如果您喜欢使用 R 进行数据科学创建交互式数据可视化，那么请你收藏。

今天，我们将使用折线图、柱状图和散点图来可视化资产回报。

对于我们的数据，我们将使用以下 5 只 ETF 的 5 年月回报率。

+ SPY (S&P500 fund)
+ EFA (a non-US equities fund)
+ IJS (a small-cap value fund)
+ EEM (an emerging-mkts fund)
+ AGG (a bond fund)

我们将需要以下包。

library(tidyverse)
library(timetk)
library(kableExtra)
library(highcharter)

由于这不是一篇关于使用 R 处理和转换数据的文章，因此我不会详细介绍如何导入价格数据并转换为月度回报的逻辑，但完整的代码在这里。

symbols <- c("SPY","EFA", "IJS", "EEM","AGG")prices <- getSymbols(symbols, src = 'yahoo', from = "2013-01-01",to = "2017-12-31",auto.assign = TRUE, warnings = FALSE) %>% map(~Ad(get(.))) %>%reduce(merge) %>% `colnames<-`(symbols)prices_monthly <- to.monthly(prices, indexAt = "last", OHLC = FALSE)asset_returns_xts <- na.omit(Return.calculate(prices_monthly, method = "log"))asset_returns_xts <- asset_returns_xts * 100asset_returns_long <-  prices %>% to.monthly(indexAt = "last", OHLC = FALSE) %>% tk_tbl(preserve_index = TRUE, rename_index = "date") %>%gather(asset, returns, -date) %>% group_by(asset) %>%  mutate(returns = (log(returns) - log(lag(returns))) *100) %>% na.omit()

我们将使用保存每月资产收益的两个数据对象。第一个称为asset_returns_xts。查看前几行。

SPY       EFA        IJS       EEM         AGG
2013-02-28  1.267821 -1.296938  1.6175381 -2.310525  0.58911556
2013-03-28  3.726766  1.296938  4.0257940 -1.023505  0.09849772
2013-04-30  1.903006  4.896773  0.1222544  1.208504  0.96389678
2013-05-31  2.333571 -3.065563  4.1976371 -4.948359 -2.02136579
2013-06-28 -1.343432 -2.715331 -0.1402974 -5.473912 -1.57786534
2013-07-31  5.038578  5.186029  6.3541287  1.315986  0.26879677

我们的每只 ETF 月度回报都有一列，但请注意，日期位于无名列中。事实上，日期根本不在列中，它被视为此矩阵的基于时间的索引。

将其与 进行比较asset_returns_long。

此对象有一个名为 的列date，一个名为 的列asset和一个名为 的列returns。它被视为长数据对象，因为 ETF 堆叠成行，而asset_returns_xts被视为宽数据对象，因为每个 ETF 都有自己的列并使对象更宽。asset_returns_long和asset_returns_xts保存完全相同的信息，但格式不同。我们将研究如何使用 highcharter 可视化这两者，因为两者都是金融界流行的数据格式。让我们开始asset_returns_xts使用 Highcharts 工具链的 Highstock 部分。要从 R 调用此功能，我们首先提供要绘制图表的数据。请注意，我们指定 type = “line”，但这不是必需的，因为默认是折线图。

 highchart(type = "stock")highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "line")

两行简短的代码和一个非常漂亮的交互式时间序列！查看图表，注意底部有一个导航器，右上角有一个日期范围选择器。我们不必编写这些代码，默认情况下会创建它们，这对我们的最终用户来说是一个非常好的功能。highchart(type = "stock")

如果我们喜欢不同的颜色，我们可以用 来改变它。color = "green"

highchart （type = “stock” ）％>％ hc_add_series （asset_returns_xts $ SPY ， type = “line” ，color = “green” ）    

如果我们想要的是柱形图而不是折线图怎么办？代码流程相同，只是我们指定了。type = "column"

highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "column")

将鼠标悬停在这两个图表上，注意工具提示如何自动从 x 轴拉出日期。

对于散点图，我们使用相同的代码流，更改为，但我们还要通过附加 来添加 EFA ETF 的回报。我们可以对所有 5 个 ETF 执行此操作，逐行添加它们，以将所有 5 个放在同一个散点图上。type = "scatter"hc_add_series(asset_returns_xts$EFA)

highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "scatter") %>% hc_add_series(asset_returns_xts$EFA, type = "scatter"

该图表看起来符合我们的要求，但将鼠标悬停在某个点上时，会发现一些不太理想的外观特征。首先，工具提示显示的日期与 x 轴上显示的日期不一致。其次，它显示的完整 y 轴值超出了小数点后 10 位；第三，它将这两个 ETF 称为和，因为我们没有提供名称。让我们解决这三个问题。series 1series 2

首先，系列名称用和很容易添加。name = "SPY"name = "EFA"

highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "scatter", name = "SPY") %>% hc_add_series(asset_returns_xts$EFA, type = "scatter", name = "EFA")

接下来，我们通过添加到流程并使用 更改 x 点显示的格式来修改工具提示格式。这是告诉工具提示使用日期格式。hc_tooltip(pointFormat = ){point.x:%Y-%m-%d}

然后，我们用 更改 y 点显示，这告诉工具提示四舍五入到小数点后四位，然后在其后放置 % 符号。尝试将其更改为并查看结果。{point.y:.4f}%{point.y:.8f}

highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "scatter", name = "SPY") %>% hc_add_series(asset_returns_xts$EFA, type = "scatter", name = "EFA") %>% hc_tooltip(pointFormat = '{point.x: %Y-%m-%d}{point.y:.4f}%')

我喜欢 highcharter 选择的默认颜色，但我们可以使用参数自定义它们color。

highchart(type = "stock") %>% hc_add_series(asset_returns_xts$SPY, type = "scatter", name = "SPY", color = "lightblue") %>% hc_add_series(asset_returns_xts$EFA, type = "scatter", name = "EFA", color = "pink") %>% hc_tooltip(pointFormat = '{point.x: %Y-%m-%d}{point.y:.4f}%  ')
这就是所保存的数据的全部内容asset_returns_xts，让我们探索如何从长格式的数据构建相同的可视化效果。

回想一下 的结构asset_returns_long。

如果我们希望创建 SPY 收益的折线图，我们无法选择该SPY列，因为没有名为 的列SPY。我们需要通过调用来筛选asset列是否等于。SPYfilter(asset == "SPY")

asset_returns_long %>% filter(asset == "SPY") %>% head()

现在我们使用运算符将数据从一个函数传递到另一个函数。hchart()%>%

当我们运行 时，我们会过滤观察结果，然后将它们传递给。括号内的是使用过滤后的数据。这可能看起来有点冗长，但有了这个流程，我们可以快速过滤不同的条件，然后将结果传递给，如果我们想过滤类似的东西而不是（我们稍后会介绍），这会非常方便。asset_returns_long %>% filter(asset == "SPY")SPYhchart()hchart(.).hcharthchart()dateasset

但是，我们还没有完成，因为我们需要再次使用 type =“line” 指定图表类型，然后使用 映射我们的美学。为什么我们需要在这里调用，但之前我们不需要这样做？一切都回到数据结构。asset_returns_xts 没有日期列，日期在索引中，highcharter 默认使用该索引。有一个日期列，但 highcharter 无法知道我们想要那个日期列，除非我们明确告诉它。hcaes(x = date, y = returns)hcaesasset_returns_longx-axis

asset_returns_long %>% filter(asset == "SPY") %>% hchart(., type = "line", hcaes(x = date, y = returns))

请注意此图表与上一个折线图之间的一些差异。首先，这里没有导航器或日期选择器。当我们删除时，它们就消失了。此外，y 轴默认位于左侧。我更喜欢这样 - 也许你讨厌它！可以使用 hc_yAxis(opposite = TRUE) 将其改回右侧。为了更好，我们还通过调用 labels = list(format = “{value}%”) 向 y 轴添加一个 % 标签highchart(type = "stock")

asset_returns_long %>% filter(asset == "SPY") %>% hchart(., type = "line", hcaes(x = date, y = returns)) %>% hc_yAxis(opposite = TRUE,labels = list(format = "{value}%"))

我们可以使用完全相同的代码流来创建柱形图，只需更改为。我还希望数据的名称出现在工具提示中，这可以使用 来实现。type = "column"name = "SPY"

asset_returns_long %>% filter(asset == "SPY") %>% hchart(., type = "column", hcaes(x = date, y = returns),name = "SPY") %>% hc_yAxis(opposite = TRUE,labels = list(format = "{value}%"))

最后，让我们从整洁的长格式数据中创建一个散点图。我们更改为，并再次需要使用指定工具提示格式。type = "scatter"hc_tooltip(pointFormat = '{point.x:%Y-%m-%d}...)

asset_returns_long %>% filter(asset == "SPY") %>% hchart(., type = "scatter", hcaes(x = date, y = returns),name = "SPY") %>%hc_yAxis(opposite = TRUE,labels = list(format = "{value}%")) %>% hc_tooltip(pointFormat = '{point.x:%Y-%m-%d}{point.y: .4f}%')

好吧，两次构建相同的图表确实需要花费不少功夫。让我们做些不同的事情，看看如何利用我们整洁的长数据来高效地创建更有趣的图表。

假设我们希望将所有 ETF 数据分散到一张图表上，并按组着色。我们可以为每个 ETF返回原始数据，但这会有点繁琐。有了整洁的数据流，我们可以删除然后添加。这会告诉 highcharter 根据其组别为每个 ETF 涂上不同的颜色。请注意它还如何创建图例并在工具提示中包含 ETF 名称。flow and use hc_add_seriesfilter(asset == "SPY")hcaes(...group = asset)

asset_returns_long %>% hchart(., type = "scatter", hcaes(x = date, y = returns, group = asset)) %>% hc_yAxis(opposite = TRUE,labels = list(format = "{value}%")) %>% hc_tooltip(pointFormat = '{point.x:%Y-%m-%d}{point.y: .4f}%')          

我们可以很快看到，月回报率最低的是2015年8月的EEM。

创建柱状图可能不错，但只用于显示 2017 年的月度收益。这时，筛选的灵活性就派上用场了。我们可以调用 来隔离 2017 年的月份，然后构建柱状图。filter(date >= "2017-01-01" & date <= "2018-01-01")

asset_returns_long %>% 
filter(date >= "2017-01-01" & date < "2018-01-01") %>% 
hchart(., type = "column", hcaes(x = date, y = returns, group = asset)) %>% hc_yAxis(opposite = FALSE,labels = list(format = "{value}%")) %>% hc_tooltip(pointFormat = '{point.x: %Y-%m-%d}{point.y:.4f}% ')

请注意，收益如何按日期以列格式自然分组，这有助于按月比较每个 ETF。IJS 似乎是 2017 年波动性最大的，这似乎是 Shiny 应用程序的良好候选者，最终用户可以选择自定义日期期间和一组 ETF 来绘制图表。