Introduction à l'analyse comparative
Créer le jeu de données
Nous utiliserons Quandl, un référentiel en ligne pour les statistiques financières, macroéconomie et forex central. Quandl possède une vaste collection de données gratuites et ouvertes collectées auprès de diverses institutions: banques centrales, Gouvernements, institutions multinationales et plus. Vous pouvez l'utiliser sans paiement et avec peu de restrictions.
Des données gratuites et premium sont disponibles. Les utilisateurs gratuits authentifiés ont une limite de 300 appelle par 10 secondes, 2,000 appelle par 10 minutes et une limite de 50,000 appels par jour. Les abonnés aux données premium ont une limite de 5,000 appelle par 10 minutes et une limite de 720,000 appels par jour.
Nous utiliserons ce référentiel en ligne pour obtenir nos données à l'aide du package “Quandl” directement depuis la console R. Le package Quandl interagit directement avec l'API Quandl pour fournir des données dans divers formats utilisables dans R, télécharger un fichier zip avec toutes les données d'une base de données Quandl et la possibilité de rechercher.
Pour plus d'informations sur le package Quandl, les visites sont page.
Pour commencer avec Quandl, créer un compte et obtenir la clé API quandl. Cliquez s'il vous plait ici créer un compte. Cliquez ensuite sur le bouton Connexion situé dans le coin supérieur droit de l'écran. Une fois l'inscription terminée, cliquez sur ici pour obtenir la clé API.
Dans notre analyse, nous avons sélectionné les banques suivantes
- ICICI
- ÊTRE À
- CANARA
- AXE
- ou
- PNB
Nous avons sélectionné ces banques car elles se situent dans la fourchette de prix de 200 une 500 roupies. Nous utiliserons les codes suivants pour saisir les données dans la console R.
Quandl(Code="NSE/—",effondrement = "—",date_début="—-",tapez="...")
Les paramètres que nous utilisons sont les suivants:
- Code Code de jeu de données dans Quandl spécifié sous forme de chaîne ou de tableau de chaînes.
- effondrer Data.Par exemple, fréquence d'effondrement; “du quotidien”, “mensuel”, “hebdomadaire”, “annuel”.
- date de début Date de début souhaitée
- écrit Renvoie le type de données spécifié en tant que chaîne. Il peut être « cru », 't', 'zoo', 'xts’ o 'timeSeries’
Maintenant, nous allons télécharger les données, nous allons ajouter une colonne “Stocker” pour l'identifiant de stock, et plus tard, nous collerons le nom de stock respectif dans l'ensemble de données téléchargé. Ensuite, nous allons consolider toutes les données de stock dans un cadre de données maître pour 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)
Affichage des prix mensuels
Regardons le modèle de prix mensuel et quotidien des actions en utilisant le package ggplot. Pour ca, nous devrons regrouper le cadre de données maître en fonction du stock.
Nous avons fortement manipulé la section du thème ggplot pour obtenir l'intrigue souhaitée. Plus d'informations sur l'intrigue sont fournies. ici.
