Baixando ações com o R

Existem diversos pacotes no R para lidar com séries financeiras. Em termos de coleta de dados, podemos baixar ações a partir do yahoo finance, utilizando o pacote quantmod. Abaixo damos um exemplo utilizando a ação PETR4, que derreteu nos últimos dias (minha solidariedade a quem estiver comprado nela).


library(quantmod)

getSymbols("PETR4.SA",src="yahoo", 
from=as.Date('2016-06-01'))

chartSeries(PETR4.SA[,6])

Abaixo o gráfico...

Interessados no log retorno podem plotá-los como abaixo...


plot(diff(log(PETR4.SA$PETR4.SA.Adjusted)))

Para saber o código da ação, basta entrar no yahoo finance. Para quem tiver interesse em usar econometria para lidar com séries financeiras, recomendo nosso curso de Econometria Financeira usando o R. Por fim, aos vendidos em Petrobras, me chamem para o chope... 🙂

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Criando seu primeiro Transformer para previsão de séries econômicas

Como avaliar modelos de IA na previsão macroeconômica?

Análise exploratória e seleção de séries temporais econômicas para modelagem

Transformers para Análise de Séries Temporais

O que é e como funciona a Arquitetura Transformer

Tratamento e transformação de séries temporais macroeconômicas para modelagem

Outros artigos relacionados

Criando seu primeiro Transformer para previsão de séries econômicas

Este tutorial mostra como construir e avaliar um modelo Transformer para prever a Dívida Bruta do Governo Geral (DBGG) do Brasil. Utilizando a biblioteca darts, exploramos desde a coleta dos dados via API do Banco Central até a comparação com modelos clássicos, como ETS e Theta.

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

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!