Todo carnaval tem seu fim

A volta do carnaval foi marcada por forte correção no índice Bovespa. Ao longo do período de recesso no Brasil, as bolsas no exterior refletiam o mau humor com o alastramento do coronavírus pela Europa. A queda sofrida ontem pelo Ibovespa é comparável ao famoso Joesley Day, em 18 de maio de 2017, quando o índice caiu quase 9% em um único pregão. A taxa de câmbio também renovou máxima histórica, se aproximando de 4,44 R$/US$.

Abaixo, ilustramos o comportamento do Ibovespa e da taxa de câmbio a partir dos dados contidos no yahoo finance, que podem ser coletados com o pacote quantmod. Antes de mais nada, carregamos alguns pacotes.


library(quantmod)
library(ggplot2)
library(scales)
library(forecast)
library(readr)
library(xts)
library(gridExtra)
library(tidyverse)

E agora podemos pegar as séries que queremos.


## Pegar dados
getSymbols("BRL=X",src="yahoo")
getSymbols("^BVSP",src="yahoo")

Nós tratamos as séries, de modo a criar variações diárias para o IBOV e os log retornos para a taxa de câmbio.


df_ibov = tibble(time=as.Date(time(BVSP)),
ibov=BVSP$BVSP.Close) %>%
mutate(dibov = (BVSP$BVSP.Close/lag(BVSP$BVSP.Close,1)-1)*100)

df_cambio = tibble(time=as.Date(time(`BRL=X`)),
cambio = `BRL=X`[,4]) %>%
mutate(log_cambio = diff(log(cambio)))

De posse dos dados tratados, podemos gerar o gráfico abaixo.

O índice Bovespa caiu 7% em relação ao nível obtido no último pregão, fechando aos 105,7 mil pontos. Uma baita ressaca pós-carnaval...

___________________

(*) O código completo desse comentário estará disponível logo mais no Clube do Código.

(**) Aprenda a analisar dados em nossos Cursos Aplicados de R.

___________________


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

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.