date_txt <- read.table(file = "TemaSeminarVol.txt", header = T , sep = "\t")
View(date_txt)
date_actiuni <- read.csv(file = "TemaVolume.csv", header = T, sep = ",")
View(date_actiuni)
fix(date_actiuni)
date_actiuni_comune<-data.frame(date_actiuni)
View(date_actiuni_comune)
#statistici descriptive
summary(date_actiuni_comune)
## Date Volume_Tesla Volume_MSFT Volume_Apple
## Length:250 Min. : 65125200 Min. :10176600 Min. : 24048300
## Class :character 1st Qu.:111763225 1st Qu.:21186475 1st Qu.: 47812075
## Mode :character Median :128582450 Median :25052750 Median : 55077500
## Mean :137322225 Mean :27675560 Mean : 59217029
## 3rd Qu.:157884000 3rd Qu.:29960600 3rd Qu.: 65742925
## Max. :306590600 Max. :78478200 Max. :154357300
## Volume_Nasdaq
## Min. :2.542e+09
## 1st Qu.:4.439e+09
## Median :4.842e+09
## Mean :4.971e+09
## 3rd Qu.:5.288e+09
## Max. :8.378e+09
summary(date_actiuni_comune[-1])
## Volume_Tesla Volume_MSFT Volume_Apple Volume_Nasdaq
## Min. : 65125200 Min. :10176600 Min. : 24048300 Min. :2.542e+09
## 1st Qu.:111763225 1st Qu.:21186475 1st Qu.: 47812075 1st Qu.:4.439e+09
## Median :128582450 Median :25052750 Median : 55077500 Median :4.842e+09
## Mean :137322225 Mean :27675560 Mean : 59217029 Mean :4.971e+09
## 3rd Qu.:157884000 3rd Qu.:29960600 3rd Qu.: 65742925 3rd Qu.:5.288e+09
## Max. :306590600 Max. :78478200 Max. :154357300 Max. :8.378e+09
#export stat
statistici_descriptive<-summary(date_actiuni_comune[-1])
write.csv(statistici_descriptive, file = "statistici_descriptive.csv")
#"Volume" se referă la numărul total de acțiuni tranzacționate pentru
#o anumită perioadă de timp dată, de obicei pentru o singură zi de tranzacționare.
#Acesta este un indicator important pentru a evalua lichiditatea unui activ financiar,
#deoarece arată cât de activ este un anumit instrument financiar într-o perioadă de timp specifică.
#Un volum ridicat poate sugera un interes crescut din partea investitorilor sau poate
#indica o mișcare semnificativă a prețului. Pe de altă parte, un volum scăzut poate
#indica lipsa de interes sau stabilitate pe piață.
# Tesla - cel mai mare volum mediu
attach(date_actiuni_comune)
amplitudine_Tesla<-max(Volume_Tesla)-min(Volume_Tesla)
amplitudine_Tesla
## [1] 241465400
amplitudine_MSFT<-max(Volume_MSFT)-min(Volume_MSFT)
amplitudine_MSFT
## [1] 68301600
amplitudine_Apple<-max(Volume_Apple)-min(Volume_Apple)
amplitudine_Apple
## [1] 130309000
amplitudine_NASDAQ<-max(Volume_Nasdaq)-min(Volume_Nasdaq)
amplitudine_NASDAQ
## [1] 5835790000
# Tesla - cea mai mare amplitudine
#O amplitudine mare a volumelor poate indica o variație semnificativă în interesul
#investitorilor sau în activitatea pieței într-o anumită perioadă de timp.
#Aceasta poate fi asociată cu evenimente de piață semnificative
ab_Tesla<-sd(Volume_Tesla)
ab_Tesla
## [1] 35773098
ab_MSFT<-sd(Volume_MSFT)
ab_MSFT
## [1] 10640235
ab_Apple<-sd(Volume_Apple)
ab_Apple
## [1] 17773915
ab_NASDAQ<-sd(Volume_Nasdaq)
ab_NASDAQ
## [1] 801978343
#O variație mare în volumele de tranzacționare poate indica niveluri fluctuante de
#lichiditate pe piață. Cu cât abaterea standard este mai mare, cu atât pot exista mai
#multe oportunități pentru investitori să cumpere sau să vândă active fără a afecta semnificativ
#prețurile.
matrice<-matrix(nrow=4, ncol=2, dimnames=list(c("Volume_Tesla", "Volume_Microsoft", "Volume_Apple", "Volume_NASDAQ"), c("Amplitudinea", "Abaterea std")))
matrice
## Amplitudinea Abaterea std
## Volume_Tesla NA NA
## Volume_Microsoft NA NA
## Volume_Apple NA NA
## Volume_NASDAQ NA NA
matrice[,1]<-c(amplitudine_Tesla, amplitudine_MSFT, amplitudine_Apple,amplitudine_NASDAQ )
matrice[,2]<-c(ab_Tesla, ab_MSFT, ab_Apple, ab_NASDAQ)
matrice
## Amplitudinea Abaterea std
## Volume_Tesla 241465400 35773098
## Volume_Microsoft 68301600 10640235
## Volume_Apple 130309000 17773915
## Volume_NASDAQ 5835790000 801978343
max(Volume_Nasdaq)
## [1] 8377630000
which.max(Volume_Nasdaq)
## [1] 241
date_actiuni_comune[which.max(Volume_Nasdaq),]
## Date Volume_Tesla Volume_MSFT Volume_Apple Volume_Nasdaq
## 241 12/15/2023 135720800 78478200 128256700 8377630000
date_actiuni_comune[which.max(Volume_Tesla),]
## Date Volume_Tesla Volume_MSFT Volume_Apple Volume_Nasdaq
## 18 1/27/2023 306590600 26498900 70555800 6243800000
#grafice
plot(Volume_Tesla, main = "Evolutia Volumului de tranzactionare Tesla in 2023", col = "aquamarine", type = "l", xlab = "zile", ylab = "Volume_tesla")
plot(Volume_MSFT, main = "Evolutia Volumului de tranzactionare Microsoft in 2023", col = "pink", type = "l", xlab = "zile", ylab = "Volume_Microsoft")
plot(Volume_Apple, main = "Evolutia Volumului de tranzactionare Apple in 2023", col = "cyan", type = "l", xlab = "zile", ylab = "Volume_Apple")
plot(Volume_Nasdaq, main = "Evolutia Volumului de tranzactionare NASDAQ in 2023", col = "red", type = "l", xlab = "zile", ylab = "Volume_NASDAQ")
plot.ts(date_actiuni_comune[,2:5], main = "evolutie de inchidere pt actiuni", xlab = "zile", col = "maroon")
#histograme
windows()
par(mfrow=c(4,1))
hist(date_actiuni$Volume_Tesla, col = "red", main="Histograma volumelor Tesla", xlab="Volum")
hist(date_actiuni$Volume_MSFT, col="blue", main="Histograma volumelor Apple", xlab="Volum")
hist(date_actiuni$Volume_Apple, col="green", main="Histograma volumelor Microsoft", xlab="Volum")
hist(date_actiuni$Volume_Nasdaq, col="cyan", main="Histograma volumelor NASDAQ", xlab="Volum")
#gradul de imprastiere cel mai mare = Tesla
library(moments)
attach(date_actiuni)
## The following objects are masked from date_actiuni_comune:
##
## Date, Volume_Apple, Volume_MSFT, Volume_Nasdaq, Volume_Tesla
sk_Tesla <- skewness(Volume_Tesla)
sk_MSFT <- skewness(Volume_MSFT)
sk_Apple <- skewness(Volume_Apple)
sk_NASDAQ <- skewness(Volume_Nasdaq)
#Pentru volumele de tranzacționare, o skewness pozitivă ar putea indica că există mai multe
#tranzacții cu volume mari decât cele mici, în timp ce o asimetrie negativă ar putea indica
#că există mai multe tranzacții cu volume mici decât cele mari.O asimetrie semnificativă poate
#indica că distribuția volumelor de tranzacționare nu este simetrică și că există anumite
#tendințe sau modele în comportamentul volumelor de tranzacționare
k_Tesla <- kurtosis(Volume_Tesla)
k_MSFT <- kurtosis(Volume_MSFT)
k_Apple <- kurtosis(Volume_Apple)
k_NASDAQ <- kurtosis(Volume_Nasdaq)
#Pentru volumele de tranzacționare, o kurtosis mai mare ar putea indica că există mai multe
#tranzacții concentrate în jurul mediei(in cazul nostru seriile sunt aplatizate, mai putin la Tesla), în timp ce o kurtosis mai mică ar putea indica că
#există o varietate mai mare a volumelor de tranzacționare.
m <- matrix(ncol = 2, nrow =4, dimnames = list(c("Volume Tesla", "Volume Microsoft", "Volume Apple", "Volume NASDAQ"),c("sk", "k")))
m
## sk k
## Volume Tesla NA NA
## Volume Microsoft NA NA
## Volume Apple NA NA
## Volume NASDAQ NA NA
m[,1]<-c(sk_Tesla, sk_MSFT, sk_Apple,sk_NASDAQ)
m[,2]<-c(k_Tesla, k_MSFT, k_Apple,k_NASDAQ)
m
## sk k
## Volume Tesla 1.107387 4.622372
## Volume Microsoft 1.930182 7.629374
## Volume Apple 1.849982 8.029369
## Volume NASDAQ 1.444353 7.184658
matr_corelatie <- cor(date_actiuni[-1])
matr_corelatie
## Volume_Tesla Volume_MSFT Volume_Apple Volume_Nasdaq
## Volume_Tesla 1.0000000 0.2500687 0.3312790 0.2933332
## Volume_MSFT 0.2500687 1.0000000 0.3448014 0.3861462
## Volume_Apple 0.3312790 0.3448014 1.0000000 0.4250982
## Volume_Nasdaq 0.2933332 0.3861462 0.4250982 1.0000000
#activitățile de tranzacționare ale acestor companii nu sunt puternic corelate
#între ele în termeni de volum.
#O corelație mică între volumele de tranzacționare poate fi un semn al diversificării portofoliului.
#Investitorii care dețin mai multe active cu volume de tranzacționare slab corelate pot beneficia
#de o reducere a riscului prin diversificare.
#În general, corelații mai mici între volumele de tranzacționare ale mai multor companii pot fi
#normale și pot reflecta diferențele în comportamentul și caracteristicile acestor companii
write.csv(matr_corelatie, file = "corelatie.csv")
write.table(matr_corelatie, file = "M_corelatie.txt")
#install.packages("corrplot")
library(corrplot)
## Warning: package 'corrplot' was built under R version 4.3.3
## corrplot 0.92 loaded
corrplot(matr_corelatie)
corrplot(matr_corelatie, method = c("number"), type = c("upper"))
corrplot(matr_corelatie, method = c("square"), type = c("lower"))
corrplot(matr_corelatie, method = c("number"), type = c("lower"), bg = "cyan", title = "reprezentare grafica matrice de corelatie")
corrplot(matr_corelatie, method = c("pie"), type = c("upper"))