1. Taller 1
1.1 Integrantes
Amaya Anthony, Amaya Daniela, Diaz Enmanuel, Lopez Mauricio
1.2 Paquetes requeridos
Para la extracciĆ³n, procesamiento y analisis exploratorio, hacemos uso de estos paquetes.
library(readxl)
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(Amelia)## Cargando paquete requerido: Rcpp## ##
## ## Amelia II: Multiple Imputation
## ## (Version 1.8.3, built: 2024-11-07)
## ## Copyright (C) 2005-2025 James Honaker, Gary King and Matthew Blackwell
## ## Refer to http://gking.harvard.edu/amelia/ for more information
## ##library(scales)
library(readr)##
## Adjuntando el paquete: 'readr'## The following object is masked from 'package:scales':
##
## col_factorlibrary(ggplot2)
library(tidyr)2. ExtracciĆ³n de datos
2.1 Decision de la base de datos a examinar
Decidimos examinar 20 stock del merado de valores, particularmente los primeros 20 en el ranking por āMarket capā que se calcula de la siguiente manera:
\[ \text{Market Cap} = \text{Precio de la AcciĆ³n} \times \text{NĆŗmero de acciones en circulaciĆ³n} \]
2.2 Metodos de extracciĆ³n de datos
Usamos la API de AlphaVantage, un servicio que proporciona datos financieros y de mercado en tiempo real y histĆ³ricos.
2.3 Codigo para la obtenciĆ³n del archivo .xlsx
import requests
import pandas as pd
import numpy as np
import time
from datetime import datetime, timedelta
# ==================== CONFIGURACIĆN CON TU API KEY ====================
API_KEY = "Censurado" # ā
TU API KEY REAL
# TUS 20 TICKERS EXACTOS (corregĆ AMAZ ā AMZN)
TICKERS = [
"NVDA", # 1. NVIDIA
"MSFT", # 2. MSFT
"AAPL", # 3. AAPL
"GOOG", # 4. GOOG
"AMZN", # 5. AMAZ ā corregido a AMZN
"META", # 6. META
"AVGO", # 7. AVGO
"TSM", # 8. TSM
"TSLA", # 9. TSLA
"TCEHY", # 10. TCEHY
"ORCL", # 11. ORCL
"NFLX", # 12. NFLX
"PLTR", # 13. PLTR
"005930.KS", # 14. 005930.KS (Samsung Electronics Korea)
"SAP", # 15. SAP
"ASML", # 16. ASML
"BABA", # 17. BABA
"AMD", # 18. AMD
"CSCO", # 19. CSCO
"CRM" # 20. CRM
]
SLEEP_TIME = 60 # 60 segundos entre llamadas (OBLIGATORIO)
# ==================== FUNCIONES ====================
def obtener_datos_semanales(ticker, api_key):
"""
Obtiene datos semanales de Alpha Vantage (TIME_SERIES_WEEKLY)
"""
try:
print(f"š” Solicitando datos semanales de {ticker}...")
url = "https://www.alphavantage.co/query"
params = {
"function": "TIME_SERIES_WEEKLY",
"symbol": ticker,
"apikey": api_key,
"datatype": "json"
}
# Headers para evitar bloqueos
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
}
response = requests.get(url, params=params, headers=headers, timeout=30)
data = response.json()
# Verificar si hay error en la respuesta
if "Error Message" in data:
print(f"ā Error API para {ticker}: {data['Error Message']}")
return None
if "Note" in data:
print(f"ā Nota API para {ticker}: {data['Note']}")
return None
if "Weekly Time Series" not in data:
print(f"ā {ticker}: No se encontraron datos semanales")
return None
print(f"ā
{ticker}: Datos recibidos correctamente")
return data["Weekly Time Series"]
except Exception as e:
print(f"š Error de conexiĆ³n con {ticker}: {str(e)}")
return None
def procesar_datos_semanales(datos_json, ticker):
"""
Convierte los datos JSON a DataFrame y filtra Ćŗltimos 4 aƱos
"""
if not datos_json:
return None
try:
# Crear DataFrame
df = pd.DataFrame.from_dict(datos_json, orient='index')
df.columns = ['Open', 'High', 'Low', 'Close', 'Volume']
# Convertir tipos de datos
for col in df.columns:
df[col] = pd.to_numeric(df[col], errors='coerce')
# Convertir Ćndice a datetime
df.index = pd.to_datetime(df.index)
df.sort_index(inplace=True)
# Filtrar Ćŗltimos 4 aƱos
fecha_limite = datetime.now() - timedelta(days=4*365)
df = df[df.index >= fecha_limite]
# Agregar solo columna de Ticker (sin Return ni Volatility)
df['Ticker'] = ticker
print(f"š {ticker}: {len(df)} semanas (Ćŗltimos 4 aƱos)")
return df
except Exception as e:
print(f"ā Error procesando {ticker}: {str(e)}")
return None
def guardar_en_excel(datos_por_ticker, filename):
"""
Guarda todos los datos en un archivo Excel
"""
try:
with pd.ExcelWriter(filename, engine='openpyxl') as writer:
# Guardar cada ticker en hoja separada
for ticker, df in datos_por_ticker.items():
if df is not None and not df.empty:
# Limpiar nombre de hoja para caracteres especiales
sheet_name = ticker.replace('.', '').replace('-', '')[:31]
df.to_excel(writer, sheet_name=sheet_name, index=True)
# Crear hoja de resumen con RANK original
resumen_data = []
ranking_original = {
"NVDA": 1, "MSFT": 2, "AAPL": 3, "GOOG": 4, "AMZN": 5,
"META": 6, "AVGO": 7, "TSM": 8, "TSLA": 9, "TCEHY": 10,
"ORCL": 11, "NFLX": 12, "PLTR": 13, "005930.KS": 14, "SAP": 15,
"ASML": 16, "BABA": 17, "AMD": 18, "CSCO": 19, "CRM": 20
}
for ticker, df in datos_por_ticker.items():
if df is not None and not df.empty:
resumen_data.append({
'Rank': ranking_original.get(ticker, 99),
'Ticker': ticker,
'Semanas': len(df),
'Desde': df.index.min().strftime('%Y-%m-%d'),
'Hasta': df.index.max().strftime('%Y-%m-%d'),
'Precio Actual': f"${df['Close'].iloc[-1]:.2f}"
})
if resumen_data:
df_resumen = pd.DataFrame(resumen_data)
df_resumen = df_resumen.sort_values('Rank') # Ordenar por ranking
df_resumen.to_excel(writer, sheet_name='RESUMEN', index=False)
print(f"š¾ Archivo guardado: {filename}")
return True
except Exception as e:
print(f"ā Error guardando Excel: {e}")
return False
# ==================== EJECUCIĆN PRINCIPAL ====================
if _name_ == "_main_":
print("š INICIANDO DESCARGA ALPHA VANTAGE")
print("ā
API KEY CONFIRMADA: G94TPEJXOD8UL29E")
print("š
PerĆodo: 4 aƱos | ā° Intervalo: Semanal")
print(f"š Total tickers: {len(TICKERS)}")
print("=" * 60)
todos_datos = {}
for i, ticker in enumerate(TICKERS, 1):
print(f"\n{i}/{len(TICKERS)}. š Procesando {ticker} (Rank {i})...")
# Obtener datos
datos_json = obtener_datos_semanales(ticker, API_KEY)
if datos_json:
# Procesar datos
df_procesado = procesar_datos_semanales(datos_json, ticker)
todos_datos[ticker] = df_procesado
else:
todos_datos[ticker] = None
print(f"ā Saltando {ticker} debido a error")
# Espera CRĆTICA (60 segundos entre llamadas)
if i < len(TICKERS):
print(f"ā° Esperando {SLEEP_TIME} segundos (lĆmite API)...")
time.sleep(SLEEP_TIME)
# Guardar resultados
if any(df is not None for df in todos_datos.values()):
fecha = datetime.now().strftime("%Y%m%d_%H%M")
archivo = f"top20_stocks_4aƱos_{fecha}.xlsx"
guardar_en_excel(todos_datos, archivo)
# Mostrar resumen final
print("\n" + "=" * 60)
print("š RESUMEN FINAL")
print("=" * 60)
exitosos = sum(1 for df in todos_datos.values() if df is not None and not df.empty)
print(f"ā
Tickers exitosos: {exitosos}/{len(TICKERS)}")
# Mostrar preview de los primeros 5 tickers por ranking
ranking_original = {
"NVDA": 1, "MSFT": 2, "AAPL": 3, "GOOG": 4, "AMZN": 5,
"META": 6, "AVGO": 7, "TSM": 8, "TSLA": 9, "TCEHY": 10,
"ORCL": 11, "NFLX": 12, "PLTR": 13, "005930.KS": 14, "SAP": 15,
"ASML": 16, "BABA": 17, "AMD": 18, "CSCO": 19, "CRM": 20
}
print("\nš TOP 5 POR RANKING:")
for ticker in ["NVDA", "MSFT", "AAPL", "GOOG", "AMZN"]:
df = todos_datos.get(ticker)
if df is not None and not df.empty:
print(f" #{ranking_original[ticker]} {ticker}: ${df['Close'].iloc[-1]:.2f}")
else:
print("\nš No se pudo descargar ningĆŗn dato"2.4 Conversion del archivo a .csv
Debido a que el archivo de excel es mas conveniente analizarlo en el formato csv, debemos juntar las 20 hojas en 1 sola. Para esto nos aseguraremos de que todas las columnas y filas tengan las mismas fechas y nombres.
2.4.1 Nombres de Paginas
Primero, obtenemos los nombres de las paginas para poder analizarlas.
excel_file <- "C:/Users/enmad/OneDrive/Desktop/Database/Univ/EstInferencial/ESTADISTICA_INFERENCIAL/top20_stocks_4aƱos_20250823_2326.xlsx"
sheet_names <- excel_sheets(excel_file)
print(sheet_names)## [1] "NVDA" "MSFT" "AAPL" "GOOG" "AMZN" "META" "AVGO"
## [8] "TSM" "TSLA" "TCEHY" "ORCL" "NFLX" "PLTR" "SAP"
## [15] "ASML" "BABA" "AMD" "CSCO" "CRM" "RESUMEN"2.4.2 Nombres de Columnas
Segundo, obtenemos los nombres de las columnas en cada pagina
column_names_list <- lapply(sheet_names, function(sheet) {
df <- read_excel(excel_file, sheet = sheet, n_max = 1)
colnames(df)
})## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## ā¢ `` -> `...1`for (i in seq_along(sheet_names)) {
cat("Sheet:", sheet_names[i], "\n")
print(column_names_list[[i]])
cat("\n")
}## Sheet: NVDA
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: MSFT
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: AAPL
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: GOOG
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: AMZN
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: META
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: AVGO
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: TSM
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: TSLA
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: TCEHY
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: ORCL
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: NFLX
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: PLTR
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: SAP
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: ASML
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: BABA
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: AMD
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: CSCO
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: CRM
## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"
##
## Sheet: RESUMEN
## [1] "Rank" "Ticker" "Semanas" "Desde"
## [5] "Hasta" "Precio Actual"Debido a que tenemos una hoja con un resumen de los datos obtenidos, vamos a eliminarla de la variable āsheet namesā
sheet_names <- sheet_names[sheet_names != "RESUMEN"]
head(sheet_names,20)## [1] "NVDA" "MSFT" "AAPL" "GOOG" "AMZN" "META" "AVGO" "TSM" "TSLA"
## [10] "TCEHY" "ORCL" "NFLX" "PLTR" "SAP" "ASML" "BABA" "AMD" "CSCO"
## [19] "CRM"2.4.3 Combinar todas las paginas en 1
Ahora procedemos a combinar todas las hojas en uno solo y exportar el excel en formato csv
df_list <- lapply(sheet_names, function(sheet) {
read_excel(excel_file, sheet = sheet)
})## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## New names:
## ā¢ `` -> `...1`df <- bind_rows(df_list)
write.csv(df, "df.csv", row.names = FALSE)Con esto, ahora tenemos nuestra base de datos en un tipo de archivo mas familiar de analizar
3 Analisis Inicial
3.1 VerificaciĆ³n del archivo
3.1.1 ContextualizaciĆ³n de la base de datos y variables
ĀæEn quĆ© consiste?
La base contiene informaciĆ³n histĆ³rica de 209 semanas (aproximadamente 4 aƱos) sobre las 20 principales empresas tecnolĆ³gicas que cotizan en bolsa (por ejemplo: Nvidia, Microsoft, Apple, Google, Tesla, Netflix, entre otras).
Cada pestaƱa corresponde a una empresa y muestra sus precios de mercado semana a semana, lo que permite analizar el comportamiento individual de cada acciĆ³n. La pestaƱa RESUMEN concentra la visiĆ³n global de todo el conjunto: el ranking de las empresas, el rango de fechas analizado, el nĆŗmero de semanas consideradas y el precio mĆ”s reciente de cada acciĆ³n.
Este tipo de informaciĆ³n se utiliza para realizar comparaciones entre empresas, identificar tendencias de crecimiento o caĆda, evaluar la volatilidad de los precios y aplicar mĆ©todos de estadĆstica inferencial para inferir el comportamiento futuro del mercado.
Variables de la base de datos
Aqui describiremos que variables tenemos
Variables en las pestaƱas individuales (por empresa)
- Fecha: indica la semana registrada en el periodo de anĆ”lisis. Permite organizar la informaciĆ³n en orden cronolĆ³gico y hacer un seguimiento de la evoluciĆ³n temporal de la acciĆ³n.
- Open (Precio de apertura): corresponde al precio con el que inicia la acciĆ³n al comienzo de la semana. Es un indicador de la expectativa inicial de los inversionistas en ese periodo.
- High (Precio mĆ”ximo): refleja el mayor valor alcanzado por la acciĆ³n dentro de la semana. Es Ćŗtil para medir hasta quĆ© punto se valorizĆ³ la empresa en ese intervalo de tiempo.
- Low (Precio mĆnimo): muestra el precio mĆ”s bajo registrado durante la semana. Permite identificar la caĆda mĆ”xima que experimentĆ³ la acciĆ³n en ese lapso.
- Close (Precio de cierre): es el precio final de la acciĆ³n al concluir la semana. Se considera una de las medidas mĆ”s relevantes en anĆ”lisis financiero, ya que resume la tendencia del mercado en ese periodo.
- Volume (Volumen de transacciones): indica la cantidad de acciones negociadas en la semana. Un volumen alto refleja mayor liquidez e interƩs de los inversionistas, mientras que un volumen bajo puede indicar menor actividad en el mercado.
- Ticker: es el cĆ³digo bursĆ”til que identifica a la empresa (por ejemplo, NVDA = Nvidia). Permite distinguir entre diferentes acciones dentro de la base.
Variables en la pestaƱa RESUMEN:
- Rank: muestra la posiciĆ³n que ocupa la empresa dentro del top 20. El orden refleja la relevancia de cada compaƱĆa dentro de la selecciĆ³n de la base.
- Ticker: cĆ³digo de la acciĆ³n que identifica a la empresa en el mercado. Sirve como referencia estĆ”ndar en las transacciones bursĆ”tiles.
- Semanas: nĆŗmero total de semanas incluidas en el anĆ”lisis (209 en todos los casos). Asegura que todas las empresas tengan la misma ventana temporal de comparaciĆ³n.
- Desde: fecha de inicio de la serie temporal (27/08/2021). Marca el comienzo del periodo histĆ³rico analizado.
- Hasta: fecha de cierre de la serie temporal (22/08/2025). SeƱala el final del periodo analizado y permite calcular el rango total cubierto.
- Precio Actual: valor mĆ”s reciente de la acciĆ³n al final del periodo considerado. Es el precio vigente al 22/08/2025 y sirve como referencia de la situaciĆ³n mĆ”s actual de cada empresa.
CategorizaciĆ³n Estadistica de las variables
- Fecha: numerica de intervalo
- Open (Precio de apertura): numerica continua
- High (Precio mƔximo): numerica continua
- Low (Precio mĆnimo): numerica continua
- Close (Precio de cierre): numerica continua
- Volume (Volumen de transacciones): numƩrica continua
- Ticker: categorica nominal
- Rank: categorica ordinal
- Semanas: categorica ordinal
- Desde: numerica de intervalo
- Hasta: numerica de intervalo
- Precio Actual: numerica continua
3.1.2 CaracterĆsticas generales de la base de datos
NĆŗmero de filas y columnas
Tenemos 3971 filas y 7 columnas en la base de datos completa
dim(df)## [1] 3971 7Nombres de las x
names(df)## [1] "...1" "Open" "High" "Low" "Close" "Volume" "Ticker"Tipos de x (numĆ©ricas, categĆ³ricas, texto, etc.)
str(df)## tibble [3,971 Ć 7] (S3: tbl_df/tbl/data.frame)
## $ ...1 : POSIXct[1:3971], format: "2021-08-27" "2021-09-03" ...
## $ Open : num [1:3971] 210 228 228 227 211 ...
## $ High : num [1:3971] 227 230 229 230 225 ...
## $ Low : num [1:3971] 210 221 220 218 207 ...
## $ Close : num [1:3971] 226 228 225 219 221 ...
## $ Volume: num [1:3971] 1.76e+08 1.19e+08 8.98e+07 1.11e+08 1.29e+08 ...
## $ Ticker: chr [1:3971] "NVDA" "NVDA" "NVDA" "NVDA" ...Completitud de los datos
missmap(df)## Warning: Unknown or uninitialised column: `arguments`.
## Unknown or uninitialised column: `arguments`.## Warning: Unknown or uninitialised column: `imputations`.
3.1.3 Ordenamiento de datoss
Para facilitar el trabajo y analisis de los datos, ordenaremos por fechas el df.
df <- df %>%
mutate(...1 = as.Date(...1)) %>%
arrange(...1)
# Export to CSV
write.csv(df, "dataorden.csv", row.names = FALSE)3.2 SegmentaciĆ³n Base de datos
3.2.1 Estratificacion empresas segun āRankā en resumen
resumen <- read_excel(excel_file, sheet = "RESUMEN")
print(resumen)## # A tibble: 19 Ć 6
## Rank Ticker Semanas Desde Hasta `Precio Actual`
## <dbl> <chr> <dbl> <chr> <chr> <chr>
## 1 1 NVDA 209 2021-08-27 2025-08-22 $177.99
## 2 2 MSFT 209 2021-08-27 2025-08-22 $507.23
## 3 3 AAPL 209 2021-08-27 2025-08-22 $227.76
## 4 4 GOOG 209 2021-08-27 2025-08-22 $206.72
## 5 5 AMZN 209 2021-08-27 2025-08-22 $228.84
## 6 6 META 209 2021-08-27 2025-08-22 $754.79
## 7 7 AVGO 209 2021-08-27 2025-08-22 $294.00
## 8 8 TSM 209 2021-08-27 2025-08-22 $232.99
## 9 9 TSLA 209 2021-08-27 2025-08-22 $340.01
## 10 10 TCEHY 209 2021-08-27 2025-08-22 $77.88
## 11 11 ORCL 209 2021-08-27 2025-08-22 $236.37
## 12 12 NFLX 209 2021-08-27 2025-08-22 $1204.65
## 13 13 PLTR 209 2021-08-27 2025-08-22 $158.74
## 14 15 SAP 209 2021-08-27 2025-08-22 $271.11
## 15 16 ASML 209 2021-08-27 2025-08-22 $754.89
## 16 17 BABA 209 2021-08-27 2025-08-22 $122.94
## 17 18 AMD 209 2021-08-27 2025-08-22 $167.76
## 18 19 CSCO 209 2021-08-27 2025-08-22 $67.32
## 19 20 CRM 209 2021-08-27 2025-08-22 $248.29En resumen podemos ver que el df tiene un error de conteo de # de empresas, lo cual tendremos en cuenta a lo largo del proyecto y no hubieramos notado sin esta parte del trabajo. Originalmente pensamos que teniamos 20 empresas y vamos a trabajar con las 19 que la base de datos tiene por simplicidad.
Vamos a separar los df en 4, teniendo en los diferentes las empresas (1-4), (5-9), (10-14) y (15-19)
tickers_4 <- c("NVDA", "MSFT", "AAPL", "GOOG")
df_4 <- df %>%
filter(Ticker %in% tickers_4)
tickers_9 <- c("AMZN", "META", "AVGO", "TSM", "TSLA")
df_9 <- df %>%
filter(Ticker %in% tickers_9)
tickers_14 <- c("TCEHY", "ORCL", "NFLX", "PLTR", "SAP")
df_14 <- df %>%
filter(Ticker %in% tickers_14)
tickers_19 <- c("ASML", "BABA", "AMD", "CSCO", "CRM ")
df_19 <- df %>%
filter(Ticker %in% tickers_19)head(df_4,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 210. 227. 210. 226. 176346915 NVDA
## 2 2021-08-27 303. 306. 297. 300. 101283798 MSFT
## 3 2021-08-27 148. 151. 147. 149. 272129118 AAPL
## 4 2021-08-27 2780. 2900. 2775. 2891. 4427462 GOOG
## 5 2021-09-03 228. 230. 221. 228. 119313808 NVDAhead(df_9,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 3212. 3352. 3210. 3350. 12001408 AMZN
## 2 2021-08-27 359. 374. 359. 373. 48969499 META
## 3 2021-08-27 476. 496. 476. 496. 6245198 AVGO
## 4 2021-08-27 110. 119. 109. 118. 55079882 TSM
## 5 2021-08-27 685. 717. 681. 712. 73041547 TSLAhead(df_14,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 56.2 62.6 56.2 59.0 45104349 TCEHY
## 2 2021-08-27 89.5 89.6 88.0 89.4 33736160 ORCL
## 3 2021-08-27 546. 564. 544. 559. 11625250 NFLX
## 4 2021-08-27 24.0 26.1 23.9 25.7 226059011 PLTR
## 5 2021-08-27 148. 149. 147. 149. 1506968 SAPhead(df_19,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 795. 835. 795. 833. 2758381 ASML
## 2 2021-08-27 159. 174. 153. 159. 228075458 BABA
## 3 2021-08-27 105. 112. 105. 111. 278032644 AMD
## 4 2021-08-27 57.8 60.3 57.7 59.0 80477904 CSCO
## 5 2021-09-03 840. 863. 827. 858. 3097969 ASMLAnalisis Estadistico descriptivo
1. Separacion empresas segun āresumenā
resumen <- read_excel(excel_file, sheet = "RESUMEN")
print(resumen)## # A tibble: 19 Ć 6
## Rank Ticker Semanas Desde Hasta `Precio Actual`
## <dbl> <chr> <dbl> <chr> <chr> <chr>
## 1 1 NVDA 209 2021-08-27 2025-08-22 $177.99
## 2 2 MSFT 209 2021-08-27 2025-08-22 $507.23
## 3 3 AAPL 209 2021-08-27 2025-08-22 $227.76
## 4 4 GOOG 209 2021-08-27 2025-08-22 $206.72
## 5 5 AMZN 209 2021-08-27 2025-08-22 $228.84
## 6 6 META 209 2021-08-27 2025-08-22 $754.79
## 7 7 AVGO 209 2021-08-27 2025-08-22 $294.00
## 8 8 TSM 209 2021-08-27 2025-08-22 $232.99
## 9 9 TSLA 209 2021-08-27 2025-08-22 $340.01
## 10 10 TCEHY 209 2021-08-27 2025-08-22 $77.88
## 11 11 ORCL 209 2021-08-27 2025-08-22 $236.37
## 12 12 NFLX 209 2021-08-27 2025-08-22 $1204.65
## 13 13 PLTR 209 2021-08-27 2025-08-22 $158.74
## 14 15 SAP 209 2021-08-27 2025-08-22 $271.11
## 15 16 ASML 209 2021-08-27 2025-08-22 $754.89
## 16 17 BABA 209 2021-08-27 2025-08-22 $122.94
## 17 18 AMD 209 2021-08-27 2025-08-22 $167.76
## 18 19 CSCO 209 2021-08-27 2025-08-22 $67.32
## 19 20 CRM 209 2021-08-27 2025-08-22 $248.29En resumen podemos ver que el df tiene un error de conteo de # de empresas, lo cual tendremos en cuenta a lo largo del proyecto y no hubieramos notado sin esta parte del trabajo. Originalmente pensamos que teniamos 20 empresas y vamos a trabajar con las 19 que la base de datos tiene por simplicidad.
Vamos a separar los df en 4, teniendo en los diferentes las empresas (1-4), (5-9), (10-14) y (15-19). Esto es equivalente a una estratificaciĆ³n por posicion en el ranking.
tickers_4 <- c("NVDA", "MSFT", "AAPL", "GOOG")
df_4 <- df %>%
filter(Ticker %in% tickers_4)
tickers_9 <- c("AMZN", "META", "AVGO", "TSM", "TSLA")
df_9 <- df %>%
filter(Ticker %in% tickers_9)
tickers_14 <- c("TCEHY", "ORCL", "NFLX", "PLTR", "SAP")
df_14 <- df %>%
filter(Ticker %in% tickers_14)
tickers_19 <- c("ASML", "BABA", "AMD", "CSCO", "CRM ")
df_19 <- df %>%
filter(Ticker %in% tickers_19)head(df_4,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 210. 227. 210. 226. 176346915 NVDA
## 2 2021-08-27 303. 306. 297. 300. 101283798 MSFT
## 3 2021-08-27 148. 151. 147. 149. 272129118 AAPL
## 4 2021-08-27 2780. 2900. 2775. 2891. 4427462 GOOG
## 5 2021-09-03 228. 230. 221. 228. 119313808 NVDAhead(df_9,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 3212. 3352. 3210. 3350. 12001408 AMZN
## 2 2021-08-27 359. 374. 359. 373. 48969499 META
## 3 2021-08-27 476. 496. 476. 496. 6245198 AVGO
## 4 2021-08-27 110. 119. 109. 118. 55079882 TSM
## 5 2021-08-27 685. 717. 681. 712. 73041547 TSLAhead(df_14,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 56.2 62.6 56.2 59.0 45104349 TCEHY
## 2 2021-08-27 89.5 89.6 88.0 89.4 33736160 ORCL
## 3 2021-08-27 546. 564. 544. 559. 11625250 NFLX
## 4 2021-08-27 24.0 26.1 23.9 25.7 226059011 PLTR
## 5 2021-08-27 148. 149. 147. 149. 1506968 SAPhead(df_19,5)## # A tibble: 5 Ć 7
## ...1 Open High Low Close Volume Ticker
## <date> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 2021-08-27 795. 835. 795. 833. 2758381 ASML
## 2 2021-08-27 159. 174. 153. 159. 228075458 BABA
## 3 2021-08-27 105. 112. 105. 111. 278032644 AMD
## 4 2021-08-27 57.8 60.3 57.7 59.0 80477904 CSCO
## 5 2021-09-03 840. 863. 827. 858. 3097969 ASML2. Series de tiempo
Primero, haremos 4 series de tiempo que representen todos nuestros datos y una que las junte todas
2.1 Primeras 4 empresas (Estrat. 1)
ggplot(df_4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre a lo largo del tiempo",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
2.2 Empresas [5-9] (Estrat. 2)
ggplot(df_9, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre a lo largo del tiempo",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
2.3 Empresas [10-14] (Estrat. 3)
ggplot(df_14, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre a lo largo del tiempo",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
2.4 Empresas [15-20] (Estrat. 4)
ggplot(df_19, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre a lo largo del tiempo",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
2.5 Grafico unificado
ggplot(df, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre a lo largo del tiempo",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
3 CreaciĆ³n de Cuartiles
3.1 Divisiones de los cuartiles
Para analizar el rendimiento general de nuestras estratificaciones de empresas, decidimos dividir nuestras series de tiempo en 4 partes, y determinaremos el rendimiento de la empresa dependiendo del precio de cierre al inicio del cuartil y el final del cuartil
Eso seria:
paste0("Dividimos el numero de semanas de cada stock en 4")## [1] "Dividimos el numero de semanas de cada stock en 4"209 / 4## [1] 52.25paste0("Puesto que no es un numero divisible por 4, definimos el primer cuartil como 53 semanas y el resto como 52")## [1] "Puesto que no es un numero divisible por 4, definimos el primer cuartil como 53 semanas y el resto como 52"53+52+52+52## [1] 209paste0("Multiplicamos el numero de semanas deseado por el # de stocks para saber cada cuantos datos hacer la division")## [1] "Multiplicamos el numero de semanas deseado por el # de stocks para saber cada cuantos datos hacer la division"53*19## [1] 100752*19## [1] 988paste0("En total tenemos 3971 filas, entonces esta suma de multiplicaciones nos debe de dar 3971 y asi sabremos si lo hemos hecho bien")## [1] "En total tenemos 3971 filas, entonces esta suma de multiplicaciones nos debe de dar 3971 y asi sabremos si lo hemos hecho bien"53*19 + 52*19 + 52*19 + 52*19## [1] 3971paste0("De esta forma el primer cuartil estara definido como")## [1] "De esta forma el primer cuartil estara definido como"paste0("[", 1, "-", 53*19, "]")## [1] "[1-1007]"paste0("El segundo cuartil estara definido como")## [1] "El segundo cuartil estara definido como"paste0("[", 1 + 53*19, "-", 53*19 + 52*19, "]")## [1] "[1008-1995]"paste0("El tercer cuartil estara definido como")## [1] "El tercer cuartil estara definido como"paste0("[", 1 + 53*19 + 52*19, "-", 53*19 + 52*19 + 52*19, "]")## [1] "[1996-2983]"paste0("El cuarto cuartil estara definido como")## [1] "El cuarto cuartil estara definido como"paste0("[", 1 + 53*19 + 52*19 + 52*19, "-", 53*19 + 52*19 + 52*19 + 52*19, "]")## [1] "[2984-3971]"3.2 Creacion de los DF.
Ya teniendo los cuartiles, hacemos la divisiĆ³n del df, lo cual nos servira para hacer diversos analisis
c1_start <- 1
c1_end <- 1007
c2_start <- 1008
c2_end <- 1995
c3_start <- 1996
c3_end <- 2983
c4_start <- 2984
c4_end <- 3971
# Dividir df
df_c1 <- df[c1_start:c1_end, ]
df_c2 <- df[c2_start:c2_end, ]
df_c3 <- df[c3_start:c3_end, ]
df_c4 <- df[c4_start:c4_end, ]3.3 GraficaciĆ³n de los cuartiles
Revisemos los diferentes cuartiles graficamente
ggplot(df_c1, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Q1",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_c2, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Q2",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_c3, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Q3",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_c4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Q4",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
De esta forma, hemos dividido nuestros datos en 4 aƱos
3.4 Cuartiles de estratificaciones
Ahora usemos los DF estratificados por ranking y saquemosles cuartiles de la misma manera
# Cuartiles df_4
c1_start <- 1; c1_end <- 212
c2_start <- c1_end + 1; c2_end <- c2_start + 260 - 1
c3_start <- c2_end + 1; c3_end <- c3_start + 260 - 1
c4_start <- c3_end + 1; c4_end <- c4_start + 260 - 1
df_4_c1 <- df_4[c1_start:c1_end, ]
df_4_c2 <- df_4[c2_start:c2_end, ]
df_4_c3 <- df_4[c3_start:c3_end, ]
df_4_c4 <- df_4[c4_start:c4_end, ]# Cuartiles df_9
c1_start <- 1; c1_end <- 265
c2_start <- c1_end + 1; c2_end <- c2_start + 260 - 1
c3_start <- c2_end + 1; c3_end <- c3_start + 260 - 1
c4_start <- c3_end + 1; c4_end <- c4_start + 260 - 1
df_9_c1 <- df_9[c1_start:c1_end, ]
df_9_c2 <- df_9[c2_start:c2_end, ]
df_9_c3 <- df_9[c3_start:c3_end, ]
df_9_c4 <- df_9[c4_start:c4_end, ]
# Lo mismo para df_14 y df_19
df_14_c1 <- df_14[c1_start:c1_end, ]
df_14_c2 <- df_14[c2_start:c2_end, ]
df_14_c3 <- df_14[c3_start:c3_end, ]
df_14_c4 <- df_14[c4_start:c4_end, ]
df_19_c1 <- df_19[c1_start:c1_end, ]
df_19_c2 <- df_19[c2_start:c2_end, ]
df_19_c3 <- df_19[c3_start:c3_end, ]
df_19_c4 <- df_19[c4_start:c4_end, ]Y nos aseguramos que la columna ā1ā¦ā este en formato date
# Lista de data frames y nombres de estratificacion
dfs <- list(
"Estratificacion 1" = list(df_4_c1, df_4_c2, df_4_c3, df_4_c4),
"Estratificacion 2" = list(df_9_c1, df_9_c2, df_9_c3, df_9_c4),
"Estratificacion 3" = list(df_14_c1, df_14_c2, df_14_c3, df_14_c4),
"Estratificacion 4" = list(df_19_c1, df_19_c2, df_19_c3, df_19_c4)
)
# Recorrer todos los df y convertir columna de fecha a Date
for(estrat in names(dfs)){
for(i in 1:4){
df_actual <- dfs[[estrat]][[i]]
# Convertir columna ...1 a Date
df_actual$Fecha <- as.Date(df_actual$...1)
# Guardar de nuevo
dfs[[estrat]][[i]] <- df_actual
}
}3.5 Cuartiles (Estrat. 1)
Ahora veremos el rendimiento de los cuartiles de la estratificaciĆ³n 1
# Estratificacion 1 - df_4
ggplot(df_4_c1, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 1 Q1",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_4_c2, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 1 Q2",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_4_c3, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 1 Q3",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_4_c4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 1 Q4",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)## Warning: Removed 156 rows containing missing values or values outside the scale range
## (`geom_line()`).
3.6 Cuartiles (Estrat. 2)
Ahora veremos el rendimiento de los cuartiles de la estratificaciĆ³n 2
# Estratificacion 2 - df_9
ggplot(df_9_c1, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 2 Q1",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_9_c2, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 2 Q2",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_9_c3, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 2 Q3",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_9_c4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 2 Q4",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
3.7 Cuartiles (Estrat. 3)
Ahora veremos el rendimiento de los cuartiles de la estratificaciĆ³n 3
# Estratificacion 3 - df_14
ggplot(df_14_c1, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 3 Q1",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_14_c2, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 3 Q2",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_14_c3, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 3 Q3",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_14_c4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 3 Q4",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
3.8 Cuartiles (Estrat. 4)
Ahora veremos el rendimiento de los cuartiles de la estratificaciĆ³n 4
# Estratificacion 4 - df_19
ggplot(df_19_c1, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 4 Q1",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_19_c2, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 4 Q2",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_19_c3, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 4 Q3",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)
ggplot(df_19_c4, aes(x = ...1, y = Close, color = Ticker)) +
geom_line() +
labs(
title = "Precio de cierre Estratificacion 4 Q4",
x = "Fecha",
y = "Precio de cierre",
color = "Empresa"
)## Warning: Removed 209 rows containing missing values or values outside the scale range
## (`geom_line()`).
Conclusiones
Casi todas lasempresas comparten ritmos crecimiento y decrecimiento
Sin embargo GOOGL y AMAZON se comportan muy parecido, creciendo y decreciendo bruscamente casi juntas
igualmente, TSLA y META van de la mano.
4 Rendimiento por cuartil a nivel empresa
4.1 DefiniciĆ³n de Rendimiento
Ahora queremos revisar el % de rendimiento de cada empresa, dado por la siguiente formula, Donde P sera dado por la variable Close \[ R = \frac{P_{\text{Ćŗltima semana}} - P_{\text{primera semana}}}{P_{\text{primera semana}}} \times 100 \] Y ademas de eso veremos al final cuantas empresas crecieron o decrecieron por cuartil y en la totalidad de los datos
Con esto tendremos 2 variables nuevas con las que podemos trabajar
- rendimiento: Numerica continua
- estado: Categorica nominal
4.2 CreaciĆ³n del codigo
Definimos las fechas de innicio de los cuartiles, y desde el dato 1 del cuartil hasta el 19 seran las empresas, al final del cuartil seran el dato n-19 hasta el n
calcular_rendimiento <- function(df_cuartil) {
df_cuartil %>%
group_by(Ticker) %>%
summarise(
primer_precio = first(Close),
ultimo_precio = last(Close),
rendimiento = (ultimo_precio - primer_precio)/primer_precio * 100,
estado = ifelse(rendimiento > 0, "Crecio", "Decrecio")
)
}
df_c1 <- df[c1_start:c1_end, ]
df_c2 <- df[c2_start:c2_end, ]
df_c3 <- df[c3_start:c3_end, ]
df_c4 <- df[c4_start:c4_end, ]
rendimiento_c1 <- calcular_rendimiento(df_c1)
rendimiento_c2 <- calcular_rendimiento(df_c2)
rendimiento_c3 <- calcular_rendimiento(df_c3)
rendimiento_c4 <- calcular_rendimiento(df_c4)
rendimiento_c1## # A tibble: 19 Ć 5
## Ticker primer_precio ultimo_precio rendimiento estado
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 AAPL 149. 157. 5.52 Crecio
## 2 AMD 111. 155. 39.0 Crecio
## 3 AMZN 3350. 3505. 4.63 Crecio
## 4 ASML 833. 782. -6.11 Decrecio
## 5 AVGO 496. 547. 10.2 Crecio
## 6 BABA 159. 133. -16.4 Decrecio
## 7 CRM 267. 301. 13.0 Crecio
## 8 CSCO 59.0 54.7 -7.37 Decrecio
## 9 GOOG 2891. 2856. -1.21 Decrecio
## 10 META 373. 333. -10.6 Decrecio
## 11 MSFT 300. 330. 10.00 Crecio
## 12 NFLX 559. 666. 19.1 Crecio
## 13 NVDA 226. 315. 39.2 Crecio
## 14 ORCL 89.4 92.3 3.34 Crecio
## 15 PLTR 25.7 21.0 -18.2 Decrecio
## 16 SAP 149. 131. -12.1 Decrecio
## 17 TCEHY 59.0 59.3 0.594 Crecio
## 18 TSLA 712. 1082. 52.0 Crecio
## 19 TSM 118. 117. -1.18 Decreciorendimiento_c2## # A tibble: 19 Ć 5
## Ticker primer_precio ultimo_precio rendimiento estado
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 AAPL 162. 163. 0.822 Crecio
## 2 AMD 144. 121. -15.9 Decrecio
## 3 AMZN 3390. 2913. -14.1 Decrecio
## 4 ASML 772. 667. -13.5 Decrecio
## 5 AVGO 558. 596. 6.79 Crecio
## 6 BABA 112. 108. -3.59 Decrecio
## 7 CRM 284. 208. -26.8 Decrecio
## 8 CSCO 56.2 56.0 -0.338 Decrecio
## 9 GOOG 2850. 2642. -7.30 Decrecio
## 10 META 307. 200. -34.8 Decrecio
## 11 MSFT 323. 290. -10.3 Decrecio
## 12 NFLX 602. 362. -39.9 Decrecio
## 13 NVDA 307. 229. -25.3 Decrecio
## 14 ORCL 88.2 76.5 -13.3 Decrecio
## 15 PLTR 19.0 11.5 -39.6 Decrecio
## 16 SAP 129. 115. -10.8 Decrecio
## 17 TCEHY 56.8 50.4 -11.2 Decrecio
## 18 TSLA 1015. 838. -17.4 Decrecio
## 19 TSM 119. 105. -12.0 Decreciorendimiento_c3## # A tibble: 19 Ć 5
## Ticker primer_precio ultimo_precio rendimiento estado
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 AAPL 155. 137. -11.4 Decrecio
## 2 AMD 108. 106. -1.95 Decrecio
## 3 AMZN 2910. 110. -96.2 Decrecio
## 4 ASML 594. 564. -5.16 Decrecio
## 5 AVGO 578. 563. -2.51 Decrecio
## 6 BABA 101. 93.2 -7.35 Decrecio
## 7 CRM 203. 185. -8.92 Decrecio
## 8 CSCO 56.5 45.2 -19.9 Decrecio
## 9 GOOG 2610. 2229. -14.6 Decrecio
## 10 META 188. 176. -6.42 Decrecio
## 11 MSFT 280. 253. -9.67 Decrecio
## 12 NFLX 340. 199. -41.5 Decrecio
## 13 NVDA 221 170. -23.2 Decrecio
## 14 ORCL 77.8 71.8 -7.75 Decrecio
## 15 PLTR 11.0 8.94 -18.4 Decrecio
## 16 SAP 106. 100. -5.34 Decrecio
## 17 TCEHY 44.8 46.0 2.75 Crecio
## 18 TSLA 795. 704. -11.5 Decrecio
## 19 TSM 101. 93.8 -7.53 Decreciorendimiento_c4## # A tibble: 19 Ć 5
## Ticker primer_precio ultimo_precio rendimiento estado
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 AAPL 132. 157. 19.6 Crecio
## 2 AMD 94.8 85.4 -9.88 Decrecio
## 3 AMZN 106. 133. 25.5 Crecio
## 4 ASML 522. 501 -3.94 Decrecio
## 5 AVGO 541. 522. -3.49 Decrecio
## 6 BABA 110. 92.1 -16.1 Decrecio
## 7 CRM 178. 163. -8.89 Decrecio
## 8 CSCO 43.5 45.8 5.24 Crecio
## 9 GOOG 2157. 112. -94.8 Decrecio
## 10 META 164. 169. 3.30 Crecio
## 11 MSFT 248. 264. 6.79 Crecio
## 12 NFLX 183. 234. 27.7 Crecio
## 13 NVDA 159. 144. -9.40 Decrecio
## 14 ORCL 67.1 75.9 13.1 Crecio
## 15 PLTR 8.26 7.79 -5.69 Decrecio
## 16 SAP 94.2 87.1 -7.54 Decrecio
## 17 TCEHY 49.4 38.8 -21.5 Decrecio
## 18 TSLA 697. 300. -57.0 Decrecio
## 19 TSM 88.7 81.5 -8.06 Decrecio4.3 Graficos de barras agrupados Crecimiento vs Decrecimiento
# Combinar rendimientos de los 4 cuartiles
rendimientos <- rbind(
mutate(rendimiento_c1, Cuartil="Q1"),
mutate(rendimiento_c2, Cuartil="Q2"),
mutate(rendimiento_c3, Cuartil="Q3"),
mutate(rendimiento_c4, Cuartil="Q4")
)
# Contar empresas por estado y cuartil
conteo <- rendimientos %>%
group_by(Cuartil, estado) %>%
summarise(n = n(), .groups="drop")
# Graffito de barras agrupadas
ggplot(conteo, aes(x=Cuartil, y=n, fill=estado)) +
geom_bar(stat="identity", position="dodge") +
labs(title="Crecimiento vs Decrecimiento por Cuartil",
x="Cuartil", y="Numero de empresas") +
scale_fill_manual(values=c("Crecio"="steelblue", "Decrecio"="tomato"))
Conclusiones
Podemos observar que en el Q1 casi todas las empresas decrecieron, y los siguientes cuartiles fueron creciendo
4.4 Diagrama de cajas de rendimiento por cuartil
ggplot(rendimientos, aes(x=Cuartil, y=rendimiento, fill=Cuartil)) +
geom_boxplot(outlier.shape=21, outlier.color="red", outlier.size=2, notch=FALSE) +
stat_summary(fun=mean, geom="point", shape=23, size=3, fill="yellow") + # muestra media
scale_y_continuous(labels=scales::number_format(accuracy=0.1)) + # decimales
labs(title="Comparacion de Rendimientos por Cuartil", y="Rendimiento (%)") +
scale_fill_brewer(palette="Set2") +
theme(legend.position="none")
- Punto Amarillo es la media
- La linea es la mediana
- Puntos rojos son Outliers
Conclusiones
Los cuartiles 2 y 4 tuvieron los mejores rendimientos, con el cuartil 4 mostrando el valor atĆpico mĆ”s alto de todo el conjunto de datos. El cuartil 1 tuvo los peores rendimientos, siendo el Ćŗnico con valores mayoritariamente negativos.
5 Analisis de precios de cierre (Tabla de Frec. Agr.)
5.1 ExplicaciĆ³n y generacion de la tabla de frecuencias agrupadas
Haremos un pequeƱo analisis de los precios de cierre de todas las empresas, pero debido a la gran variedad que hay, los agruparemos y trabajaremos con la base de datos entera por simplicidad
FORMULAS A USAR
- Formula para agrupar variables en intervalos
\[ a = \frac{X_{\text{max}} - X_{\text{min}}}{c} \]
- Formula de Sturges para el numero de clases c
\[ c = 1 + 3.3 \log_{10}(n) \]
Codigo
ā Cargar datos ā
csco <- df[, c(1,5)] # columna 1 = fecha, columna 5 = cierreā FunciĆ³n para tabla de frecuencias ā
tabla_frecuencias <- function(csco, c=NULL){
n <- length(csco)
if(is.null(c)){
c <- 1 + 3.3 * log10(n) # FĆ³rmula de Sturges
}
min_val <- min(csco, na.rm = TRUE)
max_val <- max(csco, na.rm = TRUE)
r <- max_val - min_val
a <- r / c
li <- seq(min_val, max_val - a, by = a)
ls <- li + a
mc <- (li + ls)/2
cortes <- cut(csco, breaks = c(li, max_val + 1e-8), include.lowest = TRUE, right = FALSE)
fi <- as.numeric(table(cortes))
Fi <- cumsum(fi)
fri <- fi / n
Fri <- cumsum(fri)
data.frame(
clase = paste0("[", round(li,2), ",", round(ls,2), "]"),
li = round(li,2),
ls = round(ls,2),
mc = round(mc,2),
fi = fi,
Fi = Fi,
fri = round(fri,2),
Fri = round(Fri,2)
)
}ā Generar tabla de frecuencias ā
tabla_precios_csco <- tabla_frecuencias(csco$Close)
cat("\nTabla de frecuencia de precios:\n")##
## Tabla de frecuencia de precios:print(tabla_precios_csco)## clase li ls mc fi Fi fri Fri
## 1 [6.29,291.33] 6.29 291.33 148.81 2862 2862 0.72 0.72
## 2 [291.33,576.37] 291.33 576.37 433.85 536 3398 0.13 0.86
## 3 [576.37,861.41] 576.37 861.41 718.89 333 3731 0.08 0.94
## 4 [861.41,1146.45] 861.41 1146.45 1003.93 108 3839 0.03 0.97
## 5 [1146.45,1431.49] 1146.45 1431.49 1288.97 39 3878 0.01 0.98
## 6 [1431.49,1716.53] 1431.49 1716.53 1574.01 4 3882 0.00 0.98
## 7 [1716.53,2001.57] 1716.53 2001.57 1859.05 1 3883 0.00 0.98
## 8 [2001.57,2286.61] 2001.57 2286.61 2144.09 8 3891 0.00 0.98
## 9 [2286.61,2571.65] 2286.61 2571.65 2429.13 12 3903 0.00 0.98
## 10 [2571.65,2856.69] 2571.65 2856.69 2714.17 24 3927 0.01 0.99
## 11 [2856.69,3141.73] 2856.69 3141.73 2999.21 19 3946 0.00 0.99
## 12 [3141.73,3426.77] 3141.73 3426.77 3284.25 25 3971 0.01 1.00Con esto hemos hecho la tabla de frecuencias agrupadas, donde podemos ver 10 agrupaciones con sus respectivas marcas de clase
5.2 Diagrama de Pareto
p <- ggplot(tabla_precios_csco, aes(x = factor(mc))) +
geom_col(aes(y = fri, fill = "Frecuencia Relativa"), width = 0.9, alpha = 0.8) +
geom_line(aes(y = Fri, group = 1, color = "Frecuencia Acumulada"), linewidth = 1.5) +
geom_point(aes(y = Fri, color = "Frecuencia Acumulada"), size = 3.5) +
geom_text(aes(y = fri, label = percent(fri, accuracy = 0.1)), vjust = -0.8, size = 4, fontface = "bold") +
scale_y_continuous(
name = "Frecuencia (%)",
labels = percent_format(accuracy = 1),
limits = c(0,1.1),
sec.axis = sec_axis(~., name = "Frecuencia Acumulada (%)")
) +
scale_x_discrete(
name = "Rango de precios (USD)",
labels = tabla_precios_csco$clase
) +
scale_fill_manual(name = "", values = c("Frecuencia Relativa" = "#E41A1C")) +
scale_color_manual(name = "", values = c("Frecuencia Acumulada" = "#377EB8")) +
labs(title = "Distribucion del Precio de CSCO",
subtitle = paste("Total de semanas:", nrow(csco))) +
theme_minimal(base_size = 14) +
theme(
axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1.1),
legend.position = "top",
plot.title = element_text(face = "bold", size = 16, hjust = 0.5),
plot.subtitle = element_text(size = 12, hjust = 0.5),
panel.grid.minor = element_blank()
)
print(p)
Conclusiones
La gran mayoria de los precios de close estan por debajo de los 600 dolares
Podemos identificar que los precios por encima de 1146 son outliers en este caso, Es buena idea hacer una tabla de frecuencias acumulada para ver como se distribuyen con mas precisiĆ³n
5.3 Tabla de frecuencias acumuladas
ggplot(tabla_precios_csco, aes(x = mc, y = fi)) +
geom_col(fill = "#E41A1C", color = "black", alpha = 0.8, width = 300
) +
labs(
title = "Histograma aproximado de precios de cierre",
x = "Marca de clase (mc)",
y = "Frecuencia"
) +
theme_minimal()## Warning: `position_stack()` requires non-overlapping x intervals.
Conclusiones
Podemos ver una distribuciĆ³n muy sesgada positivamente
Medidas de tendencia central (Aproximadas)
TODAS LAS MEDIDAS SON MUESTRALES POR QUE SE CALCULAN A PARTIR DE LA MUESTRA AGRUPADA
- Media aprox. con marcas de clase \[ \bar{x} \approx \frac{\sum_{i=1}^{k} mc_i \cdot f_i}{n} \]
n <- sum(tabla_precios_csco$fi)
media <- sum(tabla_precios_csco$mc * tabla_precios_csco$fi) / n
media## [1] 331.204- Mediana usando frecuencia acumulada \[ \text{Mediana} \approx L_m + \frac{\frac{n}{2} - F_a}{f_m} \cdot a \]
mediana_clase <- tabla_precios_csco$clase[which(cumsum(tabla_precios_csco$fi) >= n/2)[1]]
mediana_clase## [1] "[6.29,291.33]"La mediana cae en la m.c. 1
- Desviacion estandar y varianza \[ s^2 \approx \frac{\sum_{i=1}^{k} f_i \cdot (mc_i - \bar{x})^2}{n-1}, \quad s = \sqrt{s^2} \]
varianza <- sum(tabla_precios_csco$fi * (tabla_precios_csco$mc - media)^2) / (n - 1)
desviacion <- sqrt(varianza)
varianza## [1] 204716.7desviacion## [1] 452.4563- Rango promedio \[ \text{Rango} = X_{\max} - X_{\min} \]
rango <- max(tabla_precios_csco$ls) - min(tabla_precios_csco$li)
rango## [1] 3420.48