Volatilidade das empresas do setor de energia listadas no Ibovespa

# Criando um gráfico de linha com os preços de fechamento da ação CMIG4 ao longo do tempo
ggplot(CEMIG, aes(x = data, y = fechamento)) +
  # Adiciona uma linha azul que representa a variação do preço ao longo das datas
  geom_line(color = "blue") +
  # Define os títulos do gráfico e dos eixos
  labs(
    title = "Preço de Fechamento ao Longo do Tempo - CMIG4",  # Título principal do gráfico
    x = "Data",                                               # Rótulo do eixo X (horizontal)
    y = "Preço de Fechamento (R$)"                            # Rótulo do eixo Y (vertical)
  ) +
  # Aplica um tema limpo e minimalista ao gráfico
  theme_minimal()

precos_fechamento_CEMIG <- CEMIG$fechamento
precos_fechamento_CEMIG

#->  Calculando os retornos logarítmicos
retornos_log_CEMIG <- diff(log(precos_fechamento_CEMIG))

#->  Calculando a volatilidade
volatilidade_CEMIG <- sd(retornos_log_CEMIG, na.rm = TRUE)

#->  Exibindo o resultado
print(paste("A volatilidade histórica da CMIG3:", round(volatilidade_CEMIG, 6)))

# Criando uma tabela com a volatilidade da ação CMIG3
tabela_volatilidade <- data.frame(
  Empresa = c("CMIG3"),                       # Nome da empresa
  Volatilidade = c(volatilidade_CEMIG)       # Valor da volatilidade calculado anteriormente
)

# Arredondando o valor da volatilidade para até 6 casas decimais
tabela_volatilidade$Volatilidade <- round(tabela_volatilidade$Volatilidade, 6)

# Organizando a tabela da maior para a menor volatilidade (nesse caso só tem uma linha, mas o código já fica pronto para outras empresas)
tabela_volatilidade <- tabela_volatilidade %>%
  arrange(desc(Volatilidade))

# Mostrando a tabela no console ou no relatório
print(tabela_volatilidade)

#-> Normalizando a volatilidade e classificando as empresas
tabela_volatilidade <- tabela_volatilidade %>%
  mutate(
    # Cria uma nova coluna "Volatilidade_Normalizada" que transforma a volatilidade para uma escala de 0 a 100
    Volatilidade_Normalizada = (Volatilidade - min(Volatilidade)) / (max(Volatilidade) - min(Volatilidade)) * 100,

    # Cria a coluna "Classificacao" para classificar empresas cuja volatilidade normalizada está entre 40% e 60%
    Classificacao = case_when(
      Volatilidade_Normalizada >= 40 & Volatilidade_Normalizada <= 60 ~ "Média (40%-60%)",
      TRUE ~ "Fora do intervalo"  # Para todas as outras fora desse intervalo
    )
  )

#-> Criando gráfico de barras com cores diferentes conforme a classificação
ggplot(tabela_volatilidade, aes(x = reorder(Empresa, -Volatilidade), y = Volatilidade, fill = Classificacao)) +
  # Cria as colunas do gráfico (barras)
  geom_col() +
  
  # Adiciona o valor da volatilidade arredondado acima de cada barra
  geom_text(aes(label = round(Volatilidade, 4)), vjust = -0.5, size = 3.5) +

  # Títulos e rótulos do gráfico
  labs(
    title = "Volatilidade dos últimos Três anos das Empresas",  # Título do gráfico
    x = "Ativo",                                                 # Rótulo do eixo X
    y = "Volatilidade",                                          # Rótulo do eixo Y
    fill = "Classificação"                                       # Título da legenda de cores
  ) +

  # Define manualmente as cores usadas para cada classificação
  scale_fill_manual(values = c("Média (40%-60%)" = "orange", "Fora do intervalo" = "steelblue")) +

  # Aplica um tema limpo e minimalista ao gráfico
  theme_minimal() +

  # Ajusta detalhes visuais do gráfico (título centralizado, texto rotacionado, tamanhos de fonte)
  theme(
    plot.title = element_text(hjust = 0.5, size = 16, face = "bold"),  # Centraliza e estiliza o título
    axis.text.x = element_text(angle = 45, hjust = 1),                 # Rotaciona os nomes no eixo X
    axis.title = element_text(size = 14),                              # Tamanho dos títulos dos eixos
    axis.text = element_text(size = 12),                               # Tamanho dos textos nos eixos
    legend.title = element_text(size = 13),                            # Tamanho do título da legenda
    legend.text = element_text(size = 12)                              # Tamanho do texto da legenda
  )

#->  Calculando os retornos logarítmicos
retornos_log_CEMIG <- diff(log(precos_fechamento_CEMIG))

#->  Calculando a volatilidade diária
volatilidade_diaria_CEMIG <- sd(retornos_log_CEMIG, na.rm = TRUE)

#->  Anualizando a volatilidade
volatilidade_anualizada_CEMIG <- volatilidade_diaria_CEMIG * sqrt(252)

#->  Exibindo o resultado
print(paste("A volatilidade anualizada da ação da CMIG3:", round(volatilidade_anualizada_CEMIG, 6)))

tabela_volatilidade_anualizada <- data.frame(
  Ativo = c("CMIG3"),
  VolatilidadeA = c(volatilidade_anualizada_CEMIG)
)

#->  Arredondando a coluna de volatilidade
tabela_volatilidade_anualizada$VolatilidadeA <- round(tabela_volatilidade_anualizada$VolatilidadeA, 6)

#->  Ordenando do maior para o menor
tabela_volatilidade_anualizada <- tabela_volatilidade_anualizada %>%
  arrange(desc(VolatilidadeA))

#->  Mostrar a tabela ordenada
print(tabela_volatilidade_anualizada)

#-> Normalizando a volatilidade
tabela_volatilidade_anualizada <- tabela_volatilidade_anualizada %>%
  mutate(
    Volatilidade_anualizada_Normalizada = (VolatilidadeA - min(VolatilidadeA)) / (max(VolatilidadeA) - min(VolatilidadeA)) * 100,
    Classificacao = case_when(
      Volatilidade_anualizada_Normalizada >= 40 & Volatilidade_anualizada_Normalizada <= 60 ~ "Média (40%-60%)",
      TRUE ~ "Fora do intervalo"
    )
  )

#-> Criando Tabela com uma média de 40% a 60% de volatilidade em Laranja
ggplot(tabela_volatilidade_anualizada, aes(x = reorder(Ativo, -VolatilidadeA), y = VolatilidadeA, fill = Classificacao)) +
  geom_col() +
  geom_text(aes(label = round(VolatilidadeA, 4)), vjust = -0.5, size = 3.5) +
  labs(
    title = "Volatilidade dos últimos três anos do Ativo",
    x = "Ativo",
    y = "Volatilidade",
    fill = "Classificação",
  ) +
  scale_fill_manual(values = c("Média (40%-60%)" = "orange", "Fora do intervalo" = "steelblue")) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 16, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1),
    axis.title = element_text(size = 14),
    axis.text = element_text(size = 12),
    legend.title = element_text(size = 13),
    legend.text = element_text(size = 12)
  )