R ist eine freie Programmiersprache und zugleich Software-Umgebung, die für statistische Analysen und grafische Visualisierung eingesetzt wird. Damit unterscheidet sich R von den meisten klassischen Statistik-Programmen, weil dort nur die Auswahl von fix vorgegebenen statistischen Prozeduren und die Veränderung weniger Parameter möglich ist. Auch die in anderen Programmen nachträglich geschaffenen Möglichkeiten für Programmierung helfen nicht viel, denn es fehlen sog. Sprachelemente. Bei der Nutzung von R erleichtern ebendiese den Umgang mit Daten, die Datenaufbereitung und die statistischen Berechnungen erheblich.

Zudem ist bei proprietärer Software grundsätzlich problematisch, dass die interne Programmierung durch die Nutzer nicht einsehbar ist und damit nicht überprüft werden kann. Hingegen ist der Quellcode von R frei zugänglich [Open Source] und damit prinzipiell überprüfbar.

Schritt 1: Installation von R

R steht für viele Betriebssysteme bereit, u. a. Linux, macOS und Windows. Der Nutzer wird [zumindest unter Windows] schrittweise durch den Installationsprozess geführt. Vorab ist es sinnvoll, wenn ein zentrales Arbeitsverzeichnis angelegt wird, wo alle Dateien gespeichert sind bzw. gespeichert werden sollen. 

Für den Download einen Server auswählen: 

• Erlangen-Nürnberg

• Göttingen

• Münster

• Regensburg

Schritt 2: Installation von RStudio

Ergänzend zur Installation von R sollte auch die grafische Benutzeroberfläche RStudio [oder eine andere externe Benutzeroberfläche] installiert werden, denn sie erleichtert die Programmierung, u. a. durch Autovervollständigung, automatische Einrückungen, Syntax-Hervorhebungen oder Hilfsfunktionen. 

Auch RStudio steht für die gängigen Betriebssysteme bereit und ist frei zugänglich [Open Source]. RStudio setzt eine funktionierende Installation von R [derzeit Version 3.0.1 oder höher] voraus. Die Desktop-Version von RStudio steht hier zum Download bereit:

• https://rstudio.com

In der herunterladbaren Distribution von R sind bereits 29 grundlegende Pakete [Basispakete] enthalten, die für den Anfang ausreichend sind. Der Funktionsumfang von R kann jedoch durch zusätzliche Pakete [und vor allem auch selbst programmierte Lösungen] erweitert werden. Ein erster Einblick in die weite Welt der Pakete findet sich bspw. hier:

• https://cran.r-project.org

Die Installation und Aktivierung von zusätzliche Paketen ist ohne größeren Aufwand machbar, wenn man weiß wonach man genau sucht. Es gibt derzeit mehr als 15 Tsd. Pakete, die eine Vielzahl an Themen abdecken, insbesondere:

• Statistische Verfahren

• Datenzugang

• Zugriff auf externe Programme

• Ergebnisdokumentation

• Grafiken und Animationen

Nützliche Pakete[sammlungen] für Data Science und z. T. spezifische Analysen im Finanzsektor sind:

• Tidyverse → Paketsammlung für Data Science, u. a. ggplot2 für Visualisierungen

• Xts [und Zoo] → Pakete für Zeitreihenanalyse, welches den Umgang u. a. mit Kursdaten erheblich erleichtert

• Quantmod → Paket für Quantitative Financial Modeling und Trading, z. B. zum Testen von Handelsstrategien

• Tidyquant → Paketsammlung, die u. a. xts/zoo und Quantmod  umfasst und an Tidyverse "anbindet"

• Shiny → Paket ermöglicht Menschen ohne tiefergehende Programmierkenntnisse z. B. webbasierte Dashboards für R-Programme zu entwickeln