IniziaInizia gratis

pacchetto tidyquant

Il pacchetto tidyquant è pensato per recuperare, manipolare e rendere scalabile l’analisi dei dati finanziari nel modo più semplice possibile. Per ottenere il pacchetto tidyquant e iniziare a usarlo, prima devi installarlo.

install.packages("tidyquant")

Questo lo copia sul tuo computer locale. Poi devi caricarlo nella sessione R corrente. In questo modo avrai accesso a tutte le funzioni del pacchetto.

library(tidyquant)

Questi passaggi di installazione e caricamento dei pacchetti sono necessari per qualunque pacchetto CRAN tu voglia usare.

Il codice dell’esercizio è già scritto per te. Esplorerai alcune delle funzioni che tidyquant offre per l’analisi finanziaria.

Questo esercizio fa parte del corso

R intermedio per la finanza

Visualizza il corso

Istruzioni dell'esercizio

Il codice è già pronto, ma queste istruzioni ti guideranno passo dopo passo.

  • Per prima cosa, carica il pacchetto per accedere alle sue funzioni.
  • Usa la funzione tidyquant, tq_get() per ottenere i dati dei prezzi azionari di Apple.
  • Dai un’occhiata al data frame restituito.
  • Rappresenta graficamente l’andamento del prezzo azionario nel tempo.
  • Calcola i rendimenti giornalieri del prezzo rettificato usando tq_mutate(). Questa funzione “modifica” il tuo data frame aggiungendo una nuova colonna. In questo caso, la nuova colonna sono i rendimenti giornalieri.
  • Ordina i rendimenti.
  • Traccia il grafico dei rendimenti ordinati. Puoi notare che Apple ha avuto alcuni giorni con perdite >10% e diversi giorni con guadagni >5%.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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)
Modifica ed esegui il codice