DeepLearningFinance/DatenVorverarbeitung.R at master · luctrate/DeepLearningFinance · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
#Data Preprocessing

#Working Directory zuhause und Uni
setwd("C:/Users/shook/Google Drive/Bachelor Thesis/Empirisches Modell")
setwd("H:/Bachelor Thesis/Empirische Umsetzung")

#Restart ACHTUNG löscht alle Daten
rm(list=ls(all=TRUE))

#Libraries

#Schritt 1: Tägliche Kurse zu täglichen & monatl. Performancewerten
kurseTaegl = read.csv("Daten/0_Kurse.csv", sep =",", dec = ".", stringsAsFactors=FALSE)
komposition = read.csv("Daten/0_Komposition.csv", sep =";", dec = ",", stringsAsFactors=FALSE)


#Dummy für Perf Array
Perf = array(NA,dim=c(40000,61))

#Stellen der Monatswechsel bestimmen
monthchangepos=c()

for (c in 2:nrow(kurseTaegl)){
  if (as.numeric(format(as.Date(kurseTaegl[c,1],origin="1899-12-30"), "%m"))!=as.numeric(format(as.Date(kurseTaegl[c-1,1],origin="1899-12-30"), "%m"))){
    monthchangepos=append(monthchangepos,c)
  }
}
#Für später (neuralnet backtest ergebnisse)
ergebnismatrix = kurseTaegl[monthchangepos,]
ergebnismatrix[,2:228] = NA
write.csv(ergebnismatrix, file="Daten/0_ergebnismatrix_blank.csv",row.names = F)

#Performance bestimmen

count=1
for (c in 62:(length(monthchangepos)-1)){
#for (c in 14:(length(monthchangepos)-1)){
  for(i in 2:228){
    #if (sum(is.na(kurseTaegl[monthchangepos[c-13]:monthchangepos[c+1],i]))==0 & kurseTaegl[monthchangepos[c],i]>5){
    if (sum(is.na(kurseTaegl[monthchangepos[c-61]:monthchangepos[c+1],i]))==0 & kurseTaegl[monthchangepos[c],i]>5){

      Perf[count,1]=kurseTaegl[monthchangepos[c],1]
      Perf[count,2]=colnames(kurseTaegl)[i]
      Perf[count,35]=as.numeric(as.numeric(format(as.Date(kurseTaegl[monthchangepos[c],1],origin="1899-12-30"), "%m"))==1)
      Perf[count,36]=1+(kurseTaegl[monthchangepos[c+1],i]-kurseTaegl[monthchangepos[c],i])/kurseTaegl[monthchangepos[c],i]

      Perf[count,37]=as.numeric(komposition[komposition[,1]==as.numeric(format(as.Date(kurseTaegl[monthchangepos[c],1],origin="1899-12-30"), "%Y")),i]==1)

      Perf[count, 3]=as.numeric(1+(kurseTaegl[monthchangepos[c-12],i]-kurseTaegl[monthchangepos[c-13],i])/kurseTaegl[monthchangepos[c-13],i])

      for(tminus in 2:12){
        Perf[count, 2+tminus]=as.numeric(Perf[count, 1+tminus])*(1+(kurseTaegl[monthchangepos[c-13+tminus],i]-kurseTaegl[monthchangepos[c-14+tminus],i])/kurseTaegl[monthchangepos[c-14+tminus],i])
      }
      Perf[count, 15]=1+(kurseTaegl[monthchangepos[c]-19,i]-kurseTaegl[monthchangepos[c]-20,i])/kurseTaegl[monthchangepos[c]-20,i]
      for(tminus in 1:19){
        Perf[count, 15+tminus]=as.numeric(Perf[count, 14+tminus])*(1+(kurseTaegl[monthchangepos[c]-19+tminus,i]-kurseTaegl[monthchangepos[c]-20+tminus,i])/kurseTaegl[monthchangepos[c]-20+tminus,i])
      }

      Perf[count, 38]=as.numeric(1+(kurseTaegl[monthchangepos[c-60],i]-kurseTaegl[monthchangepos[c-61],i])/kurseTaegl[monthchangepos[c-61],i])

      for(tminus in 2:24){
        Perf[count, 37+tminus]=as.numeric(Perf[count, 36+tminus])*(1+(kurseTaegl[monthchangepos[c-61+tminus],i]-kurseTaegl[monthchangepos[c-62+tminus],i])/kurseTaegl[monthchangepos[c-62+tminus],i])
      }

      count=count+1
    }
  }
}

performanceDF = data.frame(monat=integer(count-1),stringsAsFactors = F)

#Übertrag in ein Dataframe zur weiterverarbeitung

performanceDF$monat=as.numeric(Perf[1:count-1,1])
performanceDF$titel=Perf[1:count-1,2]
performanceDF$monatl1=as.numeric(Perf[1:count-1,3])
performanceDF$monatl2=as.numeric(Perf[1:count-1,4])
performanceDF$monatl3=as.numeric(Perf[1:count-1,5])
performanceDF$monatl4=as.numeric(Perf[1:count-1,6])
performanceDF$monatl5=as.numeric(Perf[1:count-1,7])
performanceDF$monatl6=as.numeric(Perf[1:count-1,8])
performanceDF$monatl7=as.numeric(Perf[1:count-1,9])
performanceDF$monatl8=as.numeric(Perf[1:count-1,10])
performanceDF$monatl9=as.numeric(Perf[1:count-1,11])
performanceDF$monatl10=as.numeric(Perf[1:count-1,12])
performanceDF$monatl11=as.numeric(Perf[1:count-1,13])
performanceDF$monatl12=as.numeric(Perf[1:count-1,14])
performanceDF$taegl1=as.numeric(Perf[1:count-1,15])
performanceDF$taegl2=as.numeric(Perf[1:count-1,16])
performanceDF$taegl3=as.numeric(Perf[1:count-1,17])
performanceDF$taegl4=as.numeric(Perf[1:count-1,18])
performanceDF$taegl5=as.numeric(Perf[1:count-1,19])
performanceDF$taegl6=as.numeric(Perf[1:count-1,20])
performanceDF$taegl7=as.numeric(Perf[1:count-1,21])
performanceDF$taegl8=as.numeric(Perf[1:count-1,22])
performanceDF$taegl9=as.numeric(Perf[1:count-1,23])
performanceDF$taegl10=as.numeric(Perf[1:count-1,24])
performanceDF$taegl11=as.numeric(Perf[1:count-1,25])
performanceDF$taegl12=as.numeric(Perf[1:count-1,26])
performanceDF$taegl13=as.numeric(Perf[1:count-1,27])
performanceDF$taegl14=as.numeric(Perf[1:count-1,28])
performanceDF$taegl15=as.numeric(Perf[1:count-1,29])
performanceDF$taegl16=as.numeric(Perf[1:count-1,30])
performanceDF$taegl17=as.numeric(Perf[1:count-1,31])
performanceDF$taegl18=as.numeric(Perf[1:count-1,32])
performanceDF$taegl19=as.numeric(Perf[1:count-1,33])
performanceDF$taegl20=as.numeric(Perf[1:count-1,34])
performanceDF$jan=as.numeric(Perf[1:count-1,35])
performanceDF$outp=as.numeric(Perf[1:count-1,36])
performanceDF$inIndex=as.numeric(Perf[1:count-1,37])
performanceDF$monatl61=as.numeric(Perf[1:count-1,61])
performanceDF$monatl60=as.numeric(Perf[1:count-1,60])
performanceDF$monatl59=as.numeric(Perf[1:count-1,59])
performanceDF$monatl58=as.numeric(Perf[1:count-1,58])
performanceDF$monatl57=as.numeric(Perf[1:count-1,57])
performanceDF$monatl56=as.numeric(Perf[1:count-1,56])
performanceDF$monatl55=as.numeric(Perf[1:count-1,55])
performanceDF$monatl54=as.numeric(Perf[1:count-1,54])
performanceDF$monatl53=as.numeric(Perf[1:count-1,53])
performanceDF$monatl52=as.numeric(Perf[1:count-1,52])
performanceDF$monatl51=as.numeric(Perf[1:count-1,51])
performanceDF$monatl50=as.numeric(Perf[1:count-1,50])
performanceDF$monatl49=as.numeric(Perf[1:count-1,49])
performanceDF$monatl48=as.numeric(Perf[1:count-1,48])
performanceDF$monatl47=as.numeric(Perf[1:count-1,47])
performanceDF$monatl46=as.numeric(Perf[1:count-1,46])
performanceDF$monatl45=as.numeric(Perf[1:count-1,45])
performanceDF$monatl44=as.numeric(Perf[1:count-1,44])
performanceDF$monatl43=as.numeric(Perf[1:count-1,43])
performanceDF$monatl42=as.numeric(Perf[1:count-1,42])
performanceDF$monatl41=as.numeric(Perf[1:count-1,41])
performanceDF$monatl40=as.numeric(Perf[1:count-1,40])
performanceDF$monatl39=as.numeric(Perf[1:count-1,39])
performanceDF$monatl38=as.numeric(Perf[1:count-1,38])

#Überprüfung is dürfen keine NAs auftreten
sum(is.na(performanceDF[1:count-1,]))
write.csv(performanceDF, file="Daten/1_Performance5Jahre.csv",row.names = F)

#Schritt 2: Z Score berechnung
#kurse = read.csv("Daten/1_Performance.csv", sep =",", dec = ".")
kurse = performanceDF
Zscores_Final = performanceDF
zscores = array(NA,dim=c(nrow(kurse),61))
normalize=function(x){(x-min(x))/(max(x)-min(x))}

for (b in c(3:34,38:61)){
  m1=mean(kurse[which(kurse$monat==kurse[1,1]), b])
  std=sd(kurse[which(kurse$monat==kurse[1,1]), b])
  #meanT1=mean(kurse[which(kurse$monat==kurse[1,1]), 36])
  for (a in 1:nrow(kurse)){
    zscores[a,b]=(kurse[a,b]-m1)/std
    if (b==3){
      zscores[a,35]=kurse[a,35]

      #zscores[a,36]=as.numeric(kurse[a,36]>median(kurse[which(kurse$monat==kurse[a,1]), 36]))

      #if(kurse[a,36]>quantile(kurse[which(kurse$monat==kurse[a,1]), 36],.8)){
      #  zscores[a,36]=1
      #}else{
      #  zscores[a,36]=0
      #}

      if(kurse[a,36]>quantile(kurse[which(kurse$monat==kurse[a,1]), 36],.8)){
        zscores[a,36]=2
      }else if(kurse[a,36]>quantile(kurse[which(kurse$monat==kurse[a,1]), 36],.2)){
        zscores[a,36]=1
      }else{
        zscores[a,36]=0
      }

    }
    if (a<nrow(kurse)){
      if (kurse[a+1,1]!=kurse[a,1]){
        #meanT1=mean(kurse[which(kurse$monat==kurse[a,1]), 36])
        m1=mean(kurse[which(kurse$monat==kurse[a+1,1]), b])
        std=sd(kurse[which(kurse$monat==kurse[a+1,1]), b])
        zscores[which(kurse$monat==kurse[a,1]),b] = normalize(zscores[which(kurse$monat==kurse[a,1]),b])
      }
    }
    if (a==nrow(kurse)){
        zscores[which(kurse$monat==kurse[a,1]),b] = normalize(zscores[which(kurse$monat==kurse[a,1]),b])
    }
  }
  Zscores_Final[,b]=zscores[,b]
}

Zscores_Final[,35]=zscores[,35]
Zscores_Final[,36]=zscores[,36]
Zscores_Final[,37]=kurse$inIndex

#NAs aufgrund von einem "Handelstag" ohne Aktivität (keine Kursänderung --> Keine Standardabw --> Div durch 0 )
sum(is.na(Zscores_Final[]))

#NAs werden als 0.5 (neutral) weitergeführt
#Zscores_Final[is.na(Zscores_Final[])] = 0.5

write.csv(Zscores_Final, file="Daten/2_ZScoresNorm5Jahre3Klassen.csv", row.names = F)

#Damit ist die Vorverarbeitung abgeschlossen. Die Zscore dienen als Input für das neurale Netz

#Speicher bereinigen, nur die KurseTaegl und ZScore werden weiter benötigt
rm(Perf, performanceDF, zscores, kurse, komposition,)