CommencerCommencer gratuitement

package tidyquant

Le package tidyquant est conçu pour récupérer, manipuler et industrialiser l’analyse de données financières le plus simplement possible. Pour obtenir le package tidyquant et commencer à l’utiliser, vous devez d’abord l’installer.

install.packages("tidyquant")

Cela l’installe sur votre ordinateur. Vous devez ensuite le charger dans votre session R en cours. Vous aurez ainsi accès à toutes les fonctions du package.

library(tidyquant)

Ces étapes d’installation et de chargement sont nécessaires pour tout package de CRAN que vous souhaitez utiliser.

Le code de l’exercice est déjà écrit pour vous. Vous allez explorer certaines des fonctions que tidyquant propose pour l’analyse financière.

Cet exercice fait partie du cours

R intermédiaire pour la finance

Afficher le cours

Instructions

Le code est déjà écrit, mais ces instructions vont vous guider pas à pas.

  • Commencez par charger le package pour accéder à ses fonctions.
  • Utilisez la fonction de tidyquant, tq_get() pour récupérer les données de prix de l’action Apple.
  • Regardez le data frame renvoyé.
  • Tracez l’évolution du cours de l’action dans le temps.
  • Calculez les rendements quotidiens du prix ajusté avec tq_mutate(). Cette fonction « mutate » votre data frame en y ajoutant une nouvelle colonne. Ici, cette nouvelle colonne correspond aux rendements quotidiens.
  • Triez les rendements.
  • Tracez les rendements triés. Vous verrez qu’Apple a connu quelques journées avec des pertes >10 % et plusieurs journées avec des gains >5 %.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Library tidquant
library(tidyquant)

# Pull Apple stock data
apple <- tq_get("AAPL", get = "stock.prices", 
                from = "2007-01-03", to = "2017-06-05")

# Take a look at what it returned
head(apple)

# Plot the stock price over time
plot(apple$date, apple$adjusted, type = "l")

# Calculate daily stock returns for the adjusted price
apple <- tq_mutate(data = apple,
                   select = "adjusted",
                   mutate_fun = dailyReturn)

# Sort the returns from least to greatest
sorted_returns <- sort(apple$daily.returns)

# Plot them
plot(sorted_returns)
Modifier et exécuter le code