Coletando dados financeiros com o R

Os efeitos da pandemia do coronavírus não param de nos surpreender. Ontem, o preço do contrato futuro de petróleo com vencimento em maio fechou no terreno negativo! Ou seja, as pessoas pagaram para quem comprou o papel. Para ilustrar, podemos pegar os dados do Yahoo Finance através do pacote quantmod, como iremos ensinar no nosso novo Curso da área de finanças Mercado Financeiro e Gestão de Portfólios. Carregamos o quantmod e outros pacotes abaixo para fazer o tratamento e visualização dos dados.


library(tidyverse)
library(tidyquant)
library(timetk)
library(scales)
library(quantmod)

Uma vez carregados os pacotes, nós podemos pegar o contrato de petróleo com vencimento em maio de 2020 com o código abaixo.


getSymbols('CLK20.NYM', warning=FALSE)

Com a função tk_tbl do pacote timetk nós transformamos nossos dados de xts para tibble.


df = `CLK20.NYM` %>%
tk_tbl(preserve_index = TRUE,
rename_index = 'date') %>%
drop_na()

E a seguir, podemos visualizá-los com o pacote ggplot2.


ggplot(df, aes(x=date, y=`CLK20.NYM.Low`))+
geom_line()+
geom_hline(yintercept=0, colour='red', linetype='dashed')+
scale_x_date(breaks = date_breaks("3 days"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10, face='bold'))+
labs(x='', y='',
title='Preço mínimo do Contrato Futuro de Petróleo WTI com vencimento em maio de 2020',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance')

Observe que o preço rompeu a barreira do zero ontem, 20 de abril. Um marco dos tempos sombrios que estamos vivendo...

_____________________

(*) Isso e muito mais você irá aprender no nosso Novo Curso Mercado Financeiro e Gestão de Portfólios.


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como Construir um Monitor de Política Monetária Automatizado com Python?

Descubra como transformar dados do Banco Central em inteligência de mercado com um Monitor de Política Monetária Automatizado. Neste artigo, exploramos o desenvolvimento de uma solução híbrida (Python + R) que integra análise de sentimento das atas do COPOM, cálculo da Regra de Taylor e monitoramento da taxa Selic. Aprenda a estruturar pipelines ETL eficientes e a visualizar insights econômicos em tempo real através de um dashboard interativo criado com Shiny, elevando o nível das suas decisões de investimento.

Qual o efeito de um choque de juros sobre a inadimplência?

Neste exercício, exploramos a relação dinâmica entre o custo do crédito (juros na ponta) e o risco realizado (taxa de inadimplência) através de uma análise exploratória de dados e modelagem econométrica utilizando a linguagem de programação R.

Qual a relação entre benefícios sociais e a taxa de participação do mercado de trabalho?

Este exercício apresenta uma investigação econométrica sobre a persistente estagnação da taxa de participação no mercado de trabalho brasileiro no período pós-pandemia. Utilizando a linguagem R e dados públicos do IBGE e Banco Central, construímos um modelo de regressão linear múltipla com correção de erros robustos (Newey-West). A análise testa a hipótese de que o aumento real das transferências de renda (Bolsa Família/Auxílio Brasil) elevou o salário de reserva, desincentivando o retorno à força de trabalho.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.