开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

R中来自alphaadvantage的getSymbols

是一个用于从Alpha Vantage API获取金融数据的函数。它是一个用于金融数据分析和量化交易的R语言包。该函数可以通过Alpha Vantage API获取各种金融市场的数据，包括股票、外汇、加密货币等。

优势：

数据丰富：Alpha Vantage提供了全球范围内的金融数据，包括历史股价、技术指标、财务数据等，可以满足不同需求的数据分析和建模。
实时更新：Alpha Vantage的数据是实时更新的，可以获取最新的市场行情和数据。
简单易用：getSymbols函数提供了简单易用的接口，可以方便地获取和处理金融数据。
免费使用：Alpha Vantage提供了免费的API访问，可以在一定限制下免费获取金融数据。

应用场景：

量化交易：通过获取Alpha Vantage的金融数据，可以进行量化交易策略的研究和回测。
数据分析：可以利用获取的金融数据进行数据分析、建模和预测，帮助投资决策和风险管理。
金融研究：研究人员可以利用获取的金融数据进行各种金融研究，如市场分析、行业研究等。

推荐的腾讯云相关产品：腾讯云提供了一系列与云计算和数据分析相关的产品，以下是一些推荐的产品：

云服务器（CVM）：提供弹性计算能力，可用于搭建和运行R语言环境。
云数据库MySQL版：提供高可用、可扩展的MySQL数据库服务，可用于存储和管理获取的金融数据。
云函数（SCF）：提供事件驱动的无服务器计算服务，可用于自动化获取金融数据。
数据万象（CI）：提供图像处理、内容识别等功能，可用于处理金融数据中的多媒体内容。
人工智能平台（AI Lab）：提供各种人工智能算法和工具，可用于金融数据的分析和建模。

腾讯云产品介绍链接地址：

云服务器（CVM）：https://cloud.tencent.com/product/cvm
云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
云函数（SCF）：https://cloud.tencent.com/product/scf
数据万象（CI）：https://cloud.tencent.com/product/ci
人工智能平台（AI Lab）：https://cloud.tencent.com/product/ai

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

基于R语言的shiny网页工具开发基础系列-06

StockVis 用R的quantmod包，如果没有应该安装install.packages("quantmod")

02

R海拾遗-shiny4

在工作目录中创建一个名为stockVis的新文件夹下载以下文件放在stockVis中 app.R：https://shiny.rstudio.com/tutorial/written-tutorial/lesson6/stockVis/app.R helper.R：https://shiny.rstudio.com/tutorial/written-tutorial/lesson6/stockVis/helpers.R 使用runApp启动应用程序runApp("stockVis")

04

指数加权模型EWMA预测股市多变量波动率时间序列

但是您的客户需要快速理解。他们没有意愿或时间去处理任何太乏味的事情，即使模型可以稍微准确一些。简单性是商业中非常重要的模型选择标准。

01

R语言Fama-French三因子模型实际应用：优化投资组合

本文将说明金融数学中的R 语言优化投资组合，Fama-French三因子（因素）模型的实现和使用。

01

R语言Fama-French三因子模型实际应用：优化投资组合|附代码数据

最近我们被客户要求撰写关于Fama-French三因子模型的研究报告，包括一些图形和统计输出。

00

Android AAPT1编译流程

在APP打包过程中 , 会通过AAPT编译资源以及生成R.java文件. 一般我们使用以下命令来调用aapt命令 :

04

R语言收益率和波动性模拟股票价格COMP226带自测题

在本工作表中，我们将研究价格、收益率和波动性。波动性通常用收益率的均方差来衡量，例如夏普比率的分母，它被用作风险的衡量标准。我们将使用股票价格的平均对数收益率和波动性（对数回报的均方差）来模拟股票价格。

01

金融数据获取的api接口

最近苹果的股价一路疯长，继周四突破万亿美元市值后，周五盘中高点、收盘价双创新高。盘中高点达208.74美元，收盘价报207.99美元，上涨0.29%，创历史收盘新高，市值达10045.76亿美元。

03

第一次绘制K线图与网络图

The following objects are masked from ‘package:base’:

05

样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据

一只股票的_beta_值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动。

02

样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据|附代码数据

一只股票的_beta_值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动（点击文末“阅读原文”获取完整代码数据）。

01

AI 技术讲座精选：如何创建 R 包并将其发布在 CRAN / GitHub 上？

前言大多数受欢迎的编程语言都有个共同点——他们都是“开源”。开源是一种分散的开发模式，它基于社区参与。社区成员推动这种编程语言的发展，所得成果向所有人开放。这些开源语言（如 R、C++、,C#、Java、PHP、Python 和 Ruby 等）不断发展和创新的主要原因就是社区参与。在数据科学中，R 就是最受欢迎的语言之一。它受欢迎的主要原因就是数据科学社区 R 语言使用者的不断贡献和支持。他们贡献的包形成了 R 编程语言的基础。虽然大家在社区内共享了许多关于如何使用 R 解决问题的教程，但是却较少关

05

动量和马科维茨Markowitz投资组合(Portfolio)模型实现

本文摘选《R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现》

02

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

动量和马科维茨投资组合模型使均值方差优化组合成为可行的解决方案。通过建议并测试：

02

R语言分析股市相关结构：用回归估计股票尾部相关性（相依性、依赖性）

我们都了解股票相对于市场的贝塔系数、股票相对于市场的敏感性（例如标准普尔 500 指数）的概念。尾部相关性的概念类似，因为它是股票对市场回撤的敏感性。如果每次市场下跌，股票下跌，那将意味着两件事：

01

R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列|附代码数据

最近我们被客户要求撰写关于ARIMA-GARCH的研究报告，包括一些图形和统计输出。

00

Shiny 基础

作为一个实例展示， Shiny 中内置了一些例子，我们可以通过运行 runExample() 来探索Shiny APP的结构：

02

R语言数据的收益率和可能的波动性交易

首先，你需要去alphaVantage，注册，并https://www.alphavantage.co/support/#api-key获得一个API密钥。

02

量化投资教程：用R语言打造量化分析平台

概述和Python计算环境中的tushare包一样，在R中我们使用quantmod包接入第三方数据源，实现自定义量化分析平台的构建。本文打算以陌陌的股票分析为背景，介绍如何通过quantmod包构

09

获取股票信息的简单shiny接口

原文： http://supstat.com.cn/blog/2014/12/03/a-simple-shiny-interface-to-retrieve-stock-information/ 本文的作者是某国际知名制药公司在华研究中心的工程师，今年8月他们部门接受了我们的R语言培训，这篇文章就是培训后他做的presentation. 目标：通过数据的股票代码获取中国股票信息这个项目以利用shiny获取和展示股票信息为目标。数据准备新浪是获取中国股票信息源数据的理想场所，我们可以利用下面的代码来得

05

R语言优化交易系统：用平行坐标图可视化系统参数优化结果

在交互式平行坐标图中，有一个很好的htmlwidgets的例子。你可以交互式地操作平行坐标图来放大有趣的观察结果。

02

R语言做几何布朗运动的模拟：复杂金融产品的几何布朗运动的模拟

几何布朗运动（GBM）是模拟大多数依赖某种形式的路径依赖的金融工具的标准主力。虽然GBM基于有根据的理论，但人们永远不应忘记它的最初目的 - 粒子运动的建模遵循严格的正态分布脉冲。基本公式由下式给出：

03

R语言做复杂金融产品的几何布朗运动的模拟

几何布朗运动（GBM）是模拟大多数依赖某种形式的路径依赖的金融工具的标准主力。虽然GBM基于有根据的理论，但人们永远不应忘记它的最初目的 - 粒子运动的建模遵循严格的正态分布脉冲。基本公式由下式给出：

01

R语言金融市场量化交易：布林带、价差策略、RSI交易策略，回测COMP 226

- 每一天的方向与之前的变化不同，对该策略来说都是亏损的一天，所以这样的日子不应该有大的价格波动。

02

结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析

本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。Google股票数据集是使用R中的Quantmod软件包从Yahoo Finance获得的。

04

Garch波动率预测的区制转移交易策略

本文提出了一种算法，可以根据市场波动性在均值回归和趋势跟随策略之间进行切换。研究了两种模型：一种使用历史波动率，另一种使用Garch（1,1）波动率预测。均值回归策略使用RSI（2）建模：RSI（2）时为Long，否则为Short。趋势跟踪策略以SMA 50/200交叉建模：当SMA（50）> SMA（200）时为Long，否则为Short。

02

使用R语言构造投资组合

原作者: 邓一硕来自: 格物堂构造投资组合是金融投资分析中历久弥新的问题。多年以来，学界、业界提出诸多对投资组合进行优化的方法。比如，最经典的基于收益率均值和收益率波动性进行组合优化，由于马克维滋提出用收益率方差表示收益率的波动性，所以，这种方法又称为的$$ \sum M-V $$方法，即 Mean-Variance 方法的缩写；后来，又衍生出基于夏普比率（Sharp Ratio）的投资组合优化方法；近年来，随着VaR (Value at Risk) 和 CVaR(Conditional Vaule

06

用有限混合模型(FMM,FINITE MIXTURE MODEL)创建衰退指标对股市SPY、ETF收益聚类双坐标图可视化

从广义上讲，我们可以将金融市场状况分为两类：牛市和熊市。第一个是平稳且通常向上倾斜。第二个描述了一个低迷的市场，通常更不稳定。在任何特定时刻，我们只能猜测自己所处的状态；因为这两个状态没有统一准确的定义。

03

用收缩估计股票beta系数回归分析Microsoft收益率风险

配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。这是一个可能的解决方案的建议，这并不是真正的解决方案。看看下图：

01

R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析

本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。Google股票数据集是使用R中的Quantmod软件包从Yahoo Finance获得的。

03

R语言金融市场量化交易：布林带、价差策略、RSI交易策略，回测COMP 226|附代码数据

从现在开始，我们将重复使用实用工具脚本 "utilities.R "中的函数。在这种情况下，我们将使用。

00

R语言中的马尔可夫区制转移(Markov regime switching)模型|附代码数据

最近我们被客户要求撰写关于马尔可夫区制转移模型的研究报告，包括一些图形和统计输出。

00

R语言中的马尔科夫机制转换(Markov regime switching)模型

金融分析师通常关心检测市场何时“发生变化”：几个月或至几年内市场的典型行为可以立即转变为非常不同的行为。投资者希望及时发现这些变化，以便可以相应地调整其策略，但是这样做可能很困难。

03

R语言乘法GARCH模型对高频交易数据进行波动性预测

在过去十年中，人们对高频交易和模型的兴趣成倍增长。虽然我对高频噪音中出现信号的有效性有一些怀疑，但我还是决定使用GARCH模型研究一下收益率的统计模型。与每日和较低频率的收益不同，日内高频数据有某些特殊的特点，使得使用标准的建模方法是无效的。在这篇文章中，我将使用花旗集团2008年1月2日至2008年2月29日期间的1分钟收益率。这个数据集删除了异常值。考虑的日内时间范围是09:30至16:00，即证券交易所的正式交易时间。与大多数此类关于日内数据建模的研究一样，当天的第一个收益被删除。每日数据从雅虎财经下载。

02

R语言使用ARIMA模型预测股票收益时间序列

“预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr）

01

MLQuant：基于XGBoost的金融时序交易策略（附代码）

使用机器学习和过股票价格来预测下一个时期的价格或方向并不是什么新鲜事，它也不会产生任何有意义的预测。在这篇文章中我们将一系列资产的时间序列数据分解成一个简单的分类问题，看看机器学习模型能否更好地预测下一个周期方向。目标和策略是每天投资一项资产。其资产将是机器学习模型最有信心在下一个上升Ť+1期间股价上涨的资产。换句话说，我们对机器学习模型给出最大预测概率的资产进行投资，即给定资产明天将升值。也就是说，如果模型预测在第t天，GOOG的资产将以0.78的预测概率高于之前的收盘价，并且还预测AMZN将以0.53的概率上升，那么我们今天将投资于GOOG。我们每天只投资一项资产，该模型可以扩展到卖空、多资产购买和多周期等。

04

【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享|附代码数据

本文的目标是使用K-最近邻（K近邻），ARIMA和神经网络模型分析Google股票数据集预测Google的未来股价，然后分析各种模型（点击文末“阅读原文”获取完整代码数据******** ）。

01

R语言分位数回归预测筛选有上升潜力的股票|附代码数据

现在，分位数回归已被确立为重要的计量经济学工具。与均值回归（OLS）不同，目标不是给定x的均值，而是给定x的一些分位数（点击文末“阅读原文”获取完整代码数据******** ）。

00

【视频】K近邻KNN算法原理与R语言结合新冠疫情对股票价格预测|数据分享|附代码数据

本文的目标是使用K-最近邻（K近邻），ARIMA和神经网络模型分析Google股票数据集预测Google的未来股价，然后分析各种模型

00

R语言分位数回归预测筛选有上升潜力的股票

现在，分位数回归已被确立为重要的计量经济学工具。与均值回归（OLS）不同，目标不是给定x的均值，而是给定x的一些分位数。您可以使用它来查找具有良好上升潜力的股票。您可能会认为这与股票的beta有关，但是beta与OLS相关，并且是对称的。如果市场出现上涨，高beta股票将获得上行波动的收益，但对称地，当市场下跌时，您可能会遭受巨额亏损。

01

R语言股市可视化相关矩阵：最小生成树|附代码数据

【视频】Copula算法原理和R语言股市收益率相依性可视化分析 R语言时间序列GARCH模型分析股市波动率【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 R语言量化交易RSI策略：使用支持向量机SVM R语言资产配置: 季度战术资产配置策略研究 R语言动量交易策略分析调整后的数据 TMA三均线股票期货高频交易策略的R语言实现 R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用 R语言基于Garch波动率预测的区制转移交易策略 r语言多均线股票价格量化策略回测使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 Python基于粒子群优化的投资组合优化研究 R语言Fama-French三因子模型实际应用：优化投资组合 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现 Python计算股票投资组合的风险价值（VaR） R语言Markowitz马克维茨投资组合理论分析和可视化 R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分PYTHON用RNN神经网络LSTM优化EMD经验模态分解交易策略分析股票价格MACD R语言深度学习：用keras神经网络回归模型预测时间序列数据【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析 Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 RNN循环神经网络、LSTM长短期记忆网络实现时间序列长期利率预测结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据用PyTorch机器学习神经网络分类预测银行客户流失模型 PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据 Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化 Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析 R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告 R语言深度学习：用keras神经网络回归模型预测时间序列数据 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST） MATLAB中用BP神经网络预测人体脂肪百分比数据 Python中用PyTorch机器学习神经网络分类预测银行客户流失模型 R语言实现CNN（卷积神经网络）模型进行回归数据分析 SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析 Python使用神经网络进行简单文本分类 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 R语言基于递归神经网络RNN的温度时间序列预测 R语言神经网络模型预测车辆数量时间序列 R语言中的BP神经网络模型分析学生成绩 matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类 R语言实现拟合神经网络预测和结果可视化用R语言实现神经网络预测股票实例使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测 python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

00

R语言股市可视化相关矩阵：最小生成树

原文链接：http://tecdat.cn/?p=17835 本文在股市可视化中可视化相关矩阵：最小生成树在本文示例中，我将使用日数据和1分钟数据来可视化股票数据。我发现以下概念定义非常有用：

02

Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化

本文我们超越了 CAPM 的简单线性回归，探索了 Fama French (FF) 股票风险/收益的多因素模型。

03

R语言动量交易策略分析调整后的数据

用于动量策略中所谓的动量（Momentum），是指某一对象所具有的一种倾向于保持其原有属性或特征的性质，也可以简单理解成一种惰性（Inertia）。股票的动量，简单地说就是涨的还会接着涨，跌的还会接着跌；过去涨得越猛，未来涨的也就越猛；过去跌得越狠，未来也会跌的越狠。

00

【数据挖掘与R语言--预测股票市场收益】目标描述，定义预测任务

最近在看这本书，感觉很不错，理论，算法，实践兼顾，我只放出我感兴趣的部分章节的笔记，本章分会分步更新，关于数据导入和数据预处理就不写了，直接开始目标描述和定义预测任务。本书中英文版的都有，我共享到文章结尾处，有需要的同学可以去下载。

04

横向滑动视图HorizontalScrollView精炼详解

由于移动设备物理显示空间一般有限，不可能一次性的把所有要显示的内容都显示在屏幕上。所以各大平台一般会提供一些可滚动的视图来向用户展示数据。Android平台框架中为我们提供了诸如ListView、GirdView、ScrollView、RecyclerView等滚动视图控件，这几个视图控件也是我们平常使用最多的。本节内容我们来分析一下横向滚动视图HorizontalScrollView。

02

R语言股市可视化相关矩阵：最小生成树|附代码数据

【视频】Copula算法原理和R语言股市收益率相依性可视化分析 R语言时间序列GARCH模型分析股市波动率【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 R语言量化交易RSI策略：使用支持向量机SVM R语言资产配置: 季度战术资产配置策略研究 R语言动量交易策略分析调整后的数据 TMA三均线股票期货高频交易策略的R语言实现 R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用 R语言基于Garch波动率预测的区制转移交易策略 r语言多均线股票价格量化策略回测使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 Python基于粒子群优化的投资组合优化研究 R语言Fama-French三因子模型实际应用：优化投资组合 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现 Python计算股票投资组合的风险价值（VaR） R语言Markowitz马克维茨投资组合理论分析和可视化 R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分PYTHON用RNN神经网络LSTM优化EMD经验模态分解交易策略分析股票价格MACD R语言深度学习：用keras神经网络回归模型预测时间序列数据【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析 Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 RNN循环神经网络、LSTM长短期记忆网络实现时间序列长期利率预测结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据用PyTorch机器学习神经网络分类预测银行客户流失模型 PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据 Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化 Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析 R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告 R语言深度学习：用keras神经网络回归模型预测时间序列数据 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST） MATLAB中用BP神经网络预测人体脂肪百分比数据 Python中用PyTorch机器学习神经网络分类预测银行客户流失模型 R语言实现CNN（卷积神经网络）模型进行回归数据分析 SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析 Python使用神经网络进行简单文本分类 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 R语言基于递归神经网络RNN的温度时间序列预测 R语言神经网络模型预测车辆数量时间序列 R语言中的BP神经网络模型分析学生成绩 matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类 R语言实现拟合神经网络预测和结果可视化用R语言实现神经网络预测股票实例使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测 python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

04

算法优化二——如何提高人脸检测正确率

本文介绍了如何利用Opencv、Python和C++在Windows系统上实现视频人脸的检测。首先介绍了Opencv自带的人脸检测分类器，然后详细讲解了detectMultiScale函数，该函数可以用于检测图像中的人脸。最后，通过视频标注的方式，实现了画框和文字标注，方便用户更直观地了解人脸检测结果。

ASISCTF-firewalled复现

给了源码，我们得到一个docker-compose.yml包含两个服务的文件：flag-container 和 firewalled-curl。第二个通过 8000 端口暴露在公网上。它们都是基于apache 的flask应用。

03

dotnet OpenXML 文本 ParagraphProperties 的属性作用

本文收集 a:pPr 段落属性 ParagraphProperties 的属性的作用

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭