Stata是统计学专业软件，可以很方便的对数据处理，但几乎只能按照整行整列进行，而且每次只能加载一个矩阵（dta文件），如果要用到多个矩阵数据进行操作或进行复杂的循环控制，就力不从心了。

而Matlab工业界广泛使用的数据分析处理工具，对矩阵支持良好，除了可以像c语言一样完成底层的操作之外，还包含很多函数库，囊括工控、信号处理、金融、人工智能各个行业。虽然没有Stata内置的统计学函数全面，但在底层操作方面具有明显优势。

因此，在一次帮助别人完成金融数据分析时，尝试使用Stata对数据进行预处理，Matlab完成运算之后再由Stata完成进一步的加标签等操作。

Stata完成数据预处理

Stata参考资料不多，主要参考了《应用Stata做统计分析》前两章基本操作部分，还有搜索。

待处理的数据为大盘行情与个股行情，从数据库下载到的数据为xls格式。使用

import excel *.xls

可以加载excel文件，当然在加载之前最好改变workspace到所在目录。

数据中一列为“1991-01-01”格式的日期数据，可以使用

generate dated=date(date1,YMD)

把日期同意换算成消逝日期，即相对于1960年元旦的天数。

而date、month、year等函数可以由消逝天数计算出当天的年月日。

导入的数据均为字符串类型，要把字符串转换为数字，要使用

encode x gen(y)

为了完成把数据导入Matlab进行处理，可以新建一个xlsx（Office2007格式）文件，Stata中输入browse查看数据，将数据复制进入Excel，保存。而在Matlab中点击导入数据完成导入，导入之后别忘了重命名。可以导入多个文件。

如果多个dta文件具有相同的列结构，可以采用下列命令合并：

use data1

append use data2

save data12

drop,replace,ls,rename命令也经常用到。

Matlab完成数据处理

Matlab中m文件编程可以完成很多操作，这次新学习到一个命令

try

...

catch

...

end

这样如果对多个数据进行处理，单个数据由于不完整等原因出错时可以继续运行下去。

这次操作，用到了polyfit和polyval命令，分别是进行单变量多项式拟合和估计。

程序代码如下：

%company is sorted, need to change to no-sort

%ind=563  company=[681,17902,563] is wrong,stock price's date may out of

%range

load('jr.mat')

[m,n]=size(company);

acum_index=zeros(m,1);

errcompany=zeros(1,3);%error for which can't find stock price

errind=1;

for ind=1:m

    arit=zeros(40,1);

    com_id=company(ind,1);%company code

    com_date=company(ind,2);%company board date

    index_date_ind=find(ind399108(:,1)==com_date,1);%pointer to index

    if isempty(index_date_ind)

        index_date_ind=find(ind399108(:,1)==com_date+1,1);

        if isempty(index_date_ind)

            index_date_ind=find(ind399108(:,1)==com_date+2,1);

        end

    end

    % index 40befor 40after

    index_befor=ind399108(index_date_ind-40:index_date_ind-1,2);

    index_after=ind399108(index_date_ind:index_date_ind+39,2);

    %calc stock increase

    stock_tmp=stock(find(stock(:,1)==com_id,1,'first'):find(stock(:,1)==com_id,1,'last'),:);

    stock_tmp_ind=find(stock_tmp(:,2)==com_date,1);

    if isempty(stock_tmp_ind)

        stock_tmp_ind=find(stock_tmp(:,2)==com_date+1,1);

        if isempty(stock_tmp_ind)

            stock_tmp_ind=find(stock_tmp(:,2)==com_date+2,1);

        end

    end

    if isempty(stock_tmp_ind)

        errcompany(errind,:)=company(ind,:);

        errind=errind+1;

        acum_index(ind)=inf;

        continue

    end

    try

        stock_index_befor=(stock_tmp(stock_tmp_ind-40:stock_tmp_ind-1,2)-stock_tmp(stock_tmp_ind-40-1:stock_tmp_ind-1-1,2))./stock_tmp(stock_tmp_ind-40-1:stock_tmp_ind-1-1,2);

        stock_index_after=(stock_tmp(stock_tmp_ind:stock_tmp_ind+39,2)-stock_tmp(stock_tmp_ind-1:stock_tmp_ind+39-1,2))./stock_tmp(stock_tmp_ind-1:stock_tmp_ind+39-1,2);

    catch

        display(company(ind,:));

        display(ind);

        acum_index(ind)=inf;

        continue;

    end

    %use index_befor stock_index_befor index_after stock_index_after to

    %calc

    p=polyfit(index_befor,stock_index_befor,1);

    arit=stock_index_after-polyval(p,index_after);

    acum_index(ind)=sum(arit);

end

outdata=[company,acum_index];

完成处理后，使用

xlswrite('x.xls',x)

可以把数组x写入xls文件。

之后可以在Stata中把消逝天数转换为日期，给变量重命名，就完成了操作。

R语言

这次工作完成的非常吃力，主要是工具的原因，Stata无法很好的完成循环控制等底层操作，Matlab虽然可以完成所有操作但Matlab中的字符串和日期操作非我所长，R语言作为专业统计语言，完成这些数据处理和计算应该是十分方便的。很期待R的表现。