Obtention de la liste de toutes les Actions du S&P500 par Web Scraping

# Lecture de la page web 

sp500_html <- read_html("https://en.wikipedia.org/wiki/List_of_S%26P_500_companies") 

# Importation des tables provenant de cette page web 

tables <- html_table(sp500_html, fill = TRUE)

print(class(tables))

## [1] "list"

C’est le premier tableau (qui est d’ailleurs le seul) de la page web qui nous intéresse. Autrement dit, nous devons récupérer le premier élément de la liste tables :

sp_500_raw <- tables[[1]]

head(sp_500_raw)

## # A tibble: 6 × 8
##   Symbol Security            GICS Secto…¹ GICS …² Headq…³ Date …⁴    CIK Founded
##   <chr>  <chr>               <chr>        <chr>   <chr>   <chr>    <int> <chr>  
## 1 MMM    3M                  Industrials  Indust… Saint … 1957-0… 6.67e4 1902   
## 2 AOS    A. O. Smith         Industrials  Buildi… Milwau… 2017-0… 9.11e4 1916   
## 3 ABT    Abbott              Health Care  Health… North … 1957-0… 1.8 e3 1888   
## 4 ABBV   AbbVie              Health Care  Pharma… North … 2012-1… 1.55e6 2013 (…
## 5 ACN    Accenture           Information… IT Con… Dublin… 2011-0… 1.47e6 1989   
## 6 ATVI   Activision Blizzard Communicati… Intera… Santa … 2015-0… 7.19e5 2008   
## # … with abbreviated variable names ¹`GICS Sector`, ²`GICS Sub-Industry`,
## #   ³`Headquarters Location`, ⁴`Date added`

class(sp_500_raw)

## [1] "tbl_df"     "tbl"        "data.frame"

sp_500 <- sp_500_raw %>%
  select(Symbol, Security, `GICS Sector`, `GICS Sub-Industry`) %>%
  as_tibble()

print(class(sp_500))

## [1] "tbl_df"     "tbl"        "data.frame"

head(sp_500)

## # A tibble: 6 × 4
##   Symbol Security            `GICS Sector`          `GICS Sub-Industry`         
##   <chr>  <chr>               <chr>                  <chr>                       
## 1 MMM    3M                  Industrials            Industrial Conglomerates    
## 2 AOS    A. O. Smith         Industrials            Building Products           
## 3 ABT    Abbott              Health Care            Health Care Equipment       
## 4 ABBV   AbbVie              Health Care            Pharmaceuticals             
## 5 ACN    Accenture           Information Technology IT Consulting & Other Servi…
## 6 ATVI   Activision Blizzard Communication Services Interactive Home Entertainm…

On peut faire le même travail pour les entreprises du CAC 40. Lien pour le CAC 40 : https://en.wikipedia.org/wiki/CAC_40

# Nombre de modalités de chaque variable

sp_500 %>% 
    lapply(function(x) x %>% unique() %>% length()) %>%
    unlist()

##            Symbol          Security       GICS Sector GICS Sub-Industry 
##               503               503                11               126

Nous avons 505 symboles et 505 entreprises donc tout va bien :)

# Nombre de sociétés par Secteur principal (GICS Sector)

sp_500 %>%
    # Grouper par "GICS Sector" et compter le nombre d'observations
    group_by(`GICS Sector`) %>%
    summarise(count = n()) %>%
    # Visualisation
    ggplot(aes(x = `GICS Sector` %>% fct_reorder(count),
               y = count
               )) + 
    geom_bar(stat = "identity") +
    geom_text(aes(label = count), size = 3, nudge_y = 4, nudge_x = .1) + 
    scale_y_continuous(limits = c(0,100)) +
    ggtitle(label = "Nombre de sociétés du S&P500 par Secteur principal") +
    xlab(label = "GICS Sector") +
    coord_flip()

Une technique d’atténuation des risques consiste à sélectionner des actions ayant une faible corrélation de rendement entre elles. En règle générale, la sélection parmi différents secteurs permet de réduire cette corrélation et de diversifier le portefeuille.

# Création d'une fonction pour récupérer les données d'une entreprise

get_stock_prices <- function(ticker, return_format = "tibble", ...) {
    # Get stock prices
    stock_prices_xts <- getSymbols(Symbols = ticker, auto.assign = FALSE, ...)
    # Rename
    names(stock_prices_xts) <- c("Date", "Open", "High", "Low", "Close", "Volume", "Adjusted")
    # Return in xts format if tibble is not specified
    if (return_format == "tibble") {
        stock_prices <- stock_prices_xts %>%
            as_tibble() %>%
            rownames_to_column(var = "Date") %>%
            mutate(Date = ymd(Date))
    } else {
        stock_prices <- stock_prices_xts
    }
    stock_prices
}

get_stock_prices <- function(ticker) {
  stock_prices <- getSymbols(ticker, auto.assign = F)
  names(stock_prices) <- c("Open", "High", "Low", "Close", "Volume", "Adjusted")
  stock_prices
}

# Application de la fonction

head(get_stock_prices("MA"))

##              Open   High    Low  Close   Volume Adjusted
## 2007-01-03  9.955  9.968  9.563  9.641 26289000 8.899554
## 2007-01-04  9.690 10.185  9.530 10.114 27024000 9.336178
## 2007-01-05 10.099 10.220  9.900 10.106 29632000 9.328789
## 2007-01-08  9.901 10.225  9.900 10.108 16006000 9.330636
## 2007-01-09 10.110 10.575 10.060 10.574 36952000 9.760804
## 2007-01-10 10.562 10.650 10.300 10.474 35099000 9.676730

# Fonction pour calculer les logarithmes des rendements journaliers

get_log_returns <- function(x) {
  log_returns <- dailyReturn(x = x$Adjusted, type = "log")
  log_returns
}

# Application de la fonction get_log_returns

head(get_log_returns(get_stock_prices("MA")))

##            daily.returns
## 2007-01-03  0.0000000000
## 2007-01-04  0.0478955940
## 2007-01-05 -0.0007916438
## 2007-01-08  0.0001988271
## 2007-01-09  0.0450705462
## 2007-01-10 -0.0086505375

Analyse quantitative des Actions

Josue Afouda

27/07/2021

Objectif

Obtention de la liste de toutes les Actions du S&P500 par Web Scraping