Baixando dados de ações da Bovespa com o R

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Uma das grandes vantagens de se utilizar o R como ferramenta de trabalho - veja como aprender R em nossos Cursos Aplicados -  é poder automatizar a coleta de dados da internet com scripts. Para ilustrar, podemos tomar o exemplo do mercado de ações brasileiro. Podemos pegar os dados referente à ação da Vale do Rio do Doce na Bovespa a partir do pacote quantmod, construindo um gráfico para a mesma ao longo do tempo. O código abaixo ilustra.

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2019/01/newsletter2019.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]


library(quantmod)
library(ggplot2)
library(scales)
library(ggthemes)

env = new.env()
getSymbols("VALE3.SA",src="yahoo", 
env=env,
from=as.Date('2019-01-14'))
vale = env$VALE3.SA[,4]

autoplot(vale)+
geom_line(size=.8, colour='darkblue')+
scale_x_date(date_breaks = '2 days',
labels = date_format("%b %d"))+
labs(title='VALE3.SA',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')+
xlab('')+ylab('R$')+
theme_economist_white()

E o gráfico...

 

 

 

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.