Introdução à análise comparativa
Crie o conjunto de dados
Usaremos Quandl, um repositório online para estatísticas financeiras, macroeconomia e forex central. Quandl tem uma vasta coleção de dados abertos e gratuitos coletados de uma variedade de instituições: bancos centrais, governos, instituições multinacionais e muito mais. Você pode usá-lo sem pagamento e com poucas restrições.
Estão disponíveis dados gratuitos e premium. Usuários gratuitos autenticados têm um limite de 300 chamadas por 10 segundos, 2,000 chamadas por 10 minutos e um limite de 50,000 ligações por dia. Assinantes de dados premium têm um limite de 5,000 chamadas por 10 minutos e um limite de 720,000 ligações por dia.
Usaremos este repositório online para obter nossos dados usando o pacote “Quandl” diretamente do console R. O pacote Quandl interage diretamente com a API Quandl para fornecer dados em vários formatos utilizáveis em R, baixar um arquivo zip com todos os dados de um banco de dados Quandl e a capacidade de pesquisar.
Para obter mais informações sobre o pacote Quandl, visitas é página.
Para começar com Quandl, crie uma conta e obtenha a chave de API quandl. Por favor clique aqui para criar uma conta. Em seguida, clique no botão Login localizado no canto superior direito da tela. Assim que o registro for concluído, Clique em aqui para obter a chave API.
Em nossa análise, nós selecionamos os seguintes bancos
- ICICI
- BETO
- CANARA
- EIXO
- ou
- PNB
Selecionamos esses bancos porque eles estão na faixa de preço de 200 uma 500 rúpias. Usaremos os seguintes códigos para inserir os dados no console R.
Quandl(Código = “NSE / -”,recolher = “-”,data_início = “—-”,tipo = “…”)
Os parâmetros que usamos são os seguintes:
- Código Código do conjunto de dados no Quandl especificado como string ou matriz de strings.
- colapso Frequência de recolhimento de Data.Eg; “Diário”, “por mês”, “semanalmente”, “anual”.
- data de início Data de início desejada
- escreve Retorna o tipo de dado especificado como string. Pode ser ‘cru’, 'Ts', 'jardim zoológico', ‘Xts’ o ‘timeSeries’
Agora vamos baixar os dados, vamos adicionar uma coluna “Estoque” para identificador de estoque, e mais tarde iremos colar o respectivo nome do estoque no conjunto de dados baixado. Subseqüentemente, vamos consolidar todos os dados de estoque em um quadro de dados mestre para análise.
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)
Exibição de preço mensal
Vejamos o padrão de preço mensal e diário das ações usando o pacote ggplot. Para isto, precisaremos agrupar o quadro de dados mestre de acordo com o estoque.
Nós manipulamos fortemente a seção do tema ggplot para obter o gráfico desejado. Mais informações sobre o enredo são fornecidas. aqui.
