Como retirar desdobramentos e dividendos do preço de ações através do R

Em grande maioria, fontes de dados financeiros disponibilizam série de preços de ativos financeiros já ajustados de acordo com mudanças ocorridas tanto por desdobramentos, quanto por dividendos recebidos. No post de hoje vamos utilizar o pacote {quantmod} para retirar esses valores de uma série de preços de uma
ação.

library(quantmod)
library(magrittr)

Vamos utilizar como exemplo a série de preços das ações da MGLu3, isso porque em outubro de 2020 ocorreu o desdobramento de suas ações. Primeiro iremos visualizar o preço de fechamento já ajustado.

getSymbols("MGLU3.SA",
                     auto.assign = TRUE,
                     from = "2020-01-01",
                     to = "2020-12-31")

plot(Ad(MGLU3.SA))

Mas, e se quisermos saber a série de preços antes do desdobramentos, quando ocorreu, bem como o mesmo para os dividendos, além de seus valores? Utilizaremos as funções getSplits() e getDividends(), respectivamente, para efetuar esse trabalho.

splits <- getSplits("MGLU3.SA",
                    from = "2020-01-01",
                     to = "2020-12-31")


dividends <- getDividends("MGLU3.SA", 
                          split.adjust = FALSE,
                          from = "2020-01-01",
                          to = "2020-12-31")

Em seguida, utilizaremos a função adjRatios() com a série de fechamento da ação para que possamos ter a relação do desdobramento e dos dividendos ao longo do tempo.

close <- Cl(MGLU3.SA)


ratios <- adjRatios(splits = splits,
                    dividends = dividends,
                    close = close)

Por fim, calculamos todos esses ajustes de forma a obter a série de preços "crua".

close_mglu <- close * ratios[, "Split"] * ratios[, "Div"]


plot(close_mglu)

Para tornar o caminho mais simples, o {quantmod} também disponibiliza uma função que torna a série "crua" de forma mais fácil.

mglu_adj <- adjustOHLC(MGLU3.SA, symbol.name = "MGLU3.SA")

plot(Cl(mglu_adj))

________________________
(*) Para entender mais sobre Mercado Financeiro e aprender como realizar a coleta, tratamento e visualização de dados financeiros, confira nosso curso de R para o Mercado Financeiro.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando dados do Google Trends no R e no Python

Como acompanhar e antecipar tendências de mercado? Independentemente da resposta final, os dados são o meio. Neste artigo, mostramos como obter dados do Google Trends em tempo quase real, utilizando as linguagens de programação R e Python.

Contribuição para a Volatilidade [Python]

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

Inflação de Serviços vs. Desemprego

A teoria econômica convencional sugere a presença de um trade-off entre inflação e desemprego no curto prazo, comumente conhecido como a Curva de Phillips. Em termos simples, reduções na taxa de desemprego podem resultar em um aumento temporário na inflação. Nesse contexto, a inflação de serviços emerge como uma categoria particularmente relevante devido às suas características distintivas. Para explorar e visualizar a relação entre inflação de serviços e desemprego, conduzimos uma análise utilizando a linguagem de programação Python. Além disso, empregamos o procedimento de Toda-Yamamoto para avaliar a existência de uma relação de causalidade no sentido Granger entre essas variáveis.

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.