Capítulo 10 Visualizando Dados

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.1 Criando Janelas de Gráficos com x11

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.2 Criando Figuras com qplot

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.3 Criando Figuras com ggplot

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.3.1 A Curva de Juros Brasileira

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.3.2 Usando Temas

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.3.3 Criando Painéis com facet_wrap

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.4 Uso do Operador pipeline

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.5 Criando Figuras Estatísticas

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.5.1 Criando Histogramas

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.5.2 Criando Figuras Boxplot

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.5.3 Criando Figuras QQ

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.6 Salvando Figuras para Arquivos

Você chegou ao fim da versão online do livro Análise de Dados Financeiros e Econômicos com o R, terceira edição. O conteúdo integral da obra pode ser adquirido na loja da Amazon como ebook ou livro impresso. A compra do livro é uma ótima maneira de suportar este e outros projetos do autor.

10.7 Exercícios

---

Q.1

Baixe dados da ação CIEL3 com o pacote BatchGetSymbols para os últimos 500 dias. Apresente o gŕafico de linha do preço ajustado ao longo do tempo utilizando função ggplot2::ggplot. Tenha certeza que:

• Eixos x e y estão corretamente nomeados
• O gráfico tem um título (“Preços para CIEL3”), subtítulo (“Dados de YYYY-MM-DD até YYYY-MM-DD”) e um caption (“Solução para exercício 01, cap 10 - adfeR”).

library(BatchGetSymbols)
library(tidyverse)

tickers <- 'FB'

df_FB <- BatchGetSymbols(tickers = tickers, 
                         first.date = Sys.Date() - 500,
                         last.date = Sys.Date())[[2]]

p <- ggplot(df_FB, aes(x = ref.date, y = price.adjusted)) + 
  geom_line() + 
  labs(title = paste0('Preços para ', tickers) ,
       subtitle = paste0('Dados de ', min(df_FB$ref.date), ' até ', 
                         max(df_FB$ref.date)),
       caption = "Solução para exercício 01, cap 10 - adfeR")

print(p)

---

Q.2

Baixe dados das ações PETR3 (PETR3.SA), VALE3 (VALE3.SA), GGBR4 (GGBR4.SA) com BatchGetSymbols para os últimos 1500 dias. Apresente, no mesmo gráfico, os preços das ações com diferentes cores de linhas. Mantenha todos demais aspectos do gráfico anterior.

library(BatchGetSymbols)

tickers <- c('PETR4.SA', 
             'VALE3.SA',
             'GGBR4.SA') 

df_stocks <- BatchGetSymbols(tickers = tickers, 
                             first.date = Sys.Date() - 500,
                             last.date = Sys.Date())[[2]]

p <- ggplot(df_stocks, aes(x = ref.date, 
                           y = price.adjusted,
                           color = ticker)) + 
  geom_line() + 
  labs(title = paste0('Preços para ', paste0(tickers, collapse = ', ')) ,
       subtitle = paste0('Dados de ', min(df_FB$ref.date), ' até ', 
                         max(df_FB$ref.date)),
       caption = "Solução para exercício 01, cap 10 - adfeR")

print(p)

---

Q.3

Para o gráfico anterior, adicione pontos nas linhas.

library(BatchGetSymbols)

tickers <- c('PETR4.SA', 
             'VALE3.SA',
             'GGBR4.SA') 

df_stocks <- BatchGetSymbols(tickers = tickers, 
                             first.date = Sys.Date() - 500,
                             last.date = Sys.Date())[[2]]

p <- ggplot(df_stocks, aes(x = ref.date, 
                           y = price.adjusted,
                           color = ticker)) + 
  geom_line() + 
  labs(title = paste0('Preços para ', paste0(tickers, collapse = ', ')) ,
       subtitle = paste0('Dados de ', min(df_FB$ref.date), ' até ', 
                         max(df_FB$ref.date)),
       caption = "Solução para exercício 01, cap 10 - adfeR")

# add points
p <- p + geom_point()

print(p)

---

Q.4

Para o mesmo gráfico, separe os preços das ações em painéis diferentes com a função ggplot::facet_wrap. Use argumento scales = 'free' para “soltar” os eixos de cada figura.

library(BatchGetSymbols)

tickers <- c('PETR4.SA', 
             'VALE3.SA',
             'GGBR4.SA') 

df_stocks <- BatchGetSymbols(tickers = tickers, 
                             first.date = Sys.Date() - 500,
                             last.date = Sys.Date())[[2]]

p <- ggplot(df_stocks, aes(x = ref.date, 
                           y = price.adjusted,
                           color = ticker)) + 
  geom_line() + 
  labs(title = paste0('Preços para ', paste0(tickers, collapse = ', ')) ,
       subtitle = paste0('Dados de ', min(df_FB$ref.date), ' até ', 
                         max(df_FB$ref.date)),
       caption = "Solução para exercício 01, cap 10 - adfeR")

# add points and fact wrap
p <- p + 
  geom_point() + 
  facet_wrap(~ticker, scales = 'free')

print(p)

---

Q.5

Modifique o tema do gráfico anterior para uma escala em preto e branco, tanto para a área do gráfico quanto para as cores das linhas.

library(BatchGetSymbols)

tickers <- c('PETR4.SA', 
             'VALE3.SA',
             'GGBR4.SA') 

df_stocks <- BatchGetSymbols(tickers = tickers, 
                             first.date = Sys.Date() - 500,
                             last.date = Sys.Date())[[2]]

p <- ggplot(df_stocks, aes(x = ref.date, 
                           y = price.adjusted,
                           color = ticker)) + 
  geom_line() + 
  labs(title = paste0('Preços para ', paste0(tickers, collapse = ', ')) ,
       subtitle = paste0('Dados de ', min(df_FB$ref.date), ' até ', 
                         max(df_FB$ref.date)),
       caption = "Solução para exercício 01, cap 10 - adfeR")

# add points and facet_wrap
p <- p + geom_point() + 
  facet_wrap(~ticker, scales = 'free') + 
  theme_bw() + 
  scale_color_grey()

# 
print(p)

---

Q.6

Para os dados anteriores, apresente o histograma dos retornos das diferentes ações em painéis diferentes e salve o resultado em um arquivo chamado 'histograms.png'.

library(BatchGetSymbols)

tickers <- c('PETR4.SA', 
             'VALE3.SA',
             'GGBR4.SA') 

df_stocks <- BatchGetSymbols(tickers = tickers, 
                             first.date = Sys.Date() - 500,
                             last.date = Sys.Date())[[2]]

p <- ggplot(df_stocks, aes(x = ret.adjusted.prices)) + 
  geom_histogram() + 
  facet_wrap(~ticker)

print(p)

# save in temp folder
my_file <- file.path(tempdir(), 'histograms.png')
ggsave(filename = my_file, plot = p)

---

Q.7

Use a função BatchGetSymbols::GetIbovStocks para descobrir todos os tickers pertencentes ao índice Ibovespa atualmente. Usando BatchGetSymbols, baixe os dados de retorno anual para todas as ações do índice de 2015 até o dia atual. Depois disso, crie o mapa de média/variância plotando o retorno anual médio em relação ao seu desvio padrão. Dica: Use a opção paralela em BatchGetSymbols para acelerar a execução. Você encontrará muitos retornos discrepantes nos dados brutos. Certifique-se de que o gráfico esteja visível limitando os eixos x e y (consulte as funções ggplot2::xlim eggplot2::ylim).

library(BatchGetSymbols)
library(tidyverse)

df_ibov <- GetIbovStocks()

my_tickers <- paste0(df_ibov$tickers, '.SA')

future::plan(future::multisession, 
             workers = floor(parallel::detectCores()/2))

df_prices <- BatchGetSymbols(tickers = my_tickers, 
                             first.date = '2015-01-01', 
                             last.date = Sys.Date(),
                             freq.data = 'yearly', 
                             do.parallel = TRUE)[[2]]

tab <- df_prices %>%
  na.omit() %>%
  group_by(ticker) %>%
  summarise(mean = mean(ret.adjusted.prices),
            sd = sd(ret.adjusted.prices))

p <- ggplot(tab, aes(x = sd, y = mean)) + 
  geom_point() + 
  xlim(0, 0.5) + ylim(-0.5, 0.5)

print(p)