自己做网站nas网站建设和连接器区公司名字
大家好，我是带我去滑雪！
作为一名统计学专业的学生，时常和数据打交道，我深知数据的重要性。数据是实证研究的重要基础，每当在完成一篇科研论文中的实证研究部分时，我都能深刻体会实证研究最复杂、最耗时的工作不是高深模型的构建，而是数据的收集、清洗等基础准备工作。今天和大家分享几个获取经济金融数据下载方法。
目录
（1）读取美国圣路易斯联储研究资源网站的数据
（2）通过Quandl平台下载
（3）下载美联储利率数据
（4）Wind数据
（1）读取美国圣路易斯联储研究资源网站的数据
网址：https://fred.stlouisfed.org/，该网站有来自80多个数据源的50多万笔时间序列数据。假设我们想读取美国的失业率，在该网站搜索到包含此数据的页面https://fred.stlouisfed.org/series/UNRATE：
可以发现浏览器中的数据名称代码为UNRATE，下面开始编写R代码：
n=c("UNRATE")
URL=paste("https://fred.stlouisfed.org/series/" ,n,"/","downloaddata/",n,".csv",sep="")
US_up=read.csv(URL)
US_up输出结果：
（2）通过Quandl平台下载
Quandl 是一个提供金融和经济数据的平台，允许用户访问和下载来自各种来源的大量数据集。我们可以通过安装Quandl包并在Quandl官网上注册获取API密钥，下面开始代码实战。
install.packages("Quandl",repos="http://mirrors.tuna.tsinghua.edu.cn/CRAN/")
library(Quandl)
Quandl.api_key("jYsdfYCRsfda4rC6Goj")
cu=Quandl("SCF/SHFE_CU1_FN",start_date="2022-12-01",end_date="2023-01-01",type="xts")
tail(cu,5)
（3）下载美联储利率数据
source("GetInterestRates.src")
TB_all<-GetInterestRates("TCMNOM",from = as.Date("1980/01/01"), to = as.Date(Sys.Date()));head(TB_all)
write.csv(TB_all,file="TB_all.csv")输出结果：
（4）Wind数据
万得是国内主要的财经数据提供商。
install.packages("WindR",repos="http://mirrors.tuna.tsinghua.edu.cn/CRAN/")
library(WindR)
w.start(showmenu=F)
data <- w.wsd("000016.SH","open,close,volume,amt","2005-01-01",Sys.Date()-1,"Period=D")
head(data$Data)
更多优质内容持续发布中，请移步主页查看。
点赞+关注,下次不迷路！