Análisis del mercado de valores | Quandl y Tidyverse en R

Contenidos

Introducción al análisis comparativo

Crear el conjunto de datos

Usaremos Quandl, un repositorio en línea para las estadísticas financieras, macroeconómicas y forex centrales. Quandl cuenta con una amplia colección de datos abiertos y gratuitos recopilados de una gama de instituciones: bancos centrales, gobiernos, instituciones multinacionales y más. Puedes usarlo sin pago y con pocas restricciones.

Tanto los datos gratuitos como los premium están disponibles. Los usuarios gratuitos autenticados disponen un límite de 300 llamadas por 10 segundos, 2,000 llamadas por 10 minutos y un límite de 50,000 llamadas por día. Los suscriptores de datos premium disponen un límite de 5,000 llamadas por 10 minutos y un límite de 720,000 llamadas por día.

Usaremos este repositorio en línea para obtener nuestros datos usando el paquete «Quandl» de forma directa desde R Console. El paquete Quandl interactúa de forma directa con la API de Quandl para ofrecer datos en varios formatos utilizables en R, descargar un archivo zip con todos los datos de una base de datos Quandl y la capacidad de realizar búsquedas.

Para obtener más información sobre el paquete Quandl, visite este página.

Para comenzar con Quandl, cree una cuenta y obtenga la clave API de quandl. Por favor haz click aquí para crear una cuenta. Posteriormente haga clic en el botón Iniciar sesión que se encuentra en la esquina superior derecha de la pantalla. Una vez que se complete el registro, haga clic en aquí para obtener la clave API.

En nuestro análisis, hemos seleccionado los siguientes bancos

  • ICICI
  • BETO
  • CANARA
  • EJE
  • OSE
  • PNB

Hemos seleccionado estos bancos debido a que están en la banda de precios de 200 a 500 rupias. Usaremos los siguientes códigos para introducir los datos en la consola R.

Quandl(Code=“NSE/—”,collapse=“—”,start_date=“—-”,type=“…”)

Los parámetros que utilizamos son los siguientes:

  • Código Código del conjunto de datos en Quandl especificado como una cadena o una matriz de cadenas.
  • colapso Frecuencia de colapso de Data.Eg; «Diario», «mensual», «semanal», «anual».
  • fecha de inicio Fecha de inicio deseada
  • escribe Tipo de datos devueltos especificados como cadena. Puede ser ‘raw’, ‘ts’, ‘zoo’, ‘xts’ o ‘timeSeries’

Ahora descargaremos los datos, agregaremos una columna «Stock» para el identificador de stock, y posteriormente pegaremos el nombre de stock respectivo en el conjunto de datos descargado. Posteriormente, consolidaremos todos los datos de existencias en un marco de datos maestros para su análisis.



Quandl.api_key("<Your-API-Key>")


ICICI = Quandl("NSE/ICICIBANK",collapse="daily",start_date="2016-09-01",type="raw")
PNB= Quandl("NSE/PNB",collapse="daily",start_date="2016-09-01",type="raw")
Axis=Quandl("NSE/AXISBANK",collapse="daily",start_date="2016-09-01",type="raw")
Canara=Quandl("NSE/CANBK",collapse="daily",start_date="2016-09-01",type="raw")
BOB=Quandl("NSE/BANKBARODA",collapse="daily",start_date="2016-09-01",type="raw")
SBI=Quandl("NSE/SBIN",collapse="daily",start_date="2016-09-01",type="raw")



ICICI<-cbind(ICICI,Stock="")
PNB<-cbind(PNB,Stock="")
Axis<-cbind(Axis,Stock="")
SBI<-cbind(SBI,Stock="")
Canara<-cbind(Canara,Stock="")
BOB<-cbind(BOB,Stock="")



ICICI$Stock<-paste(ICICI$Stock,"ICICI",sep="")
PNB$Stock<-paste(PNB$Stock,"PNB",sep="")
Axis$Stock<-paste(Axis$Stock,"Axis",sep="")
SBI$Stock<-paste(SBI$Stock,"SBI",sep="")
Canara$Stock<-paste(Canara$Stock,"Canara",sep="")
BOB$Stock<-paste(BOB$Stock,"BOB",sep="")



Master_Data<-rbind(ICICI,PNB,Axis,SBI,Canara,BOB)

Visualización de precios mensuales

Veamos el patrón de precios mensual y diario de las acciones que usan el paquete ggplot. Para esto, necesitaremos agrupar el marco de datos maestro de acuerdo con Stock.

Hemos manipulado en gran medida la sección de temas de ggplot para obtener la trama deseada. Se proporciona más información sobre la parcela. aquí.

Suscribite a nuestro Newsletter

No te enviaremos correo SPAM. Lo odiamos tanto como tú.