Einführung in die vergleichende Analyse
Erstellen Sie den Datensatz
Wir werden Quandl . verwenden, ein Online-Repository für Finanzstatistiken, Makroökonomie und zentrale Forex. Quandl verfügt über eine riesige Sammlung kostenloser und offener Daten, die von einer Reihe von Institutionen gesammelt wurden: Zentralbanken, Regierungen, multinationale Institutionen und mehr. Sie können es ohne Zahlung und mit wenigen Einschränkungen verwenden.
Es sind sowohl kostenlose als auch Premium-Daten verfügbar. Authentifizierte kostenlose Benutzer haben ein Limit von 300 Anrufe von 10 Sekunden, 2,000 Anrufe von 10 Minuten und ein Limit von 50,000 Anrufe pro Tag. Abonnenten von Premium-Daten haben ein Limit von 5,000 Anrufe von 10 Minuten und ein Limit von 720,000 Anrufe pro Tag.
Wir werden dieses Online-Repository verwenden, um unsere Daten mit dem Paket zu erhalten “Quandl” direkt aus der R-Konsole. Das Quandl-Paket interagiert direkt mit der Quandl-API, um Daten in verschiedenen Formaten bereitzustellen, die in R . verwendet werden können, Laden Sie eine Zip-Datei mit allen Daten aus einer Quandl-Datenbank und der Möglichkeit zur Suche herunter.
Weitere Informationen zum Quandl-Paket, Besuche ist Seite.
Erste Schritte mit Quandl, Erstellen Sie ein Konto und erhalten Sie den quandl-API-Schlüssel. bitte klicken hier ein Konto erstellen. Klicken Sie dann auf die Schaltfläche Anmelden in der oberen rechten Ecke des Bildschirms. Sobald die Registrierung abgeschlossen ist, klicke auf hier um den API-Schlüssel zu erhalten.
In unserer Analyse, Wir haben folgende Banken ausgewählt
- ICICI
- SEIN
- KANARA
- ACHSE
- oder
- BSP
Wir haben diese Banken ausgewählt, weil sie in der Preisklasse von liegen 200 ein 500 Rupien. Wir werden die folgenden Codes verwenden, um die Daten in die R-Konsole einzugeben.
Quandl(Code=“NSE/—”,kollabieren=“—“,start_date=“—-“,Typ="…")
Die von uns verwendeten Parameter sind die folgenden:
- Code Datensatzcode in Quandl als String oder als Array von Strings angegeben.
- Zusammenbruch Daten.zB Kollapshäufigkeit; “Täglich”, “monatlich”, “wöchentlich”, “jährlich”.
- Startdatum Bevorzugtes Anfangsdatum
- schreibt Als String angegebener Datentyp zurückgeben. Es kann „roh“ sein, 'ts', 'Zoo', 'xts’ o „Zeitreihen“’
Jetzt werden wir die Daten herunterladen, wir werden eine Spalte hinzufügen “Aktie” für Bestandskennung, und später fügen wir den jeweiligen Aktiennamen in den heruntergeladenen Datensatz ein. Anschließend, wir konsolidieren alle Bestandsdaten in einem Stammdatenrahmen zur Analyse.
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)
Monatliche Preisanzeige
Schauen wir uns das monatliche und tägliche Kursmuster von Aktien mit dem ggplot-Paket an. Dafür, wir müssen den Stammdatenrahmen nach Bestand gruppieren.
Wir haben den Themenbereich ggplot stark manipuliert, um den gewünschten Plot zu erhalten. Weitere Informationen zum Grundstück werden bereitgestellt. hier.
