Usando For e If/Else nos Dados

Dados

Os dados que usei estão disponíveis nos Balancetes e Balanços Patrimoniais Financeiros do BaCen -> https://www4.bcb.gov.br/fis/cosif/balancetes.asp?frame=1

Ele vem meio bagunçado, mas no Excel, você pode usar a tabela dinâmica que fica uma belezura. Então vamos importar nossa planilha. O nosso objetivo aqui é: encontrar se o tamanho do banco influencia nos investimentos. Segundo a literatura, os bancos menores investem mais comparado ao seu capital, isso porque, o negócio que ainda não se mantiveram domínio no mercado, investem para inovar na concorrência, enquanto os bancões não precisam disso, pelo motivo de já ter estabelecido no mercado. Além disso, os custos de investimento tendem a cair quando o negócio dá certo, uma boa dica é olhar o custo marginal dos Investimentos em TI de cada banco.(Hernando&Nieto, 2007).

library(readxl)
bancos <- read_excel("C:/Users/User/Documents/Rpubs/202106BANCOS.xlsx")
bancos

Escolhendo as Variáveis

Após baixar o arquivo, vai perceber que há muitas variáveis, isso ocorre muito quando importamos diretamente os bancos de dados das intituições, mas, podemos escolher apenas as variáveis desejáveis.

Você pode excluir as colunas.

bancos$`Total Geral` = NULL
bancos$`Acoes E Cotas` = NULL
bancos$`(-) RATEIO DE RESULTADOS INTERNOS` = NULL
bancos$`(-) Provisoes Para Outros Creditos`   = NULL
bancos$`(-) Provisoes Para Operacoes De Credito` = NULL

Ou escolher o que deseja, e criar um data frame, e até mudar o nome. Aproveitei, e fiz já uma operação entre os vetores, como quero saber quem investe mais conforme seu capital, então fiz a razão entre Investimento e Ativo.

Além disso, podemos retirar os valores ausentes(NA) dos nossos dados. Expliquei com mais detalhes em outro post sobre os tipos de dados.

b <- bancos[,"Rótulos de Linha" ]
I<- bancos[,"INVESTIMENTOS" ]
A<-bancos [, "TOTAL GERAL DO ATIVO"]
IA <- (I/A)

data <- data.frame(b, I,A = A$`TOTAL GERAL DO ATIVO`,IA = IA$INVESTIMENTOS)

data <- data [!is.na(data$IA),]

For loops / If-else

Repetição usando “for”, a ideia básica é ter um índice para iterações, geralmente, chamados de “i”, e, se existirem vários loops, pode-se usar também j, k, l e assim por diante. O indexador do ciclo de repetição, ou “loop”, irá cobrir uma sequência de números. Estes são normalmente número do tipo inteiro.

Esses três loops “for” apresentados são exatamente iguais. Já o último exemplo, o quarto, é igual ao primeiro, salvo que não incluí as chavetas, pois, continha apenas uma expressão.

for(i in 1:10) {print(i)}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
## [1] 6
## [1] 7
## [1] 8
## [1] 9
## [1] 10

x <- c("a", "b", "c", "d")
for(i in 1:4){print(x[i])}

## [1] "a"
## [1] "b"
## [1] "c"
## [1] "d"

for(i in seq_along(x)){print(x[i])}

## [1] "a"
## [1] "b"
## [1] "c"
## [1] "d"

for(letter in x){print(letter)}

## [1] "a"
## [1] "b"
## [1] "c"
## [1] "d"

for(i in 1:4)print(x[i])

## [1] "a"
## [1] "b"
## [1] "c"
## [1] "d"

Há também o While Loops, mas não usaremos nesse post. Basicamente, “while” avalia uma expressão lógica e o loop é executado, baseado no valor dessa expressão lógica.

count <- 0
while(count < 10){
  print(count)
  count <- count +1
}

## [1] 0
## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
## [1] 6
## [1] 7
## [1] 8
## [1] 9

O “if”, combinado com “else”, permite que condições lógicas sejam testadas Isso depende da condição ser verdadeira ou falsa. Portanto, se a condição for verdadeira você fará uma coisa, senão, outra.

a=10
if(a>2)
{
  print("ok")
}else
  {
    print("no")
  }

## [1] "ok"

Mas o que vai fazer com isso? O if/else vou utilizar para saber se o banco é grande(1), médio(2) ou pequeno(3) porte, ou seja, categorizar os valores. E usando o loop para repetir esse feito dentro do nosso dado.

for (i in 1:nrow(data)){
  if (data$A[i]>=1.039875e+13){
    data$Class[i]<-"1"
  }else if (data$A[i]>=1.050184e+11 & data$A[i]<1.039875e+13){
    data$Class[i]<-"2"
  } else {
    data$Class[i]<-"3"
  }
}

Resultados

Vamos primeiro visualizar os dados pra vê como que ficou?

data

Perfeito, agora vamos fazer a média de cada um dos grupos. E observamos que realmente, a tendência é quanto menor o banco, necessita mais investimento comparado ao seu capital.

mean(data$IA [data$Class==1])

## [1] 0.0081374

mean(data$IA [data$Class==2])

## [1] 0.01409001

mean(data$IA [data$Class==3])

## [1] 0.03346182

Se você gostou, e quer dar alguma sugestão me segue lá no Twitter: @MacenaYukio pra trocar umas ideias.