45 15.04 17.21 17.07 8.34 6.53 42.19 13.16 7.84 8.21
## 2 10.54 19.32 2.28 2.56 16.16 14.90 17.84 17.21 8.24 6.68 42.19 12.25 7.89 8.06
## 3 11.12 20.48 2.34 2.64 17.04 15.44 18.16 17.58 8.34 6.95 42.19 13.10 8.18 8.27
## 4 11.00 20.06 2.33 2.63 16.95 15.44 17.68 17.43 8.44 6.95 42.19 14.02 8.20 8.33
## 5 10.62 19.48 2.28 2.60 16.33 15.04 17.05 17.72 8.34 6.80 42.19 14.76 8.11 8.33
## 6 10.27 19.57 2.20 2.59 16.33 14.77 16.89 17.80 8.34 6.62 42.19 13.73 7.89 8.18
## 2617 2618 2633 2634 2636 2637 2642 2701 2702 2704 2705 2706 2707 2712
## 1 4.04 NA NA NA NA NA NA 7.03 14.80 13.85 47.92 24.07 19.95 NA
## 2 4.01 NA NA NA NA NA NA 7.17 14.62 13.48 48.28 24.07 19.74 NA
## 3 4.09 NA NA NA NA NA NA 7.54 15.11 14.37 49.00 24.07 19.74 NA
## 4 4.06 NA NA NA NA NA NA 7.57 14.98 14.82 48.28 24.07 19.95 NA
## 5 3.96 NA NA NA NA NA NA 7.30 15.16 14.29 48.28 23.89 19.74 NA
## 6 3.99 NA NA NA NA NA NA 7.30 14.89 14.37 48.28 23.89 19.42 NA
## 2714 2722 2723 2727 2731 2739 2748 2801 2807 2808 2809 2810 2812
## 1 13.3 NA NA NA NA NA NA 13.76 13.90 15.17 11.93 220.57 13.00
## 2 13.2 NA NA NA NA NA NA 14.50 14.55 16.21 11.93 216.21 12.86
## 3 14.1 NA NA NA NA NA NA 15.07 15.53 17.31 12.71 231.03 13.33
## 4 15.0 NA NA NA NA NA NA 14.71 15.53 17.43 13.18 246.72 13.76
## 5 16.0 NA NA NA NA NA NA 14.18 15.14 16.85 12.63 255.44 13.24
## 6 17.1 NA NA NA NA NA NA 14.11 15.14 17.02 12.32 238.01 13.00
## 2816 2820 2822 2823 2824 2825 2827 2828 2829 2831 2832 2833 2834
## 1 169.28 3.62 18.81 7.17 20.64 10.73 159.56 8.41 8.92 10.97 6.03 5.51 11.59
## 2 164.32 3.79 18.81 7.09 20.94 10.53 159.56 8.57 9.01 10.46 6.10 5.87 11.94
## 3 175.06 3.83 19.64 7.42 22.28 11.20 165.19 8.82 9.29 10.73 6.09 6.24 12.77
## 4 184.14 3.79 19.26 7.37 22.28 11.61 166.13 8.74 9.20 10.73 5.97 6.66 12.77
## 5 175.06 3.72 18.62 7.14 21.91 11.20 163.31 8.70 8.97 10.64 6.09 7.08 12.15
## 6 173.41 3.70 18.30 7.09 21.19 10.53 163.31 8.57 8.97 10.55 6.12 7.19 12.28
## 2835 2836 2837 2838 2841 2842 2845 2846 2847 2848 2849 2850 2851 2852
## 1 12.09 6.15 172.53 7.60 NA 7.88 4.74 133.01 6.65 NA 15.14 NA NA NA
## 2 12.89 6.34 170.83 7.60 NA 7.88 4.61 129.88 6.60 NA 15.14 NA NA NA
## 3 13.51 6.75 171.68 7.68 NA 7.80 4.74 132.23 6.83 NA 14.99 NA NA NA
## 4 13.13 6.64 171.68 7.56 13.10 7.84 4.67 130.66 6.87 NA 14.69 NA NA NA
## 5 12.47 6.49 171.68 7.53 13.99 7.80 4.56 131.44 6.83 NA 14.99 NA NA NA
## 6 12.37 6.56 170.83 7.53 13.05 7.76 4.49 133.01 6.69 NA 14.69 NA NA NA
## 2854 2855 2856 2867 2880 2881 2882 2883 2884 2885 2886 2887 2888 2889 2890
## 1 9.23 NA 6.19 NA NA NA NA NA NA NA NA NA NA NA NA
## 2 9.15 NA 6.13 NA NA NA NA NA NA NA NA NA NA NA NA
## 3 9.75 NA 6.56 NA NA NA NA NA NA NA NA NA NA NA NA
## 4 9.51 NA 7.02 NA NA NA NA NA NA NA NA NA NA NA NA
## 5 9.27 NA 7.07 NA NA NA NA NA NA NA NA NA NA NA NA
## 6 8.99 NA 6.77 NA NA NA NA NA NA NA NA NA NA NA NA
## 2891 2892 2897 2901 2902 2903 2904 2905 2906 2908 2910 2911 2912 2913
## 1 NA NA NA 24.56 13.22 6.07 33.71 8.60 4.38 4.91 23.26 7.03 24.28 69.51
## 2 NA NA NA 23.54 12.54 6.04 33.71 8.39 4.26 4.85 22.96 7.11 24.28 65.94
## 3 NA NA NA 25.18 13.40 6.17 33.84 8.51 4.48 4.83 23.16 7.37 24.40 70.45
## 4 NA NA NA 26.28 13.90 6.07 33.84 8.54 4.48 4.65 23.36 7.45 24.28 72.33
## 5 NA NA NA 25.97 14.36 5.94 33.71 8.51 4.38 4.52 23.41 7.41 23.21 70.45
## 6 NA NA NA 24.56 14.08 5.88 31.44 8.29 4.40 4.83 23.41 7.37 23.33 68.01
## 2915 2923 2929 2936 3001 3002 3003 3004 3005 3006 3007 3008 3009 3010 3011
## 1 15.85 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 15.79 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 15.79 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 15.79 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 15.55 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 15.43 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3012 3013 3014 3015 3016 3017 3018 3019 3020 3021 3022 3023 3024 3025 3026
## 1 NA NA NA NA NA NA NA NA NA NA NA NA 7.50 NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA 7.44 NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA 7.44 NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA 7.36 NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA 7.36 NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA 7.20 NA NA
## 3027 3028 3029 3030 3031 3032 3033 3034 3035 3036 3037 3038 3039 3040 3041
## 1 NA NA NA NA NA NA NA NA NA NA 8.14 NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA 7.96 NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA 7.68 NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA 7.79 NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA 7.81 NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA 7.68 NA NA NA NA
## 3042 3043 3044 3045 3046 3047 3048 3049 3050 3051 3052 3054 3055 3056 3057
## 1 NA NA NA NA NA NA NA NA NA NA 7.84 NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA 7.89 NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA 8.35 NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA 8.30 NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA 8.21 NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA 8.21 NA NA NA NA
## 3058 3059 3060 3061 3062 3063 3080 3090 3094 3130 3149 3164 3167 3189 3209
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3214 3229 3231 3257 3258 3266 3271 3296 3305 3308 3311 3312 3315 3321 3338
## 1 NA NA NA NA 26.43 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA 25.56 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA 26.77 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA 26.77 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA 26.77 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA 26.60 NA NA NA NA NA NA NA NA NA NA
## 3346 3356 3367 3376 3380 3383 3406 3413 3416 3419 3432 3437 3443 3450 3454
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3474 3481 3494 3501 3504 3514 3515 3518 3519 3528 3532 3533 3534 3535 3536
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3545 3550 3557 3559 3561 3573 3576 3579 3583 3584 3588 3591 3593 3596 3598
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3599 3605 3607 3614 3617 3622 3638 3645 3653 3661 3665 3669 3673 3679 3682
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3686 3694 3697 3698 3701 3702 3703 3704 3705 3706 3708 4104 4106 4108 4119
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4133 4137 4141 4142 4144 4148 4155 4164 4190 4306 4414 4424 4426 4438 4526
## 1 NA NA NA NA NA NA NA NA NA NA NA 36.91 NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA 36.91 NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA 36.83 NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA 36.83 NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA 36.58 NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA 36.00 NA NA NA
## 4532 4536 4545 4551 4552 4555 4557 4560 4562 4720 4722 4725 4733 4737 4739
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4746 4755 4763 4807 4904 4906 4912 4915 4916 4919 4927 4930 4934 4935 4938
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4942 4943 4952 4956 4958 4960 4968 4976 4977 4984 4994 4999 5007 5203 5215
## 1 NA NA NA NA NA NA NA NA NA NA NA NA 11.47 NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA 11.23 NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA 11.33 NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA 11.39 NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA 11.65 NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA 11.39 NA NA
## 5225 5234 5243 5258 5259 5264 5269 5280 5284 5285 5288 5305 5388 5434 5469
## 1 NA NA NA NA NA NA NA NA NA NA NA 9.69 NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA 9.33 NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA 9.53 NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA 9.46 NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA 9.24 NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA 9.30 NA NA NA
## 5471 5484 5515 5519 5521 5522 5525 5531 5533 5534 5538 5607 5608 5706 5828
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 26.52
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 26.84
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 28.21
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 28.05
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 27.33
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 27.00
## 5831 5833 5834 5835 5836 5838 5839 5840 5841 5842 5843 5844 5846
## 1 40.19 14.40 11.61 17.97 18.41 34.65 26.63 11.37 12.43 11.84 19.12 31.63 66.53
## 2 40.45 14.40 11.47 18.09 18.08 35.94 27.10 12.05 12.57 12.40 19.37 32.16 67.19
## 3 42.07 15.37 12.03 18.75 18.47 37.15 27.58 12.13 13.03 12.54 19.76 33.29 68.52
## 4 42.41 15.50 12.32 18.51 18.24 36.42 27.34 11.98 12.76 12.26 19.63 32.99 71.18
## 5 41.22 15.63 12.10 18.21 17.75 35.46 27.10 11.75 12.50 12.12 19.05 31.55 68.52
## 6 41.13 15.31 11.96 18.15 17.25 35.38 26.63 11.67 12.43 12.05 18.86 31.03 67.86
## 5847 5848 5849 5852 5854 5871 5880 5906 5907 6004 6005 6012 6024 6108 6112
## 1 10.73 8.77 8.71 9.16 NA NA NA NA NA 16.30 6.21 10.44 NA NA NA
## 2 10.77 9.00 8.75 9.07 NA NA NA NA NA 16.20 6.21 9.89 NA NA NA
## 3 10.92 9.04 8.98 9.11 NA NA NA NA NA 17.33 6.58 10.58 NA NA NA
## 4 10.92 9.00 8.87 8.98 NA NA NA NA NA 17.38 6.62 10.84 NA NA NA
## 5 10.73 8.85 8.67 8.93 NA NA NA NA NA 17.76 6.51 10.40 NA NA NA
## 6 10.69 8.69 8.63 8.66 NA NA NA NA NA 17.19 6.24 9.82 NA NA NA
## 6115 6116 6117 6119 6120 6128 6131 6132 6133 6136 6139 6141 6142 6145 6152
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6153 6155 6164 6165 6166 6168 6172 6176 6177 6183 6184 6189 6191 6192 6196
## 1 NA NA NA NA NA NA NA NA NA NA NA NA 3.05 NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA 2.99 NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA 2.89 NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA 3.04 NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA 2.99 NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA 2.99 NA NA
## 6197 6201 6202 6205 6206 6209 6213 6214 6215 6216 6224 6225 6226 6230 6235
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6239 6243 6251 6255 6257 6269 6271 6277 6278 6280 6281 6282 6283 6285 6286
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6289 6405 6409 6412 6414 6415 6422 6431 6442 6443 6449 6451 6452 6456 6464
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6477 6504 6505 6525 6531 6533 6541 6552 6573 6579 6582 6591 6605 6702 8008
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 8011 8016 8021 8033 8039 8046 8070 8072 8078 8081 8101 8103 8105 8110 8112
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 8114 8131 8150 8163 8199 8201 8210 8213 8215 8222 8249 8261 8271 8341 8374
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 8382 8404 8411 8422 8427 8429 8442 8443 8454 8463 8464 8466 8467 8473 8478
## 1 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 52.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 8480 8481 8488 8499 8926 8940 8996 910069 9101 9102 9103 910322 9104 910482
## 1 NA NA NA NA NA NA NA NA 12.40 NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA 12.75 NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA 13.50 NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA 13.25 NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA 13.05 NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA 12.90 NA NA NA NA NA
## 9105 910579 9106 910708 910801 910861 910948 9110 911201 911602 911606 911608
## 1 NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA
## 911609 911610 911611 911612 911616 911619 911622 911626 911868 912000 912398
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA
## 9136 913889 9151 9157 916665 9188 9801 9802 9902 9904 9905 9906 9907 9908
## 1 NA NA NA NA NA NA 34.93 NA 62.50 8.66 6.37 49.69 7.19 5.95
## 2 NA NA NA NA NA NA 34.93 NA 60.77 8.66 6.48 50.02 7.15 5.99
## 3 NA NA NA NA NA NA 35.28 NA 63.98 8.84 6.74 52.94 7.28 6.40
## 4 NA NA NA NA NA NA 35.10 NA 63.73 8.60 6.80 53.59 7.06 6.36
## 5 NA NA NA NA NA NA 34.93 NA 62.00 8.60 6.57 53.92 7.02 6.32
## 6 NA NA NA NA NA NA 34.93 NA 60.52 8.37 6.60 52.29 7.02 6.17
## 9910 9911 9912 9914 9915 9917 9918 9919 9921 9922 9924 9925 9926 9927
## 1 6.74 55.44 26.21 7.69 3.01 15.52 9.20 10.00 15.45 14.82 8.99 8.34 5.67 5.38
## 2 6.99 55.44 26.88 8.16 2.98 15.90 9.27 10.55 15.32 14.64 9.35 7.87 5.83 5.45
## 3 7.13 55.44 26.69 8.20 3.03 15.90 9.52 10.49 15.58 14.92 9.55 7.73 5.93 5.48
## 4 6.91 54.97 27.65 8.39 3.01 15.78 9.52 10.35 15.07 14.73 9.64 7.87 5.76 5.45
## 5 7.13 54.97 26.88 8.37 3.11 15.15 9.55 10.14 14.69 14.92 9.64 7.64 5.78 5.37
## 6 6.92 54.51 26.40 8.25 3.05 15.02 9.55 10.83 14.31 14.82 10.14 7.40 5.74 5.48
## 9928 9929 9930 9931 9933 9934 9935 9936 9937 9938 9939 9940 9941 9942 9943
## 1 NA 24.71 NA 8.50 10.06 NA NA 63.26 7.36 NA NA NA NA NA NA
## 2 NA 24.21 NA 8.50 9.95 NA NA 64.49 7.62 NA NA NA NA NA NA
## 3 NA 24.13 NA 8.65 9.82 NA NA 63.26 7.67 NA NA NA NA NA NA
## 4 NA 23.96 NA 8.50 9.15 NA NA 63.26 7.44 NA NA NA NA NA NA
## 5 NA 24.55 NA 8.42 8.52 NA NA 64.08 7.44 NA NA NA NA NA NA
## 6 NA 24.55 NA 8.42 7.94 NA NA 63.67 7.18 NA NA NA NA NA NA
## 9944 9945 9946 9955 9958 L2301
## 1 NA 4.93 NA NA NA 35.74
## 2 NA 4.91 NA NA NA 34.25
## 3 NA 4.96 NA NA NA 35.44
## 4 NA 5.01 NA NA NA 34.84
## 5 NA 4.91 NA NA NA 34.84
## 6 NA 4.91 NA NA NA 36.33
str(data)
## 'data.frame': 4746 obs. of 1110 variables:
## $ date : int 19990105 19990106 19990107 19990108 19990111 19990112 19990113 19990114 19990115 19990116 ...
## $ 1101 : num 9.06 9.06 9.27 9.13 8.93 8.89 8.82 8.62 8.79 8.79 ...
## $ 1102 : num 6.14 6.01 6.01 5.86 5.73 5.53 5.51 5.21 5.34 5.29 ...
## $ 1103 : num 9.85 9.65 10.12 10.33 10.12 ...
## $ 1104 : num 4.53 4.39 4.58 4.51 4.34 4.21 4.17 4.24 4.44 4.38 ...
## $ 1108 : num 7.85 7.63 7.88 7.8 7.58 7.27 7.11 6.92 7.25 7.14 ...
## $ 1109 : num 9.09 8.89 8.94 8.75 8.7 8.6 8.5 8.45 8.55 8.55 ...
## $ 1110 : num 6.73 6.73 7.2 7.36 7.2 6.98 7.11 6.98 7.17 7.04 ...
## $ 1201 : num 13.9 14.8 15.8 16.9 18 ...
## $ 1203 : num 12.2 12 12.7 12.6 12.4 ...
## $ 1204 : num 79.6 78.2 83.6 89.1 85.1 ...
## $ 1206 : num 36.7 34.2 36.5 39 41.7 40.2 40.2 40.5 43.3 46.3 ...
## $ 1207 : num 27.8 27.8 28 27.8 28 ...
## $ 1209 : num 13.2 13.1 13.4 13.4 13.4 ...
## $ 1210 : num 2.75 2.74 2.81 2.82 2.82 2.8 2.76 2.73 2.8 2.76 ...
## $ 1212 : num 14.2 14.2 14.3 14.8 15.2 ...
## $ 1213 : num 24.1 23.9 25.6 26.4 26.6 ...
## $ 1215 : num 4.99 5.03 5.32 5.21 5.36 5.25 5.25 5.12 5.28 5.34 ...
## $ 1216 : num 7.03 6.85 7.01 6.91 6.73 6.63 6.4 6.28 6.48 6.43 ...
## $ 1217 : num 13.5 13.2 13.5 13.5 13.4 ...
## $ 1218 : num 8.41 8.57 9.15 9.77 10.43 ...
## $ 1219 : num 5.94 6.25 6.5 6.69 7.12 6.62 6.5 6.32 6.62 6.5 ...
## $ 1220 : num 9.36 9.36 9.66 9.59 10.19 ...
## $ 1221 : num 7.41 7.7 8.23 8.78 8.98 8.46 8.19 8.36 8.91 9.05 ...
## $ 1222 : num 53.5 53.3 55.5 54.3 57.5 ...
## $ 1225 : num 8.04 8.19 8.73 9.31 9.92 9.35 9.42 9.46 9.85 9.85 ...
## $ 1227 : num 6.2 6.26 6.67 6.43 6.43 6.26 6.08 5.73 5.64 5.91 ...
## $ 1228 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1229 : num 5.26 5.26 5.44 5.38 5.35 5.26 5.1 5.01 5.26 5.26 ...
## $ 1230 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1231 : num 13.2 12.9 12.6 12.4 13 ...
## $ 1232 : num 3.45 3.47 3.63 3.63 3.87 3.91 3.82 3.86 4.12 4.28 ...
## $ 1233 : num 6.4 6.2 6.5 6.57 6.47 6.4 6.74 6.4 6.57 6.67 ...
## $ 1234 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1235 : num 4.85 4.85 5.18 5.16 5.06 4.82 4.57 4.37 4.63 4.51 ...
## $ 1236 : num 3.57 3.47 3.62 3.59 3.57 3.49 3.34 3.27 3.44 3.39 ...
## $ 1256 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1262 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1301 : num 10.1 10.4 11.1 11.1 11 ...
## $ 1303 : num 9.54 9.68 10.15 9.87 9.82 ...
## $ 1304 : num 5.52 5.28 5.4 5.28 5.49 5.28 5.31 5.25 5.34 5.4 ...
## $ 1305 : num 9.6 9.6 9.98 10.25 10.25 ...
## $ 1306 : num 41.6 38.7 40.1 39 38.1 ...
## $ 1307 : num 3.18 3.16 3.29 3.29 3.26 3.24 3.21 3.13 3.24 3.24 ...
## $ 1308 : num 6.65 6.38 6.83 6.65 6.67 6.59 6.59 6.44 6.71 6.59 ...
## $ 1309 : num 14.6 14.4 15.3 15.3 15.4 ...
## $ 1310 : num 14.5 14.2 14.8 14.6 15.4 ...
## $ 1311 : num 16.5 16.6 17.5 17.2 17.2 ...
## $ 1312 : num 10.1 10 10.5 10.6 10.9 ...
## $ 1313 : num 5.42 5.25 5.59 5.62 5.69 5.73 5.69 5.52 5.69 5.69 ...
## $ 1314 : num 9.92 9.59 10.15 10.2 9.92 ...
## $ 1315 : num 7.12 6.72 7.16 7.42 7.31 7.16 7.05 6.94 7.31 7.27 ...
## $ 1316 : num 29.4 29.9 31.1 32.5 32.8 ...
## $ 1319 : num 11.3 10.6 11.2 12 12.4 ...
## $ 1321 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1323 : num 3.92 3.89 3.98 3.96 3.89 3.72 3.61 3.38 3.48 3.49 ...
## $ 1324 : num 9.43 9.85 9.99 9.99 9.79 9.34 9.29 9.29 9.76 9.49 ...
## $ 1325 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1326 : num 6.36 6.43 6.61 6.64 6.5 6.34 6.17 6.17 6.41 6.27 ...
## $ 1337 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1338 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1339 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1340 : num NA NA NA NA NA NA NA NA NA NA ...
## $ 1402 : num 6.63 6.84 6.94 6.99 6.78 6.94 6.91 6.68 6.76 6.63 ...
## $ 1409 : num 7.02 7.25 7.74 7.74 7.45 7.38 7.35 7.28 7.58 7.35 ...
## $ 1410 : num 20.5 19.1 19.9 19.6 19.5 ...
## $ 1413 : num 34.6 34.5 36.9 37.4 36.6 ...
## $ 1414 : num 12.7 12.7 13.6 14.1 13.8 ...
## $ 1416 : num 11.6 11.7 12.5 13.4 13.7 ...
## $ 1417 : num 13.4 12.6 13.1 13.6 13.3 ...
## $ 1418 : num 74.6 74.3 76.9 76.9 75.4 ...
## $ 1419 : num 21.9 22.3 23.8 24.8 24.3 ...
## $ 1423 : num 7.64 8.16 8.73 8.99 8.64 8.29 8.46 8.16 8.73 8.55 ...
## $ 1431 : num 12.1 11.8 12.6 13.4 14.3 ...
## $ 1432 : num 43.1 42.7 45.5 45.1 44.6 ...
## $ 1434 : num 5.72 5.75 6 5.94 5.75 5.69 5.6 5.57 5.72 5.6 ...
## $ 1435 : num 12.3 12.5 13.3 13.7 13.7 ...
## $ 1436 : num 13.4 13.3 14.2 15.2 15.7 ...
## $ 1437 : num 20.3 20.9 22.3 23.3 22.5 ...
## $ 1438 : num 15.1 15 15.6 15.7 15.6 ...
## $ 1439 : num 9.59 10.24 10.89 11.16 10.89 ...
## $ 1440 : num 7.03 7.12 7.55 7.4 7.34 7.12 7.06 7 7.27 7.15 ...
## $ 1441 : num 42 42 44 43.1 42.2 ...
## $ 1442 : num 55.4 51.5 51.7 51.9 51.1 ...
## $ 1443 : num 21.2 21.2 22.6 23.4 23.5 ...
## $ 1444 : num 5.81 5.81 6.21 6.34 6.18 6 5.87 5.76 5.84 5.84 ...
## $ 1445 : num 9.37 9.18 9.32 9.47 9.27 9.03 9.23 9.13 9.18 9.23 ...
## $ 1446 : num 25.5 25.5 26.8 26.8 26.8 ...
## $ 1447 : num 7.38 7.51 8 8.06 7.69 8 7.9 7.64 7.74 7.53 ...
## $ 1449 : num 143 140 145 144 145 ...
## $ 1450 : num 28.9 28.6 29.5 29.3 28.6 ...
## $ 1451 : num 27.1 27.3 26.8 26.4 26.1 ...
## $ 1452 : num 8.85 8.8 9.21 9.16 8.94 8.8 8.58 8.31 8.35 8.49 ...
## $ 1453 : num 63.9 63.9 65.4 64.2 68.5 ...
## $ 1454 : num 8.78 8.51 8.78 8.74 8.6 8.55 8.65 8.46 8.46 8.65 ...
## $ 1455 : num 6.5 6.07 6.5 6.54 6.3 6.25 6.3 6.3 6.52 6.41 ...
## $ 1456 : num 155 157 162 159 155 ...
## $ 1457 : num 18.9 18.9 20 20.3 19.9 ...
## $ 1459 : num 6.07 5.79 6.03 5.92 5.79 5.79 5.73 5.6 5.73 5.92 ...
## [list output truncated]
#load SIT
con = gzcon(url('https://github.com/systematicinvestor/SIT/raw/master/sit.gz', 'rb'))
source(con)
close(con)
library(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
library(quantmod)
## Loading required package: TTR
##
## Attaching package: 'TTR'
## The following object is masked _by_ '.GlobalEnv':
##
## DVI
## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo
## Version 0.4-0 included new data defaults. See ?getSymbols.
library(kernlab)
##
## Attaching package: 'kernlab'
## The following object is masked _by_ '.GlobalEnv':
##
## cross
#install.packages('reshape2')
#library(reshape2)
#==================================================
#--------------------------------------------------
#CLEAR DATA
#--------------------------------------------------
#2. You have to select at least 10 stocks from the data set.
#To avoid selecting all stocks from one specific industry.
#You should select stocks with ticker numbers starting with '1', '2', '3', '4', '5'
#--------------------------------------------------
#Because starting with 4,5 ticker number stocks includes lot of NA , instead I choose starting with 6 and 9
#--------------------------------------------------
data.1 <- data[,c("date","1101","1102","2030","2031", "3052","6191","6005","9937", "9902","9905")]
#reshape data
#data.2 <- dcast(data.1,date~c(1101","1102","2030","2031", "3052","6191","6005","9937", "9902","9905"))
#head(data.2)
#convert data to xts
sum(is.na(data.1))
## [1] 0
data.xts <- xts(data.1[,-1], order.by= as.Date(as.character(data.1[,1]),
format = '%Y%m%d'))
str(data.xts)
## An 'xts' object on 1999-01-05/2017-12-29 containing:
## Data: num [1:4746, 1:10] 9.06 9.06 9.27 9.13 8.93 8.89 8.82 8.62 8.79 8.79 ...
## - attr(*, "dimnames")=List of 2
## ..$ : NULL
## ..$ : chr [1:10] "1101" "1102" "2030" "2031" ...
## Indexed by objects of class: [Date] TZ: UTC
## xts Attributes:
## NULL
#==================================================
# --------------------------------------------------
# Equal-weighted portfolio
# --------------------------------------------------
#3. Construct equal-weighted portfolio starting from 2007 to 2017.
#You can use monthly returns to generate the backtesting results.
# --------------------------------------------------
#convert data into monthly
data.monthly <- to.monthly(data.xts, indexAt = 'lastof', OHLC=F)
data.monthly.1 <- data.monthly["2007/2017"]
#to create equal weight
#we need 5 inputs :
data <- new.env()
data$prices <- data.monthly.1
data$weight <- data.monthly.1
data$execution.price <- data$prices
data$execution.price[] <- NA
data$symbolnames <- colnames(data$prices)
prices <- data$prices
n <- ncol(prices)
data$weight <- ntop(prices, n)
#method 1
model <- list()
model$equal.weight <- bt.run(data, trade.summary = T)
## Latest weights :
## 1101 1102 2030 2031 3052 6191 6005 9937 9902 9905
## 2017-12-31 10 10 10 10 10 10 10 10 10 10
##
## Performance summary :
## CAGR Best Worst
## 8.2 26.7 -30
#method 2
capital = 100000
data$weight[] = (capital / prices) * data$weight
equal.weight = bt.run(data, type='share')
## Latest weights :
## 1101 1102 2030 2031 3052 6191 6005 9937 9902 9905
## 2017-12-31 10 10 10 10 10 10 10 10 10 10
##
## Performance summary :
## CAGR Best Worst
## 8.2 26.7 -30
head(equal.weight$ret)
## 1101
## 2007-01-31 0.00000000
## 2007-02-28 0.04404018
## 2007-03-31 0.06275091
## 2007-04-30 0.01691907
## 2007-05-31 0.00944164
## 2007-06-30 0.13928670
bt.detail.summary(model$equal.weight)
## $System
## $System$Period
## [1] "Jan2007 - Dec2017"
##
## $System$Cagr
## [1] 8.16
##
## $System$Sharpe
## [1] 0.44
##
## $System$DVR
## [,1]
## 1101 0.27
##
## $System$Volatility
## [1] 24.9
##
## $System$MaxDD
## [1] -56.82
##
## $System$AvgDD
## [1] -12.88
##
## $System$VaR
## 5%
## -10.48
##
## $System$CVaR
## [1] -15.45
##
## $System$Exposure
## [1] 99.24
##
##
## $Trade
## $Trade$Win.Percent
## [1] 80
##
## $Trade$Avg.Trade
## [1] 9.4
##
## $Trade$Avg.Win
## [1] 12.3
##
## $Trade$Avg.Loss
## [1] -2.5
##
## $Trade$Best.Trade
## [1] 23.17
##
## $Trade$Worst.Trade
## [1] -4.69
##
## $Trade$WinLoss.Ratio
## [1] 4.85
##
## $Trade$Avg.Len
## [1] 131
##
## $Trade$Num.Trades
## [1] 10
##
##
## $Period
## $Period$Win.Percent.Day
## [1] 59.8
##
## $Period$Best.Day
## [1] 26.7
##
## $Period$Worst.Day
## [1] -30
##
## $Period$Win.Percent.Month
## [1] 59.8
##
## $Period$Best.Month
## [1] 26.7
##
## $Period$Worst.Month
## [1] -30
##
## $Period$Win.Percent.Year
## [1] 63.6
##
## $Period$Best.Year
## [1] 124.8
##
## $Period$Worst.Year
## [1] -37.9
plotbt.monthly.table(model$equal.weight$equity)
## Jan Feb Mar Apr May Jun Jul Aug Sep
## 2007 " NA" " 4.4" " 6.3" " 1.7" " 0.9" " 13.9" " 12.5" " -2.5" " 8.7"
## 2008 " -3.5" " 22.1" " 7.0" " 0.8" " -4.4" "-17.4" " -3.2" " -5.1" "-30.0"
## 2009 " -6.5" " 6.2" " 26.7" " 12.0" " 23.7" " -3.1" " 10.0" " -1.1" " 6.7"
## 2010 "-11.7" " 0.5" " 7.4" " -1.5" "-10.3" " -0.1" " 7.0" " 2.9" " 6.9"
## 2011 " 2.9" " -6.2" " 1.9" " 5.7" " 0.0" " -0.6" " 3.4" "-10.7" "-10.8"
## 2012 " 9.8" " 9.5" " -2.0" " -4.2" " -5.8" " 0.7" " 1.0" " -0.1" " 5.6"
## 2013 " 1.0" " -1.0" " -1.3" " 2.4" " 9.5" " -5.4" " 3.7" " 1.8" " 2.0"
## 2014 " 0.0" " 2.4" " 0.5" " -2.8" " 1.2" " 0.2" " 3.4" " 2.1" " -4.0"
## 2015 " -0.8" " 1.3" " 0.4" " 2.8" " -4.9" " -7.3" " -7.5" " -5.9" " 4.6"
## 2016 " -4.3" " 6.6" " 1.0" " -0.2" " -3.5" " 0.9" " 5.5" " 2.0" " -0.2"
## 2017 " -0.2" " 7.2" " 1.3" " -3.5" " 0.1" " 1.5" " 4.3" " 4.7" " -2.1"
## Avg " -1.3" " 4.8" " 4.5" " 1.2" " 0.6" " -1.5" " 3.7" " -1.1" " -1.1"
## Oct Nov Dec Year MaxDD
## 2007 " -7.1" " -7.9" " -4.4" " 26.8" "-18.1"
## 2008 "-14.9" " 11.1" " 1.8" "-37.9" "-56.8"
## 2009 " -1.6" " 1.8" " 14.4" "124.8" " -6.5"
## 2010 " -3.4" " -1.5" " 7.8" " 1.6" "-15.9"
## 2011 " 7.2" "-12.6" " 1.9" "-18.9" "-25.4"
## 2012 " -8.6" " 3.2" " 5.7" " 13.8" "-13.3"
## 2013 " 2.5" " 1.8" " 2.0" " 20.1" " -5.4"
## 2014 " -4.3" " 0.9" " 4.7" " 3.9" " -8.2"
## 2015 " 4.4" " -7.5" " 1.5" "-18.4" "-23.3"
## 2016 " 1.4" " 5.6" " 1.3" " 16.7" " -4.3"
## 2017 " 3.0" " -1.2" " 3.3" " 19.5" " -3.5"
## Avg " -1.9" " -0.6" " 3.6" " 13.8" "-16.4"
plotbt.transition.map(model$equal.weight$weight)
strategy.performance.snapshoot(model, T)
## NULL
#==================================================
# --------------------------------------------------
# MVP portfolio
# --------------------------------------------------
#4. Construct MVP portfolio starting from 2004-2017.
#Year 2004-2006 will be used as in sample data to compute covariance matrix for MVP.
# --------------------------------------------------
data.monthly.2 <- data.monthly["2004/2017"]
data.monthly.3 <- data.monthly["2004/2006"]
Sigma_monthly <- cov(data.monthly.3)
head(Sigma_monthly)
## 1101 1102 2030 2031 3052 6191
## 1101 7.095257 5.0740846 2.18635571 -9.092439 -1.25517857 6.0143583
## 1102 5.074085 4.2052961 2.38812929 -4.638566 -0.74942643 4.2501139
## 2030 2.186356 2.3881293 2.94821929 1.608435 0.01046071 1.3755379
## 2031 -9.092439 -4.6385658 1.60843500 25.547909 2.20173071 -10.6009413
## 3052 -1.255179 -0.7494264 0.01046071 2.201731 0.69880214 0.1811707
## 6191 6.014358 4.2501139 1.37553786 -10.600941 0.18117071 15.6384847
## 6005 9937 9902 9905
## 1101 1.14042429 2.4244268 -4.7063449 -0.4099478
## 1102 0.85780929 1.6612253 -2.6602887 0.2480113
## 2030 0.52386786 0.5523721 0.5519893 1.0783350
## 2031 -1.34739071 -3.8166471 9.4305637 4.1072866
## 3052 -0.08237929 -0.5138779 2.1867936 0.2702393
## 6191 1.05226071 1.3534447 -1.1481156 -1.0910728
ones = rep(1,10)
one.vec = matrix(ones, ncol=1)
a = inv(Sigma_monthly) %*% one.vec
b = t(one.vec)%*%a
mvp.w.monthly =a / as.numeric(b)
mvp.w.monthly
## [,1]
## 1101 -0.0907159873
## 1102 -0.0515201991
## 2030 -0.0004535364
## 2031 -0.0223156685
## 3052 0.6143532179
## 6191 -0.0036770687
## 6005 0.4946153094
## 9937 0.0297113804
## 9902 -0.2183613720
## 9905 0.2483639243
mvp.ret<-sum((mvp.w.monthly)*colMeans(data.monthly.3))
mvp.ret
## [1] 3.889248
hist.default(mvp.w.monthly)
#==================================================
# --------------------------------------------------
# MVP portfolio Single factor model
# --------------------------------------------------
#5. Similar to question 4, however,
#you need to construct MVP portfolio using single factor model (CAPM) to compute covariance matrix and generate backtesting results.
# --------------------------------------------------
# Reset inputs to SIT bt function
data$prices = data$weight = data$execution.price = data.monthly.1
data$execution.price[] <- NA
prices <- data$prices
n <- ncol(prices)
constraints = new.constraints(n, lb = -Inf, ub = +Inf)
# SUM x.i = 1
constraints = add.constraints(rep(1, n), 1, type = '=', constraints)
ret = prices / mlag(prices) - 1
weight = coredata(prices)
weight[] = NA
nrow(prices)
## [1] 132
hist <- na.omit(ret[1:36,])
cov(hist)
## 1101 1102 2030 2031 3052 6191
## 1101 0.025224630 0.017736344 0.008955619 0.013911524 0.009786144 0.007984633
## 1102 0.017736344 0.017730725 0.007152839 0.009756524 0.008230059 0.007116579
## 2030 0.008955619 0.007152839 0.018680911 0.018004663 0.015452262 0.010996121
## 2031 0.013911524 0.009756524 0.018004663 0.027504038 0.016857490 0.012902372
## 3052 0.009786144 0.008230059 0.015452262 0.016857490 0.027081196 0.012445644
## 6191 0.007984633 0.007116579 0.010996121 0.012902372 0.012445644 0.019321391
## 6005 0.016335182 0.014006027 0.016743330 0.021576111 0.021809001 0.011348404
## 9937 0.008263227 0.004435278 0.007198008 0.006573010 0.011159201 0.007118646
## 9902 0.017205311 0.010776307 0.018500762 0.017163931 0.018020297 0.009073662
## 9905 0.007637370 0.005559106 0.009326382 0.010834600 0.010762263 0.007242802
## 6005 9937 9902 9905
## 1101 0.016335182 0.008263227 0.017205311 0.007637370
## 1102 0.014006027 0.004435278 0.010776307 0.005559106
## 2030 0.016743330 0.007198008 0.018500762 0.009326382
## 2031 0.021576111 0.006573010 0.017163931 0.010834600
## 3052 0.021809001 0.011159201 0.018020297 0.010762263
## 6191 0.011348404 0.007118646 0.009073662 0.007242802
## 6005 0.033026821 0.009182638 0.021034044 0.012903012
## 9937 0.009182638 0.010752908 0.013451627 0.005993916
## 9902 0.021034044 0.013451627 0.042596166 0.011841623
## 9905 0.012903012 0.005993916 0.011841623 0.011280463
ia = create.historical.ia(hist,12)
s0 = apply(coredata(hist), 2 , sd)
ia$cov = cor(coredata(hist), use='complete.obs',method='pearson') * (s0 %*% t(s0))
weight[36,] = min.risk.portfolio(ia, constraints)
weight[36,]
## 1101 1102 2030 2031 3052 6191
## -0.36022757 0.56440238 0.12796073 0.13352926 -0.19611934 -0.06739882
## 6005 9937 9902 9905
## -0.15946967 0.71520646 -0.13722389 0.37934046
sum(weight[36,])
## [1] 1
model$min.var.monthly <- bt.run(data, trade.summary = T)
## Latest weights :
## 1101 1102 2030 2031 3052 6191 6005 9937 9902 9905
## 2017-12-31 3355 2785 1530 2620 830 1310 1140 3950 1010 2555
##
## Performance summary :
## CAGR Best Worst
## -100 1639 -100
#data$weight[] = weight
#capital = 100000
#data$weight[] = (capital / prices) * data$weight
# to verify the default do.lag = 1 day
sum(as.numeric(weight[36,])*as.numeric(ret[37,]))
## [1] -0.08070594
model$min.var.monthly$ret[37, ]
## 1101
## 2010-01-31 -1
plotbt.strategy.sidebyside(model, return.table=T, make.plot = T)
## Warning in max(mret, na.rm = T): no non-missing arguments to max; returning -Inf
## Warning in min(mret, na.rm = T): no non-missing arguments to min; returning Inf
## equal.weight min.var.monthly
## Period "Jan2007 - Dec2017" "Jan2007 - Dec2017"
## Cagr "8.16" "-100"
## Sharpe "0.44" "-0.96"
## DVR "0.27" "-0.02"
## Volatility "24.9" "754.64"
## MaxDD "-56.82" "-100"
## AvgDD "-12.88" "-100"
## VaR "-10.48" "-100"
## CVaR "-15.45" "NaN"
## Exposure "99.24" "99.24"
plotbt(model)
#==================================================