Taller Final Informática para
Economistas
Arthur Sebástian Rodríguez
29 de Mayo 2022
Librerías:
library(tidyverse)
library(prophet)
library(dygraphs)
library(tidyquant)
library(xts)
library(forecast)Base de datos para analizar la serie de tiempo:
datosarthur <- oanda.currencies
datosarthur## oanda.df.1.length.oanda.df...2....1.
## USD US Dollar
## AFN Afghanistan Afghani
## ALL Albanian Lek
## DZD Algerian Dinar
## ADF Andorran Franc
## ADP Andorran Peseta
## AOA Angolan Kwanza
## AON Angolan New Kwanza
## ARS Argentine Peso
## AMD Armenian Dram
## AWG Aruban Florin
## AUD Australian Dollar
## ATS Austrian Schilling
## AZM Azerbaijan Manat
## AZN Azerbaijan New Manat
## BSD Bahamian Dollar
## BHD Bahraini Dinar
## BDT Bangladeshi Taka
## BBD Barbados Dollar
## BYR Belarusian Ruble
## BEF Belgian Franc
## BZD Belize Dollar
## BMD Bermudian Dollar
## BTN Bhutan Ngultrum
## BOB Bolivian Boliviano
## BAM Bosnian Mark
## BWP Botswana Pula
## BRL Brazilian Real
## GBP British Pound
## BND Brunei Dollar
## BGN Bulgarian Lev
## BIF Burundi Franc
## XOF CFA Franc BCEAO
## XAF CFA Franc BEAC
## XPF CFP Franc
## KHR Cambodian Riel
## CAD Canadian Dollar
## CVE Cape Verde Escudo
## KYD Cayman Islands Dollar
## CLP Chilean Peso
## CNY Chinese Yuan Renminbi
## COP Colombian Peso
## KMF Comoros Franc
## CDF Congolese Franc
## CRC Costa Rican Colon
## HRK Croatian Kuna
## CUC Cuban Convertible Peso
## CUP Cuban Peso
## CYP Cyprus Pound
## CZK Czech Koruna
## DKK Danish Krone
## DJF Djibouti Franc
## DOP Dominican R. Peso
## NLG Dutch Guilder
## XEU ECU
## XCD East Caribbean Dollar
## ECS Ecuador Sucre
## EGP Egyptian Pound
## SVC El Salvador Colon
## EEK Estonian Kroon
## ETB Ethiopian Birr
## EUR Euro
## FKP Falkland Islands Pound
## FJD Fiji Dollar
## FIM Finnish Markka
## FRF French Franc
## GMD Gambian Dalasi
## GEL Georgian Lari
## DEM German Mark
## GHC Ghanaian Cedi
## GHS Ghanaian New Cedi
## GIP Gibraltar Pound
## XAU Gold (oz.)
## GRD Greek Drachma
## GTQ Guatemalan Quetzal
## GNF Guinea Franc
## GYD Guyanese Dollar
## HTG Haitian Gourde
## HNL Honduran Lempira
## HKD Hong Kong Dollar
## HUF Hungarian Forint
## ISK Iceland Krona
## INR Indian Rupee
## IDR Indonesian Rupiah
## IRR Iranian Rial
## IQD Iraqi Dinar
## IEP Irish Punt
## ILS Israeli New Shekel
## ITL Italian Lira
## JMD Jamaican Dollar
## JPY Japanese Yen
## JOD Jordanian Dinar
## KZT Kazakhstan Tenge
## KES Kenyan Shilling
## KWD Kuwaiti Dinar
## KGS Kyrgyzstanian Som
## LAK Lao Kip
## LVL Latvian Lats
## LBP Lebanese Pound
## LSL Lesotho Loti
## LRD Liberian Dollar
## LYD Libyan Dinar
## LTL Lithuanian Litas
## LUF Luxembourg Franc
## MOP Macau Pataca
## MKD Macedonian Denar
## MGA Malagasy Ariary
## MGF Malagasy Franc
## MWK Malawi Kwacha
## MYR Malaysian Ringgit
## MVR Maldive Rufiyaa
## MTL Maltese Lira
## MRO Mauritanian Ouguiya
## MUR Mauritius Rupee
## MXN Mexican Peso
## MDL Moldovan Leu
## MNT Mongolian Tugrik
## MAD Moroccan Dirham
## MZM Mozambique Metical
## MZN Mozambique New Metical
## MMK Myanmar Kyat
## ANG NL Antillian Guilder
## NAD Namibia Dollar
## NPR Nepalese Rupee
## NZD New Zealand Dollar
## NIO Nicaraguan Cordoba Oro
## NGN Nigerian Naira
## KPW North Korean Won
## NOK Norwegian Kroner
## OMR Omani Rial
## PKR Pakistan Rupee
## XPD Palladium (oz.)
## PAB Panamanian Balboa
## PGK Papua New Guinea Kina
## PYG Paraguay Guarani
## PEN Peruvian Nuevo Sol
## PHP Philippine Peso
## XPT Platinum (oz.)
## PLN Polish Zloty
## PTE Portuguese Escudo
## QAR Qatari Rial
## ROL Romanian Lei
## RON Romanian New Lei
## RUB Russian Rouble
## RWF Rwandan Franc
## WST Samoan Tala
## STD Sao Tome/Principe Dobra
## SAR Saudi Riyal
## RSD Serbian Dinar
## SCR Seychelles Rupee
## SLL Sierra Leone Leone
## XAG Silver (oz.)
## SGD Singapore Dollar
## SKK Slovak Koruna
## SIT Slovenian Tolar
## SBD Solomon Islands Dollar
## SOS Somali Shilling
## ZAR South African Rand
## KRW South-Korean Won
## ESP Spanish Peseta
## LKR Sri Lanka Rupee
## SHP St. Helena Pound
## SDD Sudanese Dinar
## SDP Sudanese Old Pound
## SDG Sudanese Pound
## SRD Suriname Dollar
## SRG Suriname Guilder
## SZL Swaziland Lilangeni
## SEK Swedish Krona
## CHF Swiss Franc
## SYP Syrian Pound
## TWD Taiwan Dollar
## TZS Tanzanian Shilling
## THB Thai Baht
## TOP Tonga Pa'anga
## TTD Trinidad/Tobago Dollar
## TND Tunisian Dinar
## TRL Turkish Lira
## TRY Turkish New Lira
## TMM Turkmenistan Manat
## UGX Uganda Shilling
## UAH Ukraine Hryvnia
## UYU Uruguayan Peso
## AED Utd. Arab Emir. Dirham
## VUV Vanuatu Vatu
## VEB Venezuelan Bolivar
## VND Vietnamese Dong
## YER Yemeni Rial
## YUN Yugoslav Dinar
## ZMK Zambian Kwacha
## ZWD Zimbabwe DollarSe escogió una serie utilizando la data financiera de Yahoo Finance, implementando la función “getSymbols”:
getSymbols("MSFT",
from = "2019-01-01",
to = "2022-01-01",
src = "yahoo")## [1] "MSFT"chartSeries(MSFT,
theme = chartTheme("black"),
bar.type = "hlc",
up.col = "green",
dn.col = "red")
plot(MSFT [,6])
Como se logra observar, la empresa Microsoft ha tenido un volúmen de ventas mayor a comienzos del 2020, posiblemente por la pandemia, sin embargo, la tendencia en estos últimos años ha sido alcista, recuperándose de la pandemia y apreciandose aún más.
Ahora, se considera una predicción de 50 períodos y un límite de confianza elevado del 80:
Elmejormodelo <- auto.arima(MSFT[,6])
Elmejormodelo## Series: MSFT[, 6]
## ARIMA(1,1,0) with drift
##
## Coefficients:
## ar1 drift
## -0.2247 0.3159
## s.e. 0.0355 0.1020
##
## sigma^2 = 11.82: log likelihood = -2005.26
## AIC=4016.52 AICc=4016.56 BIC=4030.41predicciones = forecast(Elmejormodelo, 50, level=80)
plot(predicciones)
Considerando la predicción a 50 períodos, podemos ver que es una buena oportunidad de compra, además, hay pocas posibilidades que nuestra inversión se pierda.