Automotive Stocks Market Analysis

Exploratory Data Analysis & Data Cleansing

stock <- stock %>% 
  mutate(symbol = as.factor(symbol))

class(stock$symbol)

## [1] "factor"

colSums(is.na(stock)) 

##   symbol     date     open     high      low    close   volume adjusted 
##        0        0        3        3        3        3        3        3

library(dplyr)
stock <- stock%>%
na.omit()       
dim(stock)

## [1] 675   8

stockplot <- read.csv("stockplot.csv") 
stockplot

stockplot <- stockplot %>% 
  mutate(date = as.Date(date))

head(stockplot)

tail(stockplot)

Volume Dtistribution

• Dari linplot dan ridgesplot di bawah dapat terlihat bahwa distribusi volume atau transaksi yang terjadi perbulannya terbesar dan tersebar pada saham TSLA dan terendah pada saham BMW.DE.

stockline <- stockplot %>% 
  select(symbol,date,volume) %>% 
filter(date >= "2020-01-03" & date < "2020-09-03") %>% 
hchart(., type = "line", 
       hcaes(x = date, 
             y = volume, 
             group = symbol)) %>% 
  hc_yAxis(opposite = FALSE,
           labels = list(format = "{value}")) %>% 
  hc_tooltip(pointFormat = '{point.x: %Y-%m-%d}
                            

                            {point.y:.4f}% ')
stockline

options(scipen = 999)

# Plot
library(scales)
stockridges <- stockplot %>% 
  filter(symbol %in% c("AML.L", "BMW.DE", "DAI.DE", "TSLA")) %>% 
  mutate(month = month(date, label = T),
         year = as.factor(year(date)),
         year_col = ifelse(year==2020,"A","B"))  %>% 
  ggplot(aes(x = volume, y = month, fill = ..x..)) +
  geom_density_ridges_gradient(scale = 3, rel_min_height = 0.01, alpha = 0) + scale_x_continuous(labels = number_format(big.mark = ",")) +
  scale_fill_viridis_c(name = "Temp. [F]", option = "B") +
  labs(title = 'volume distributions for all stocks in 2020') +
  facet_wrap(~symbol, scales = "free_x")+
  theme_pander() +
    theme(
      legend.position="none",
      panel.spacing = unit(0.1, "lines"),
      strip.text.x = element_text(size = 8)
    )
stockridges

## Picking joint bandwidth of 4470000

## Picking joint bandwidth of 300000

## Picking joint bandwidth of 806000

## Picking joint bandwidth of 13700000

Dari boxplot dibawah dapat disimpulkan bahwa : - median: secara overall, saham dengan Volume tertinggi adalah TSLA. - lebar kotak (IQR atau selisih 75% dengan 25%): saham dengan Volume yang paling tersebar adalah TSLA, sedangkan yang paling tidak tersebar adalah BMW.DE. - outlier: paling banyak nilai Volume yang ekstrim pada saham TSLA artinya ada beberapa orang yang melakukan transaksi saham dengan nilai sangat tinggi.

stockbox <- stockplot %>% 
  ggplot(aes(x = symbol, y = volume)) +
  geom_boxplot(aes(fill = symbol)) +
  labs(title = "volume distributions ")
ggplotly(stockbox)

relativerisk_stock <- stock %>% 
  group_by(symbol) %>% 
  summarise(relativerisk_stock = sd(close)/mean(close))

## `summarise()` ungrouping output (override with `.groups` argument)

relativerisk_stock

Relative Risk

• Dari barplot di bawah dapat terlihat bahwa relative risk dari nilai close atau yang tertinggi terdapat pada persuahaan Tesla (TSLA) artinya nilai saham secara relatif (satuannya) lebih fluktuatif dibandingkan ketiga lainnya, sehingga lebih high risk dan dapat mendatangkan high return.

relativerisk_plot <- relativerisk_stock %>% 
    ggplot(aes(x = relativerisk_stock, y = reorder(symbol,relativerisk_stock))) +
    geom_col(aes(fill = symbol),show.legend = F) +
    labs(title = "Relative Risk")
  
  ggplotly(relativerisk_plot)