Bitcoin

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][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"]

E o bitcoin continua surpreendendo, hein? Colocamos abaixo novamente como baixar dados da criptomoeda com o R.


library(Quandl)
library(ggplot2)
library(forecast)
library(scales)

btc = Quandl("BCHARTS/ROCKUSD", type='xts')

bitcoin = btc$Close
bitcoin = apply.monthly(bitcoin, FUN=mean)

time = seq(as.Date('2016-01-01'), as.Date('2017-11-01'), by='1 month')

data = data.frame(time=time, bitcoin=tail(bitcoin[,2],12+11))

ggplot(data, aes(x=time, y=Close))+
 geom_bar(stat='identity', size=.7, colour='darkblue',
 fill='darkblue')+
 geom_text(aes(label=round(Close,0)), size=2.8, 
 hjust=0.5, vjust=-0.5, shape=21, colour="red")+
 scale_x_date(breaks = date_breaks("1 months"),
 labels = date_format("%m/%Y"))+
 theme(axis.text.x=element_text(angle=45, hjust=1))+
 xlab('')+ylab('')+
 labs(title='Bitcoin vs. USD ',
 subtitle='(Fechamento Diário mensalizado)',
 caption='Fonte: analisemacro.com.br com dados Quandl R API.')

Onde vai para o bitcoin? 🙂

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/datascience2.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/datascience.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/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

Modelo de previsão para grupos do IPCA

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Text mining dos comunicados do FOMC: prevendo mudanças na política

Como quantificar sentimentos e emoções a partir de comunicados de política monetária? Neste exercício utilizamos os statements do FOMC para construir um índice de sentimentos, o que permite comparar a "narrativa" com a prática da política monetária, ou seja, mudanças da taxa de juros. Também avaliamos se tal índice é útil em prever mudanças de política através do teste de causalidade de Granger.

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.

Cyber Monday

Receba um desconto incrível em nossos cursos e formações diretamente na finalização da matrícula. Aplique o cupom CM2023.

>> Escolher um curso ou formação