Lynas Charting

require(quantmod)
require(TTR)
require(forecast)
# Für welchen Wert sollen die Daten bezogen werden?
# Lynas Australien
symbolName <- "LYC.AX"
# Lynas Frankfurt
#symbolName <- "LYI.F"
#
# Molycorp
# symbolName <- "9MO.F"
#
# China Rare Earth HK
# symbolName <- "0769.HK"
# symbolName <- "RAE.F"
#
# Andere Symbole von YAHOO
# symbolName <- "SPY"
# symbolName <- "DJIA"
# symbolName <- "^GDAXI"
# symbolName <- "^AORD"
#
# Um wieviele Tage in die Vergangenheit soll vorhergesagt werden?
back <- 0
# Wieviele Tage an Vorhersage?
ahead <- 365
# Order-Argumente für ar(..., order.max=....)
ord_start <- 200
ord_end <- 300
ord_step <- 50
histrows <- 1600
# ####################
ords <- seq(ord_start, ord_end, ord_step)
#
#
# Chartdaten aus der Zeitreihe extrahieren
z <- get( getSymbols( symbolName, from="1900-01-01") )
names(z) <- c("Open", "High", "Low", "Close", "Volume", "Adjusted")
# Anzahl der Zeilen
nrows <- dim(z)[1]
#
# Einen Ausschnitt der gesamten Zeitreihe bilden
cs <- tail(z, histrows)
#
# Donchian-Channels vorberechnen
dc100 <- DonchianChannel(cs[,c("High","Low")], n=100)
dc200 <- DonchianChannel(cs[,c("High","Low")], n=200)
#
# Gleitende Durchschnitte vorberechnen
sma100 <- SMA(cs[, "Close"], n=100)
sma200 <- SMA(cs[, "Close"], n=200)
#
# Chart nach links schieben (Zukunftsprojektion)
cs_fut <- xts(, end(cs)+1:ahead)
cs_fut$Open <- rep(last(dc100)$low, ahead)
cs_fut$High <- rep(last(dc100)$low, ahead)
cs_fut$Low <- rep(last(dc100)$low, ahead)
cs_fut$Close <- rep(last(dc100)$low, ahead)
cs_fut$Volume <- rep(0, ahead)
cs_fut$Adjusted <- rep(last(dc100)$low, ahead)
cs <- rbind(cs, cs_fut )
remove(cs_fut)
#
# Vorhersagen vorberechnen
# Beachte: Für die Vorhersage wird die komplette Zeitreihe
# verwendet und nicht nur der Ausschnitt in "cs"
#
xp <- c()
for(i in ords ) {
    # Herausschneiden der Samples
    model <- ar(Cl(head(z, (nrows - back) ) ), method="ols", aic=FALSE, order.max=i)
    df <- data.frame(predict(model, n.ahead=ahead+1)$pred)
    names(df) <- c( paste("pred", i, sep="") )
    pred_date <- time(last(z)-back)
    rownames(df) <- seq(pred_date, pred_date+ahead, 1)
    x <- as.xts(df, order.by=as.Date(rownames(df)))
    if (length(xp)==0) {
      xp <- x
    } else {
      xp <- merge(xp, x)
    }
}
#
# Vorhersagen und Chartdaten zusammenführen
full_cs <- rbind( rbind( rbind( cs$High, xp$pred200), xp$pred250), xp$pred300)
#
# Y-Range neu berechnen
yr <- range(max( c( min( full_cs )*0.95, 0.001) ), max( full_cs )*1.05)
#
# Aufräumen
remove(df)
remove(x)
remove(i)
remove(full_cs)
#
# Chart mit den entsprechenden Indikatoren plotten
#
chartSeries(cs,
            name=symbolName,
            multi.col=TRUE,
            theme='white',
            log.scale=TRUE,
            TA=NULL,
            las=2,
            major.ticks='months',
            minor.ticks=FALSE,
            yrange=yr
)
addTA(sma100, col="blue", on=1)
addTA(sma200, col="violet", on=1)
addTA(dc100$high, col="green", on=1)
addTA(dc200$high, col="darkgreen", on=1)
addTA(dc100$low, col="red", on=1)
addTA(dc200$low, col="darkred", on=1)
addTA(xp$pred200, on=1, col="orange")
addTA(xp$pred250, on=1, col="red")
addTA(xp$pred300, on=1, col="darkred")