假设我想要在总收入的R毛利中回归。我需要这方面的数据，越多越好。 我发现CRAN上有一个非常有用的库：quantmod，它可以满足我的需要。
library(quantmod)
getFinancials(Symbol="AMD", src="google")
#to get the names of the matrix: rownames(AMD.f$IS$A)
Total.Revenue<-AMD.f$IS$A["Revenue",]
Gross.Profit<-AMD.f$IS$A["Gross Profit",]
#finally:
reg1<-lm(Gross.Profit~Total.Revenue)
我遇到的最大问题是这个图书馆只获得了4年的数据（4次观察，只有4次观察才能进行回归）。有没有其他方式（可能是其他库）可以获得超过4年的数据？
答案 0 :(得分：6)
我同意这不是一个R编程问题，但是在这个问题（可能）关闭之前我还是会发表一些评论。
归结为：即使您有足够的资金支出，在各个行业和市场上获取可靠的基础数据也很困难。如果您正在寻找美国，那么有许多选择，但所有主要（读“相对可靠”）提供商每月需要数千美元 - FactSet，Bloomberg，Datastream等。对于它的价值，我更喜欢使用基础数据并使用FactSet。
一般来说，由于每个提供商提供的Excel工具都比较成熟，我发现用数据填充电子表格然后将数据读入R更容易。然后，我通常会处理几十个基本面。公司最多，因为一旦你离开“已知”公司的领域，检查异常所需的时间会呈指数级增长。
有许多潜在的“陷阱”。最明显的是，不同部门的定义各不相同。例如，工业公司的“销售”与银行的“销售”非常不同。另一个问题是定义的变化。几乎每年都会出现一些会计法规或其他变化并打破您的数据系列。去年少数民族被报道这里，但今年这个项目被移到了P＆amp; L的另一个位置，依此类推。
另一个问题是公司自身在变化。例如，如何处理合并，收购和分拆？这种事情可以使衡量有机销售增长几乎不可能。另外要记住的一点是，如果您处理经营利润或净利润，您必须考虑例外以及是否对其进行调整。
与美国以外的公司打交道会增加一大堆进一步的问题。当然，主要的数据提供商试图在全球范围内实现标准化（例如FactSet Fundamentals）。这只是增加了另一层抽象，通常很难检查数据是如何被操纵的。
简而言之，获取数据非常繁琐，我知道没有可靠的免费资源。除非你正在为一个非常同质的公司集团处理最简单的项目，否则即使你拥有这些数据，这也是一堆蠕虫。