UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA DE ECONOMÍA
CICLO II-2022
Laboratorio 1: Acceso a bases de datos de Información económica y financiera a través de un API
MÉTODOS PARA EL ANÁLISIS ECONÓMICO
Docente:
Carlos Ademir Pérez Alas
Integrantes:
Blanco Ochoa, José Alejandro BO20007
Bonilla Melara, Jeffry Isaac BM20033
Iraheta Mendoza, Ana Sofía IM19002
Mejía Platero, Roberto Moisés MP19056
Palacios Zuniga, Luis Alexander PZ18008
Grupo Teórico
03
Grupo de Trabajo
San Salvador, Ciudad Universitaria, 19 de Octubre del 2022
1. ¿Explique que es un API?
Lo primero que se debe de conocer es que una API (siglas en inglés de Interfaz de programación de Aplicaciones) es una interfaz o zona de contacto de un conjunto de bibliotecas o paquetes de software capacitados para que otro software o programa pueda visualizarlos y ejecutarlos. Es decir, una API es la herramienta que permite que un software se comunique o interactúe con otro. ()
Una interfaz de programación representa una interfaz de comunicación entre componentes de software. Se trata del conjunto de llamadas a ciertas bibliotecas que ofrecen acceso a ciertos servicios desde los procesos y representa un método para conseguir abstracción en la programación, generalmente (aunque no necesariamente) entre los niveles o capas inferiores y los superiores del software. Uno de los principales propósitos de una API consiste en proporcionar un conjunto de funciones de uso general. De esta forma, los programadores se benefician de las ventajas de la API haciendo uso de su funcionalidad, evitándose el trabajo de programar todo desde el principio.
Tipos de API’s
1. API abiertas
También conocidas como externas o públicas, las API abiertas tienen medidas de seguridad relajadas, lo que permite a los desarrolladores y usuarios externos acceder a los datos fácilmente. Algunos sistemas permanecen completamente transparentes, mientras que otros pueden requerir un registro simple o clave API. Esta característica convierte a las API públicas en una excelente opción para las empresas que desean optimizar la comunicación con usuarios de terceros, como proveedores o clientes. De igual manera, permite a los desarrolladores de software implementar componentes rápidamente sin restricciones.
2. API de socios
Al igual que el método abierto, las API de socios están destinadas a promover la comunicación entre una empresa y sus usuarios externos. Sin embargo, este método utiliza más seguridad para conceder acceso a datos a socios comerciales específicos. Aunque las API de partners suelen estar expuestas a otras plataformas de API públicas, las puertas de enlace de terceros garantizan que solo los servidores registrados tengan permiso para acceder a la información.
3. API internas
También conocidas como privadas, las API internas se ocultan a terceros y se utilizan para mejorar la comunicación dentro de una organización. Con este método, las empresas pueden optimizar el intercambio de datos entre departamentos y todas las ubicaciones empresariales. Aunque el acceso está limitado a las operaciones internas, las API internas siguen proporcionando medidas de seguridad para verificar la identidad de los empleados antes de conceder la entrada al sistema.
4. API compuestas
El diseño de API compuesta puede soportar varios sistemas de integración y combinar todos los datos. Esta mayor funcionalidad hace que las API compuestas sean el método ideal en microservicios, donde se necesitan varios servicios para ejecutar una operación. También permite a los desarrolladores acceder a numerosos endpoints, incluyendo web y/o otras aplicaciones API, en una llamada de procedimiento. La solida infraestructura de la API compuesta mejora el rendimiento del servicio de datos y proporciona una solucion todo en uno.
2. A través del uso del software R, investigue sobre el acceso a los datos disponibles mediante API, para las instituciones: Banco Mundial (wbstats), Fondo Monetario Internacional (imfr), Comtrade de Naciones Unidas (comtradr). Y para Yahoo Finance (quantmod).
a. Prepare un documento en Rmarkdown mostrando ejemplos de acceso a la información, para cada una de las API señaladas. Explicando en cada caso la sintaxis de los comandos empleados.
- Banco Mundial (wbstats)
wbstats: un paquete R para buscar y descargar datos de la API del Banco Mundial.
El Banco Mundial es una gran fuente de datos socioeconómicos globales; Abarcando varias décadas y docenas de temas, tiene el potencial de arrojar luz sobre numerosos problemas globales. Para ayudar a brindar acceso a esta rica fuente de información, el propio Banco Mundial proporciona una API RESTful bien estructurada. Si bien esta API es muy útil para la integración en servicios web y otras aplicaciones de alto nivel, rápidamente se vuelve abrumadora para los investigadores que no tienen ni el tiempo ni la experiencia para desarrollar software que interactúe con la API. Esto deja al investigador a depender de las descargas masivas manuales de hojas de cálculo de los datos que le interesan. Esto también puede volverse abrumador rápidamente, ya que el trabajo es manual, requiere mucho tiempo y no es fácil de reproducir. el objetivo de lawbstatsR-package es proporcionar un puente entre estas alternativas y permitir que los investigadores se centren en sus preguntas de investigación y no en la cuestión de acceder a los datos. El wbstatspaquete R permite a los investigadores buscar y descargar rápidamente los datos de su interés particular de manera programática y reproducible; esto facilita una integración perfecta en su flujo de trabajo y permite que el análisis se vuelva a ejecutar rápidamente en diferentes áreas de interés y con acceso en tiempo real a los últimos datos disponibles.
Características destacadas del wbstatspaquete R:
- Utiliza la versión 2 de la API del Banco Mundial que brinda acceso a más indicadores y metadatos que la versión anterior de la API
- Acceso a todos los datos anuales, trimestrales y mensuales disponibles en la API
- Soporte para buscar y descargar datos en varios idiomas
- Acceder a los Metadatos del Catálogo de Datos del Banco Mundial, proporcionando entre otra información; actualizar horarios e idiomas admitidos
- Capacidad de devolver POSIXctfechas para una fácil integración en técnicas de análisis de series de tiempo y gráficos
- Devuelve datos en formato largo (predeterminado) o ancho para la integración directa con paquetes como ggplot2ydplyr
- Compatibilidad con consultas de valores más recientes
- Compatibilidad con la grepbúsqueda de estilos para descripciones y nombres de datos
- Capacidad para descargar datos no solo por país, sino también por agregados, como High Income o South Asia
- Posibilidad de especificar countries_onlyo aggregatesal consultar datos
En Resumen la API WBSTATS conlleva a:
- +16000 indicadores
- Provienen de series de tiempo de hasta 50 años
- La API permite el acceso a alrededor de 45 bases de datos.
¿Cómo instalar la libreria?
install.packages(“wbstats”)
- Una vez instalada la libreria podemos hacer uso de sus funciones para poder acceder a los datos dentro de ella.
¿Como acceder a los datos en API wbstats?
##Cargamos la libreria wbstats que es la API del banco mundial, al efectuar la carga a traves de las funciones que esta libreria posee podemos acceder a la información a traves de una serie de comandos
library(wbstats)
library(dplyr)
##Asignamos al objeto index todos los indicadores que posee la API para luego utililizar "indicadorID" en nuestras consultas.
index<-wbindicators(lang = "es")
##Asignamos al objeto paises para poder visualizar los paises que estan albergados en la API y poderlos utilizar en nuestras consultas.
paises<-wbcountries(lang = "es")
##Asignamos al objeto topics para poder visualizar los temas que estan albergados en la API y poderlos utilizar en nuestras consultas.
topics<-wbtopics()Ejemplo #1: ¿Cual ha sido el PIB ($ a precios actuales) de guatemala(GTM) para el periodo 2000-2005?
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
pib_precio_actual<-wb(country = "GTM",indicator ="6.0.GDP_current",startdate = 2000,enddate = 2005) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar y de igual manera el indicador y para que fecha, es lo que hemos consultado en este ejemplo.
pib_precio_actual %>% as.data.frame() %>% kable(caption =paste("PIB ($ a precios actuales) de guatemala(GTM) para el periodo 2000-2005"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14)| iso3c | date | value | indicatorID | indicator | iso2c | country |
|---|---|---|---|---|---|---|
| GTM | 2005 | 27211376361 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
| GTM | 2004 | 23965275027 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
| GTM | 2003 | 21917430518 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
| GTM | 2002 | 20776403595 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
| GTM | 2001 | 18702803044 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
| GTM | 2000 | 19290566570 | 6.0.GDP_current | GDP (current $) | GT | Guatemala |
Ejemplo # 2: ¿cual es el indice de Inscripción escolar, nivel secundario, sector privado (% del total del nivel secundario) de Estados Unidos para 2016-2019?
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
secundaria_sectorpriv<-wb(country = "USA",indicator = "SE.SEC.PRIV.ZS",startdate = 2016,enddate = 2019) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador y para que fecha, es lo que hemos consultado en este ejemplo.
secundaria_sectorpriv %>% as.data.frame() %>% select(country,date,value) %>% kable(caption =paste("indice de Inscripción escolar, nivel secundario, sector privado (% del total del nivel secundario)"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14)## es para darle formato a la tabla| country | date | value |
|---|---|---|
| United States | 2019 | 8.89 |
| United States | 2018 | 8.95 |
| United States | 2017 | 8.95 |
| United States | 2016 | 8.86 |
Ejemplo #3: Para Colombia presente el indice de Sequías, inundaciones, temperaturas extremas (% de la población, promedio de 1990-2009) para el año 2009
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
S_I_TE<-wb(country = "COL",indicator = "EN.CLC.MDAT.ZS") ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador y para que fecha, es lo que hemos consultado en este ejemplo.
S_I_TE%>% as.data.frame() %>% select(country,date,value) %>% kable(caption =paste("Sequías, inundaciones, temperaturas extremas (% de la población, promedio de 1990-2009)"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| country | date | value | |
|---|---|---|---|
| 13 | Colombia | 2009 | 0.66 |
Ejemplo #4: Tierras agrícolas (% del área de tierra) 2000-2010
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
Tierras_agri<-wb(country = "HND",indicator = "AG.LND.AGRI.ZS",startdate = 2000,enddate = 2010) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador y para que fecha, es lo que hemos consultado en este ejemplo.
Tierras_agri%>% as.data.frame() %>% select(country,date,value) %>% kable(caption =paste("Tierras agrícolas (% del área de tierra)"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| country | date | value |
|---|---|---|
| Honduras | 2010 | 29.23 |
| Honduras | 2009 | 28.60 |
| Honduras | 2008 | 28.46 |
| Honduras | 2007 | 28.24 |
| Honduras | 2006 | 28.24 |
| Honduras | 2005 | 28.15 |
| Honduras | 2004 | 28.06 |
| Honduras | 2003 | 28.18 |
| Honduras | 2002 | 27.06 |
| Honduras | 2001 | 26.24 |
| Honduras | 2000 | 26.23 |
Ejemplo #5: Créditos al gobierno central, etc. (% del PIB) 2000-2010
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
Credi_GC<-wb(country = "SLV",indicator = "FS.AST.CGOV.GD.ZS",startdate = 2000,enddate = 2010) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador y para que fecha, es lo que hemos consultado en este ejemplo.
Credi_GC%>% as.data.frame() %>% kable(caption =paste("Créditos al gobierno central, etc. (% del PIB) 2000-2010"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| iso3c | date | value | indicatorID | indicator | iso2c | country |
|---|---|---|---|---|---|---|
| SLV | 2010 | 27.59 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2009 | 23.74 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2008 | 20.77 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2007 | 19.12 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2006 | 15.81 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2005 | 11.52 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2004 | 5.18 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2003 | 5.04 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2002 | 3.24 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2001 | 5.52 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
| SLV | 2000 | 1.12 | FS.AST.CGOV.GD.ZS | Claims on central government, etc. (% GDP) | SV | El Salvador |
Ejemplo #6: Cobertura de los programas de trabajo y protección social (% de la población) de Haiti.
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
traba_Psocial<-wb(country = "HTI",indicator = "per_allsp.cov_pop_tot") ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador.
traba_Psocial%>% as.data.frame() %>% kable(caption =paste("Cobertura de los programas de trabajo y protección social (% de la población)"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| iso3c | date | value | indicatorID | indicator | iso2c | country | |
|---|---|---|---|---|---|---|---|
| 10 | HTI | 2012 | 19.46 | per_allsp.cov_pop_tot | Coverage of social protection and labor programs (% of population) | HT | Haiti |
| 21 | HTI | 2001 | 0.75 | per_allsp.cov_pop_tot | Coverage of social protection and labor programs (% of population) | HT | Haiti |
Ejemplo #7: Valor actual de la deuda externa (US$ a precios actuales) para China
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
valor_deuda<-wb(country = "CHN",indicator = "DT.DOD.PVLX.CD") ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador.
valor_deuda%>% as.data.frame() %>% kable(caption =paste("Valor actual de la deuda externa (US$ a precios actuales) para China"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| iso3c | date | value | indicatorID | indicator | iso2c | country | |
|---|---|---|---|---|---|---|---|
| 2 | CHN | 2020 | 3.9e+11 | DT.DOD.PVLX.CD | Present value of external debt (current US$) | CN | China |
Ejemplo #8: Médicos (por cada 1.000 personas) en Cuba para el periodo 2000-2015
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
medicos<-wb(country = "CUB",indicator = "SH.MED.PHYS.ZS", startdate = 2000,enddate = 2015) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador, de igual manera la fehca que queremos consultar
medicos%>% as.data.frame() %>% select(date,value) %>% kable(caption =paste("Médicos (por cada 1.000 personas) en Cuba para el periodo 2000-2015"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| date | value |
|---|---|
| 2015 | 7.77 |
| 2014 | 7.57 |
| 2013 | 7.42 |
| 2012 | 7.29 |
| 2011 | 7.00 |
| 2010 | 6.82 |
| 2009 | 6.67 |
| 2008 | 6.63 |
| 2007 | 6.44 |
| 2006 | 6.35 |
| 2005 | 6.27 |
| 2004 | 6.20 |
| 2003 | 6.06 |
| 2002 | 5.99 |
| 2001 | 5.94 |
| 2000 | 5.93 |
Ejemplo #9: Coeficiente de Gini 2010-2014 para Ecuador(ECU)
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
GINI<-wb(country = "ECU",indicator = "3.0.Gini", startdate = 2010,enddate = 2014) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador, de igual manera la fehca que queremos consultar
GINI%>% as.data.frame() %>% kable(caption =paste("Coeficiente de Gini 2010-2014 para Ecuador(ECU)"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| iso3c | date | value | indicatorID | indicator | iso2c | country |
|---|---|---|---|---|---|---|
| ECU | 2014 | 0.45 | 3.0.Gini | Gini Coefficient | EC | Ecuador |
| ECU | 2013 | 0.47 | 3.0.Gini | Gini Coefficient | EC | Ecuador |
| ECU | 2012 | 0.47 | 3.0.Gini | Gini Coefficient | EC | Ecuador |
| ECU | 2011 | 0.46 | 3.0.Gini | Gini Coefficient | EC | Ecuador |
| ECU | 2010 | 0.49 | 3.0.Gini | Gini Coefficient | EC | Ecuador |
Ejemplo #10: Desempleados (%) para el año 2009 En El Salvador
library(wbstats) ## es necesaria para cargar la API
library(kableExtra) ## Para aplicar formato a la tabla
desempleo<-wb(country = "SLV",indicator = "9.0.Unemp.All",startdate = 2009,enddate = 2009) ##la funcion wb dentro de wbstast nos permite seleccionar el pais que queremos consultar, el indicador, de igual manera la fehca que queremos consultar
desempleo%>% as.data.frame() %>% kable(caption =paste("Desempleados (%) para el año 2009 En El Salvador"),align = "c",digits = 2) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) ## es para darle formato a la tabla| iso3c | date | value | indicatorID | indicator | iso2c | country |
|---|---|---|---|---|---|---|
| SLV | 2009 | 5.03 | 9.0.Unemp.All | Unemployed (%) | SV | El Salvador |
- Fondo Monetario Internacional (imfr)
El FMI se ocupa de promover la cooperación monetaria internacional, garantizar la estabilidad financiera, facilitar el comercio internacional, promover un empleo elevado y un crecimiento económico sostenible, y reducir la pobreza en el mundo entero. (Mundial)
Podemos acceder a los datos disponibles del Fondo Monterio Internacional mediante la API IMFR, haciendo uso de esta en RStudio, esta librería permite:
Explorar la amplia gama de bases de datos publicadas por el FMI.
Explorar el conjunto de variables contenidas en cada base de datos.
Descargar datos de la base de datos de nuestra elección, seleccionando las variables, conjunto de países y además configurando la frecuencia de datos que deseemos.
Para poder hacer uso de la API del FMI, primero hay que descargar la libreria “IMFR” realizando la busqueda del cran. Una vez cargada la libreria en nuestro RStudio, para acceder a los datos se debe:
Cargar la libreria para acceder a la API de datos del FMI:
library(imfr) Para poder conocer las bases de datos disponibles del FMI, se utilizará el siguiente comando:
library(dplyr)
library(kableExtra)
tabla <- imf_databases<-imf_ids()##
|
| | 0%
|
|======================================================================| 100%tabla %>% head() %>%
kable(
caption= "Bases de Datos disponibles",
col.names = c("ID","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| ID | Descripción |
|---|---|
| BOP_2017M06 | Balance of Payments (BOP), 2017 M06 |
| BOP_2020M3 | Balance of Payments (BOP), 2020 M03 |
| BOP_2017M11 | Balance of Payments (BOP), 2017 M11 |
| DOT_2020Q1 | Direction of Trade Statistics (DOTS), 2020 Q1 |
| GFSMAB2016 | Government Finance Statistics Yearbook (GFSY 2016), Main Aggregates and Balances |
| BOP_2019M12 | Balance of Payments (BOP), 2019 M12 |
| Fuente: | |
| Elaboracion propia |
La cual cargará todas las ID de las diferentes bases de datos disponibles (en total existen 259 bases de datos).
Para descargar datos de la API del FMI, se necesitará hacer uso de una lista de códigos de país ISO2 para los países de interés.
library(dplyr)
library(countrycode)
data(codelist)
country_set <- codelist
country_set<- country_set %>%
select(country.name.en , iso2c, iso3c, imf, continent, region) %>% filter(!is.na(imf) & !is.na(iso2c))Ejemplo 1: Base de datos del Indice de Precios al Consumidor (CPI)
#Utilizaremos imf_codelist() para conocer las dimensiones de la base de datos
IPC_codelist <- imf_codelist(database_id= "CPI")##
|
| | 0%
|
|======================================================================| 100%IPC_codelist %>% head() %>%
kable(
caption= "Códigos del IPC",
col.names = c("Código","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| Código | Descripción |
|---|---|
| CL_UNIT_MULT | Scale |
| CL_FREQ | Frequency |
| CL_AREA_CPI | Geographical Areas |
| CL_INDICATOR_CPI | Indicator |
| CL_TIME_FORMAT | Time format |
| Fuente: | |
| Elaboracion propia |
El Índice de Precios al Consumidor tiene cinco dimensiones, cada una de las cuales es una lista de cosas que pueden solicitarse.
Ahora, accederemosa los indicadores contenidos en esta base de datos utilizando la función imf_codes
IPC_codigos_indicadores <- imf_codes(codelist = "CL_INDICATOR_CPI")##
|
| | 0%
|
|======================================================================| 100%IPC_codigos_indicadores %>% head() %>%
kable(
caption= "Base de datos del IPC",
col.names = c("Código","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| Código | Descripción |
|---|---|
| PCPI_IX | Consumer Price Index, All items |
| PCPIF_IX | Food and non-alcoholic beverages |
| PCPIFBT_IX | Alcoholic Beverages, Tobacco, and Narcotics |
| PCPIA_IX | Clothing and footwear |
| PCPIH_IX | Housing, Water, Electricity, Gas and Other Fuels |
| PCPIHO_IX | Furnishings, household equipment and routine household maintenance |
| Fuente: | |
| Elaboracion propia |
En total existen 178 indicadores para el IPC.
Datos del IPC de Estados Unidos, para el período 2010-2021
Consumer_price_index<-imf_data(database_id = "CPI",indicator = 'PCPI_IX', country = c('US'), freq = 'A', start = 2010 , end = current_year())##
|
| | 0%
|
|======================================================================| 100%Consumer_price_index %>%
kable(
caption= "IPC de Estados Unidos para el período 2010-2021",
col.names = c("País","Año", "IPC"),
align= c("c","c", "c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| País | Año | IPC |
|---|---|---|
| US | 2010 | 100.00 |
| US | 2011 | 103.16 |
| US | 2012 | 105.29 |
| US | 2013 | 106.83 |
| US | 2014 | 108.57 |
| US | 2015 | 108.70 |
| US | 2016 | 110.07 |
| US | 2017 | 112.41 |
| US | 2018 | 115.16 |
| US | 2019 | 117.24 |
| US | 2020 | 118.69 |
| US | 2021 | 124.27 |
| Fuente: | ||
| Elaboracion propia |
Ejemplo 2: Balanza de Pagos para El Salvador, período 2010-2020
BOP_codelist <- imf_codelist(database_id = "BOP")##
Downloading: 940 B
Downloading: 940 B
Downloading: 5.3 kB
Downloading: 5.3 kB
Downloading: 6.8 kB
Downloading: 6.8 kB
Downloading: 8.2 kB
Downloading: 8.2 kB
Downloading: 8.8 kB
Downloading: 8.8 kB
Downloading: 10 kB
Downloading: 10 kB
Downloading: 12 kB
Downloading: 12 kB
Downloading: 13 kB
Downloading: 13 kB
Downloading: 15 kB
Downloading: 15 kB
Downloading: 16 kB
Downloading: 16 kB
Downloading: 18 kB
Downloading: 18 kB
Downloading: 19 kB
Downloading: 19 kB
Downloading: 20 kB
Downloading: 20 kB
Downloading: 22 kB
Downloading: 22 kB
Downloading: 23 kB
Downloading: 23 kB
Downloading: 25 kB
Downloading: 25 kB
Downloading: 26 kB
Downloading: 26 kB
Downloading: 28 kB
Downloading: 28 kB
Downloading: 28 kB
Downloading: 28 kB
Downloading: 29 kB
Downloading: 29 kB
Downloading: 31 kB
Downloading: 31 kB
Downloading: 32 kB
Downloading: 32 kB
Downloading: 34 kB
Downloading: 34 kB
Downloading: 35 kB
Downloading: 35 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 38 kB
Downloading: 38 kB
Downloading: 39 kB
Downloading: 39 kB
Downloading: 41 kB
Downloading: 41 kB
Downloading: 42 kB
Downloading: 42 kB
Downloading: 44 kB
Downloading: 44 kB
Downloading: 53 kB
Downloading: 53 kB
Downloading: 57 kB
Downloading: 57 kB
Downloading: 58 kB
Downloading: 58 kB
Downloading: 60 kB
Downloading: 60 kB
Downloading: 61 kB
Downloading: 61 kB
Downloading: 63 kB
Downloading: 63 kB
Downloading: 64 kB
Downloading: 64 kB
Downloading: 64 kB
Downloading: 64 kB
Downloading: 66 kB
Downloading: 66 kB
Downloading: 67 kB
Downloading: 67 kB
Downloading: 69 kB
Downloading: 69 kB
Downloading: 70 kB
Downloading: 70 kB
Downloading: 72 kB
Downloading: 72 kB
Downloading: 73 kB
Downloading: 73 kB
Downloading: 73 kB
Downloading: 73 kB
Downloading: 74 kB
Downloading: 74 kB
Downloading: 77 kB
Downloading: 77 kB
Downloading: 79 kB
Downloading: 79 kB
Downloading: 80 kB
Downloading: 80 kB
Downloading: 82 kB
Downloading: 82 kB
Downloading: 82 kB
Downloading: 82 kB
Downloading: 83 kB
Downloading: 83 kB
Downloading: 85 kB
Downloading: 85 kB
Downloading: 86 kB
Downloading: 86 kB
Downloading: 88 kB
Downloading: 88 kB
Downloading: 89 kB
Downloading: 89 kB
Downloading: 91 kB
Downloading: 91 kB
Downloading: 91 kB
Downloading: 91 kB
Downloading: 92 kB
Downloading: 92 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 95 kB
Downloading: 95 kB
Downloading: 96 kB
Downloading: 96 kB
Downloading: 98 kB
Downloading: 98 kB
Downloading: 99 kB
Downloading: 99 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kBBOP_codelist %>% head() %>%
kable(
caption= "Códigos de la Balanza de Pagos",
col.names = c("Código","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| Código | Descripción |
|---|---|
| CL_UNIT_MULT | Scale |
| CL_FREQ | Frequency |
| CL_AREA_BOP | Geographical Areas |
| CL_INDICATOR_BOP | Indicator |
| CL_TIME_FORMAT | Time format |
| Fuente: | |
| Elaboracion propia |
BOP_codigo<- imf_codes(codelist = "CL_INDICATOR_BOP")##
Downloading: 2.4 kB
Downloading: 2.4 kB
Downloading: 3.9 kB
Downloading: 3.9 kB
Downloading: 5.3 kB
Downloading: 5.3 kB
Downloading: 6.8 kB
Downloading: 6.8 kB
Downloading: 10 kB
Downloading: 10 kB
Downloading: 12 kB
Downloading: 12 kB
Downloading: 13 kB
Downloading: 13 kB
Downloading: 15 kB
Downloading: 15 kB
Downloading: 16 kB
Downloading: 16 kB
Downloading: 18 kB
Downloading: 18 kB
Downloading: 19 kB
Downloading: 19 kB
Downloading: 20 kB
Downloading: 20 kB
Downloading: 25 kB
Downloading: 25 kB
Downloading: 26 kB
Downloading: 26 kB
Downloading: 28 kB
Downloading: 28 kB
Downloading: 29 kB
Downloading: 29 kB
Downloading: 31 kB
Downloading: 31 kB
Downloading: 32 kB
Downloading: 32 kB
Downloading: 34 kB
Downloading: 34 kB
Downloading: 35 kB
Downloading: 35 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 38 kB
Downloading: 38 kB
Downloading: 39 kB
Downloading: 39 kB
Downloading: 41 kB
Downloading: 41 kB
Downloading: 42 kB
Downloading: 42 kB
Downloading: 44 kB
Downloading: 44 kB
Downloading: 50 kB
Downloading: 50 kB
Downloading: 53 kB
Downloading: 53 kB
Downloading: 54 kB
Downloading: 54 kB
Downloading: 55 kB
Downloading: 55 kB
Downloading: 57 kB
Downloading: 57 kB
Downloading: 58 kB
Downloading: 58 kB
Downloading: 60 kB
Downloading: 60 kB
Downloading: 61 kB
Downloading: 61 kB
Downloading: 61 kB
Downloading: 61 kB
Downloading: 64 kB
Downloading: 64 kB
Downloading: 66 kB
Downloading: 66 kB
Downloading: 67 kB
Downloading: 67 kB
Downloading: 70 kB
Downloading: 70 kB
Downloading: 72 kB
Downloading: 72 kB
Downloading: 73 kB
Downloading: 73 kB
Downloading: 74 kB
Downloading: 74 kB
Downloading: 76 kB
Downloading: 76 kB
Downloading: 77 kB
Downloading: 77 kB
Downloading: 79 kB
Downloading: 79 kB
Downloading: 80 kB
Downloading: 80 kB
Downloading: 82 kB
Downloading: 82 kB
Downloading: 83 kB
Downloading: 83 kB
Downloading: 85 kB
Downloading: 85 kB
Downloading: 86 kB
Downloading: 86 kB
Downloading: 88 kB
Downloading: 88 kB
Downloading: 89 kB
Downloading: 89 kB
Downloading: 91 kB
Downloading: 91 kB
Downloading: 92 kB
Downloading: 92 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 95 kB
Downloading: 95 kB
Downloading: 96 kB
Downloading: 96 kB
Downloading: 98 kB
Downloading: 98 kB
Downloading: 99 kB
Downloading: 99 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kBBOP_codigo %>% head() %>%
kable(
caption= "Balanza de Pagos",
col.names = c("Código","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| Código | Descripción |
|---|---|
| IAFR_BP6_EUR | Assets (with Fund Record), Euros |
| IAFR_BP6_XDC | Assets (with Fund Record), National Currency |
| IAFR_BP6_USD | Assets (with Fund Record), US Dollars |
| IACCDC_NRES_CB_NC_BP6_EUR | Assets, Currency Composition of Debt Claims on Nonresidents by Sector, Central Bank, Denominated in Domestic Currency, Euros |
| IACCDC_NRES_CB_NC_BP6_XDC | Assets, Currency Composition of Debt Claims on Nonresidents by Sector, Central Bank, Denominated in Domestic Currency, National Currency |
| IACCDC_NRES_CB_NC_1YOL_BP6_EUR | Assets, Currency Composition of Debt Claims on Nonresidents by Sector, Central Bank, Denominated in Domestic Currency, Of which One Year or Less, Euros |
| Fuente: | |
| Elaboracion propia |
## Activos (con registro de fondos), dólares estadounidenses de la Balanza de Pagos
Activos <- imf_data(database_id = "BOP", indicator = 'IAFR_BP6_USD', country = c('SV'), freq = 'A', start = 2010, end = current_year())##
|
| | 0%
|
|======================================================================| 100%Activos %>%
kable(
caption= "Activos de El Salvador desde 2010 hasta el 2021",
col.names = c("País","Año", "Activo"),
align= c("c","c", "c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| País | Año | Activo |
|---|---|---|
| SV | 2010 | 7723.35 |
| SV | 2011 | 7303.53 |
| SV | 2012 | 8001.57 |
| SV | 2013 | 7531.66 |
| SV | 2014 | 8729.32 |
| SV | 2015 | 8902.72 |
| SV | 2016 | 9298.53 |
| SV | 2017 | 9948.03 |
| SV | 2018 | 9433.57 |
| SV | 2019 | 10895.98 |
| SV | 2020 | 11199.00 |
| SV | 2021 | 12261.27 |
| Fuente: | ||
| Elaboracion propia |
Ejemplo 3: Diversificación de Exportaciones de China, período 2000-2014
library(dplyr)
ED_codelist <- imf_codelist(database_id="ED")##
|
| | 0%
|
|======================================================================| 100%ED_codigo <- imf_codes(codelist = "CL_INDICATOR_ED")##
|
| | 0%
|
|======================================================================| 100%ED_codigo %>% head() %>%
kable(
caption= "Diversificación de Exportaciones",
col.names = c("Código","Descripción"),
align= c("c","c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia")| Código | Descripción |
|---|---|
| total_theil | Export Diversification Index |
| between_theil | Extensive Margin |
| within_theil | Intensive Margin |
| Fuente: | |
| Elaboracion propia |
total_theil <- imf_data(database_id = "ED", indicator = 'total_theil', country = c('CN'), freq = 'A', start = 2000, end = current_year())##
|
| | 0%
|
|======================================================================| 100%total_theil %>%
kable (
caption= "
Índice de diversificación de exportaciones",
col.names = c("País","Año", "Índice"),
align= c("c","c", "c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboracion propia"
)| País | Año | Índice |
|---|---|---|
| CN | 2000 | 2.02 |
| CN | 2001 | 2.01 |
| CN | 2002 | 2.03 |
| CN | 2003 | 2.06 |
| CN | 2004 | 2.07 |
| CN | 2005 | 2.07 |
| CN | 2006 | 2.05 |
| CN | 2007 | 1.90 |
| CN | 2008 | 1.86 |
| CN | 2009 | 1.98 |
| CN | 2010 | 2.04 |
| CN | 2011 | 1.99 |
| CN | 2012 | 2.02 |
| CN | 2013 | 2.03 |
| CN | 2014 | 2.01 |
| Fuente: | ||
| Elaboracion propia |
- Comtrade de Naciones Unidas (comtradr)
Un Comtrade es un repositorio de estadísticas oficiales de comercio internacional y tablas analíticas relevantes. Permite ver y descargar datos comerciales globales detallados, es decir, importaciones y exportaciones de todos los bienes o incluso de servicios o bienes específicos (por ejemplo: tomates).
Comtradr es un paquete R y una colección de funciones para interactuar con la API Comtrade de la ONU. Además de comtradr, usamos varios otros paquetes que cargaremos primero.
library(dplyr) #Nos proporciona un conjunto de funciones útiles para manipular data frames.
library(tidyr) #nos permite hacer transformaciones de un data frame
library(stringr)
library(base)
library(kableExtra)
library(flextable)
library(ggplot2)
library(treemap)
library(RColorBrewer)
library(comtradr)
library(officer)
library(tidyverse)
library(comtradr)
library(visNetwork)
library(grid)
library(png)
library(RCurl)
library(scales)Comercio internacional de El Salvador (2005-2020)
ct_country_lookup("el salvador")## [1] "El Salvador"sv1 <- ct_search(reporters = "El Salvador",
partners = "All",
trade_direction = c("imports", "exports"),
freq = "annual",
start_date = (2021-4),
end_date = 2021)
sv2 <- ct_search(reporters = "El Salvador",
partners = "All",
trade_direction = c("imports", "exports"),
freq = "annual",
start_date = (2017-4),
end_date = 2017)
sv3 <- ct_search(reporters = "El Salvador",
partners = "All",
trade_direction = c("imports", "exports"),
freq = "annual",
start_date = (2012-4),
end_date = 2012)
sv4 <- ct_search(reporters = "El Salvador",
partners = "All",
trade_direction = c("imports", "exports"),
freq = "annual",
start_date = (2007-4),
end_date = 2007)
sv <- bind_rows(sv1, sv2 , sv3 , sv4) %>% distinct()
comercio_sv <- sv %>% #distinct() %>%
filter(partner_iso != "WLD") %>%
mutate(trade_value_usd_bn = trade_value_usd) %>%
group_by(trade_flow, year) %>%
summarise(trade_value_usd_bn = sum(trade_value_usd_bn, na.rm = T))
comercio_sv %>%
ggplot(aes(x = year, y = trade_value_usd_bn, color = trade_flow)) +
# geom_area(alpha = 0.1, position = "identity") +
geom_line() +
geom_point() +
scale_y_continuous(labels = scales::number, breaks = seq(0, 2500, 500)) +
scale_color_manual(values = c("#88be3f", "#02a7eb")) +
scale_x_continuous(breaks = seq(2000, 2022, 2), expand = c(0.01, 0.01)) +
labs(title = "El Salvador importaciones y exportaciones (2002-2021)",
x = "", y = "valor comercial en millones de dólares", caption = "Data: Comtradr", color = "", fill = "")
Principales socios comerciales de El Salvador para 2020 (importaciones y exportaciones).
sv %>%
filter(partner!= "all", year== "2020") %>%
group_by(trade_flow, partner)%>%
summarise(Valor=sum(trade_value_usd)) %>%
treemap(index = c("trade_flow","partner"),
vSize = "Valor", vColor = "partner",
range = c(0,50),
fontsize.labels=c(20, 10),
title = "Principales socios comerciales de El Salvador en 2020",
mirror.x = T,
palette = brewer.pal(n=5,"Paired"),
border.col = "grey")
Importaciones de los 5 principales socios comerciales de El salvador en el mundo (2000-2020)
top_7 <- sv %>%
filter(partner_iso!= "WLD", year == 2020) %>%
group_by(partner_iso) %>%
tally(trade_value_usd, sort = T) %>%
top_n(7) %>%
pull(partner_iso)
sv %>%
filter(partner_iso %in% top_7, trade_flow == "Import") %>%
ggplot(aes(x = year, y =trade_value_usd , color = partner_iso)) +
geom_line() +
scale_x_continuous(breaks = seq(2000, 2020, 2)) +
labs(title = "7 principales socios comerciales de El Salvador (2000-2020)",
x = "", y = "valor comercial en millones de dólares", color = "",
caption = "Date: comtradr ONU")
Principales productos exportados (por capitulo) por El Salvador (2020)
sv_exportaciones <- ct_search(reporters = "El Salvador",
type = "goods",
commod_codes = "AG2",
freq = "annual",
partners = "All",
trade_direction = "exports",
start_date = '2020',
end_date = '2021')
Top_Exportaciones<- sv_exportaciones %>%
filter(year=="2020" & partner=="World") %>%
transform(trade_value_usd=round(trade_value_usd/1000000),1) %>%
arrange(desc(trade_value_usd)) %>% slice_max(trade_value_usd, n=10) %>%
select(commodity_code, commodity, trade_value_usd) %>%
transform(commodity=str_sub(commodity, 1L, 30L)) %>%
kable(caption = "Principales capítulos arancelarios exportados por El Salvador al año 2021",
align = 'c',
digits = round(1),
col.names = c("Capítulo", "Descripción", "Valor en millones de US$")) %>%
kable_classic() %>% kable_styling(font_size=14,
full_width = TRUE)%>%
kable_paper(full_width = F, "striped") %>%
column_spec(2, width = "30em", background = "#bdc9e1", bold = T, color = "Grid") %>%
add_footnote(c("Fuente= Elaboración propia con datos de UN comtradr"), notation = "none")
Top_Exportaciones| Capítulo | Descripción | Valor en millones de US$ |
|---|---|---|
| 61 | Apparel and clothing accessori | 1364 |
| 39 | Plastics and articles thereof | 385 |
| 48 | Paper and paperboard; articles | 305 |
| 17 | Sugars and sugar confectionery | 286 |
| 85 | Electrical machinery and equip | 250 |
| 30 | Pharmaceutical products | 180 |
| 27 | Mineral fuels, mineral oils an | 158 |
| 62 | Apparel and clothing accessori | 158 |
| 19 | Preparations of cereals, flour | 147 |
| 63 | Textiles, made up articles; se | 125 |
| Fuente= Elaboración propia con datos de UN comtradr |
- Yahoo Finance (quantmod)
Quantmod es un paquete de Rstudio diseñado para asistir a los operadores cuantitativos (quantitative traders) en el desarrollo, pruebas y despliegue de modelos de trading basados en las estadísticas; proporciona un acceso estructurado a toda la información disponible en API finance, este también incluye soporte para múltiples idiomas, acceso a informes mensuales, trimestrales y anuales.
La librería Quantmod se puede traducir a un entorno rápido, donde los operadores cuantitativos pueden explorar y construir modelos de negociación rápida y limpiamente. A través de la función getSymbols podemos extraer datos financieros desde varias fuentes: Google Finance, Yahoo Finance y Federal Reserve Bank of St. Louis FRED. Con lo anterior nos facilita el modelado al eliminar los problemas de flujo de trabajo repetitivo relacionados con la gestión de datos, las interfaces de modelado y el análisis de rendimiento.
Funciones de getSymbols
- La función se compone de 5 elementos principales:
- Nombre de la serie
- Fuente/source (src): src=“google”, src=“yahoo”, src=“FRED”
- Inicio de la serie (from): as.Date(“2020-02-06”)
- Fin de la serie (to): as.Date(“2021-10-25”)
- Periodo: puede ser daily, monthly or yearly
Con lo anterior la estructura de la función getSymbols se escribirá de la siguiente forma:
getSymbols(” “, src = , from = as.Date(” “), to = as.Date(” “), periodicity = )
Dentro de quantmod están albergados los rangos de precios de diferentes empresas con un respectivo código nemotécnico o ticker, una etiqueta de cotización también conocido como ticker, es un código alfanumérico que sirve para identificar de forma abreviada las acciones de una determinada empresa que cotiza en un determinado mercado bursátil. En R dicho código nos sirve para poder indicarle a la librería cual es la empresa que deseamos analizar, a continuación, se muestra un listado de las principales siglas a utilizar:
|
Ticker
en R |
|
|
Apple |
AAPL |
|
Google
|
GOOG |
|
Facebook |
FB |
|
Amazon |
AMZN |
|
Netflix |
NFLX |
|
S&P 500 (Standard and Poor 500) |
^GSPC |
|
IPC de Mexico |
^MXX |
Una vez aclarado los conceptos básicos nos vamos a introducir a la parte práctica, es importante señalar que tenemos que instalar la librería “Quantmod” para luego utilizar la base de datos que ya esta incluida dentro de la librería.
library(quantmod)Ejemplo 1: Se desea conocer los rangos de precios de la empresa Google a traves de Yahoo Finance para el año 2010
Especificamos que necesitamos analizar a la empresa “Google” con el ticker “GOOG”, “From” nos indica desde cuando queremos que inicie el periodo de estudio y “to” cuando finaliza dicho periodo, “periodicity” es el periodo con que se muestran los datos.
getSymbols("GOOG", src = "yahoo", from = "2010-01-01", to = "2010-12-31", periodicity = "daily") ## [1] "GOOG"head(GOOG) # Indicamos a R que nos muestre los primeros datos de la serie ## GOOG.Open GOOG.High GOOG.Low GOOG.Close GOOG.Volume GOOG.Adjusted
## 2010-01-04 15.61522 15.67898 15.54772 15.61024 78541293 15.61024
## 2010-01-05 15.62095 15.63739 15.48048 15.54150 120638494 15.54150
## 2010-01-06 15.58807 15.58807 15.10239 15.14972 159744526 15.14972
## 2010-01-07 15.17811 15.19305 14.76092 14.79704 257533695 14.79704
## 2010-01-08 14.74473 15.02493 14.67275 14.99430 189680313 14.99430
## 2010-01-11 15.05507 15.05507 14.79554 14.97163 289597429 14.97163tail(GOOG) #Indicamos a R que nos muestre los ultimos datos de la serie## GOOG.Open GOOG.High GOOG.Low GOOG.Close GOOG.Volume GOOG.Adjusted
## 2010-12-22 15.04361 15.11833 15.02568 15.08072 48481040 15.08072
## 2010-12-23 15.07699 15.09343 14.99455 15.04934 44598542 15.04934
## 2010-12-27 15.01223 15.03813 14.93153 15.00326 48505130 15.00326
## 2010-12-28 14.99504 15.04037 14.89442 14.91709 42751645 14.91709
## 2010-12-29 14.99380 15.00401 14.91709 14.96889 40920808 14.96889
## 2010-12-30 14.89417 14.97711 14.87898 14.91559 39728356 14.91559Gráfico de los precios de la empresa Google mediante el comando “ChartSeries”
chartSeries(GOOG,
theme = chartTheme("white"), #Indicamos el tema de nuestro grafico
bar.type = "hlc",
up.col = "green", #Color de la vela alza
dn.col = "pink") #Color de la vela baja
Ejemplo 2. A continuacion se extraeran los datos del S&P 500
(Standard and Poor 500) para el periodo de 2010-01-01” hasta
“2011-01-01”
Nota: S&P es el índice de referencia del mercado de acciones de Estados Unidos.
library (quantmod) #se carga la libreria
#Se especifica la estructura que tendra la serie
getSymbols("^GSPC", src = "yahoo", from = "2010-01-01", to = "2011-01-01", periodicity = "daily") ## [1] "^GSPC"chartSeries(GSPC,
theme = chartTheme("white"),
bar.type = "hlc",
up.col = "red",
dn.col = "black",
TA=NULL) #Nos ayuda a imprimir el grafico (introducimos "TA=NULL" PARA EVITAR QUE CHARTSERIES MUESTRE VOLUMEN)
Si queremos realizar filtros dentro del grafico para una mayor comprension seria de la siguiente forma:
chartSeries(GSPC, subset = "last 3 months", #Nos interesan los ultimos 3 meses
theme = chartTheme("white"),
bar.type = "hlc",
up.col = "red",
dn.col = "black")
Ejemplo 3 Multiples datos: Si queremos conocer las acciones de las empresas Amazon(AMZN), Apple(AAPL) y Netflix(NFLX) para el periodo de 2010-01-01 hasta 2018-07-30 seria de la siguiente forma:
library(quantmod)
getSymbols("AMZN", src = "yahoo", from = "2010-01-01", to = "2018-07-30", periodicity = "daily");## [1] "AMZN"getSymbols("AAPL", src = "yahoo", from = "2010-01-01", to = "2018-07-30", periodicity = "daily");## [1] "AAPL"getSymbols("NFLX", src = "yahoo", from = "2010-01-01", to = "2018-07-30", periodicity = "daily")## [1] "NFLX"plot(AMZN)
plot(AAPL)
plot(NFLX)
Ejemplo 4: Se desea realizar una transformacion de formato xts a dataframe para lo cual utilizaremos el IPC de Mexico que tiene como ticker “^MXX”
#Cargamos las librerias a utilizar
library(quantmod)
library(xts)
library(ggplot2)
library(tidyverse)
library(zoo)
library(lubridate)
getSymbols("^MXX", src = "yahoo",
from= "2006-01-01",
to="2020-10-27",
periodicity="daily",
format="xts")## [1] "^MXX"#Hacemos uso de la programación para elaborar una función que nos devuelva un dataframe de una serie xts
xts_to_datframe<-function(data_xts){
df_t<-data.frame(fecha=(index(data_xts)),#index(data_xts): es una declaración que toma el tiempo de una serie xts diaria.
value=coredata(data_xts)) #coredata(data_xts): es una declaración que toma los valores de la serie xts diaria.
colnames(df_t)<-c("fecha", "value")
df_t
}
#Una vez que se crea la función, la utilizaremos para trasformar la serie
IPC<-xts_to_datframe(MXX$MXX.Adjusted)
#MXX$MXX.Adjusted es la variable xts que utilizaremos
head(IPC) ## fecha value
## 1 2006-01-02 17925.70
## 2 2006-01-03 18500.69
## 3 2006-01-04 18669.23
## 4 2006-01-05 18608.34
## 5 2006-01-06 18736.78
## 6 2006-01-09 18998.83Gráficaremos el dataframe para corroborar que la transformación fue efectiva
ggplot(IPC, aes(x=fecha, y=value))+
geom_line()+
theme_minimal()+
labs(title="IPC-Mexico",
subtitle = "De 2006 a 2020",
caption = "Elaboración propia con datos de Yahoo Finanzas")
b. Elabore un inventario de las series disponibles en cada API.
i. Presente mediante una tabla, para cada API las series disponibles y una breve descripción de la misma.
- Wbstats
Inventario de las series disponibles para la API del Banco Mundial (wbstats)
|
Función |
Comando |
Descripcion |
|
wb |
wb(country=”inserte_pais”, indicador=”inserte_indicador”) |
Permite Descargar datos
de la API del Banco Mundial |
|
wbcache |
wbcache(lang = c("en",
"es", "fr", "ar",
"zh")) |
Descarga una lista
actualizada de información sobre países, indicadores, fuentes, catálogo de
datos, temas de indicadores,
tipos de préstamos y niveles de ingresos de la API del Banco Mundial |
|
wbcountries |
wbcountries(lang = c("en",
"es", "fr", "ar",
"zh")) |
Descarga información
actualizada sobre países y regiones disponibles de la API del Banco Mundial |
|
wbdatacatalog |
wbdatacatalog() |
Descarga una lista
actualizada del catálogo de datos del Banco Mundial desde la API del Banco
Mundial |
|
wbget |
wbget(url_string, indicator) |
Esta función llama
a wbget.raw y determina si hay varias
páginas de la solicitud. Sí hay son varias páginas,
entonces si genera una lista de marcos de datos de cada página y luego
combina los resultados con do.call("rbind", mylist) |
|
wbincome |
wbincome(lang = c("en",
"es", "fr", "ar",
"zh")) |
Descarga información
actualizada sobre los tipos de ingresos disponibles de la API del Banco
Mundial |
|
wbindicators |
wbindicators(lang = c("en",
"es", "fr", "ar",
"zh")) |
Descarga información
actualizada sobre indicadores disponibles de la API del Banco Mundial |
|
wblending |
wblending(lang = "es") |
Descarga información
actualizada sobre los tipos de préstamos disponibles de la API del Banco
Mundial |
|
wbsearch |
wbsearch(pattern
= "insert_topic", fields =
c("indicator", "indicatorDesc"),
extra = FALSE, cache |
Esta función permite
encontrar indicadores que coincidan con un término de búsqueda y devolver un
marco de datos de coincidencia resultados |
|
wbsources |
wbsources(lang = c("en",
"es", "fr", "ar",
"zh")) |
Descargue información
actualizada sobre las fuentes de datos disponibles de la API del Banco
Mundial |
|
wbstats |
Library(wbstats) |
wbstats: un
paquete R para buscar y descargar datos del API del Banco Mundial. |
|
wbtopics |
Topics<-wbtopics(lang = c("en", "es", "fr", "ar", "zh")) |
Descargue información
actualizada sobre el tema del indicador de la API del Banco Mundial |
|
wb_cachelist |
wb_cachelist |
Información en caché de
la API del Banco Mundial |
- Imfr
Inventario de las series disponibles para la API del Fondo Monetario Internacional (imfr)
|
Serie |
Descripción |
|
Country_set |
Es un data frame
que contiene 214 observaciones, en este caso países y 6 variables diferentes,
se utiliza para que los usuarios puedan descargar datos de uno o más países. Uso: library(countrycode) data(codelist) country_set <- codelist country_set<- country_set %>% select(country.name.en , iso2c, iso3c, imf,
continent, region) %>% filter(!is.na(imf) &
!is.na(iso2c)) |
|
imf_databases |
Se utiliza para
conocer las diferentes bases de datos existentes dentro del FMI. Uso: imf_databases<-imf_ids() Donde imf_ids()
es: Lista de ID de la base de datos del IMF. |
|
imf_codelist |
Recupera la
lista de códigos de una base de datos individual del FMI (Fondo Monetario
Internacional). Estas pueden ser de escala, frecuencia, área geográfica,
indicador o un formato de tiempo. Uso: IPC_codelist <- imf_codelist(database_id= "CPI") |
|
imf_codes |
Sirve para
hacer uso de los diferentes códigos existentes en imf_codelist.
Uso: IPC_codigos_indicadores <- imf_codes(codelist =
"CL_INDICATOR_CPI") Mediante
este código se podrá obtener acceso a los diferentes indicadores del Índice
de Precios al Consumidor. |
|
Freq |
Sirve para
seleccionar la frecuencia en la que se quiera obtener los datos Uso: Freq = ‘A’ (para datos
anuales) Freq = ‘M’ (para datos
mensuales) |
|
Country |
Para seleccionar
el país de interés |
|
Start y current_Year |
Para
seleccionar el año de inicio y final de los datos a obtener |
- Comtradr
Inventario de las series disponibles para la API de Naciones Unidas (comtradr).
|
Serie |
Descripción |
|
ct_search() |
ct_search(reporters = "El Salvador",
partners = c("País 1", "País 2 ", … “Pais etc"),
trade_direction = "imports") ct_search realiza
consultas a la API Comtrade de la ONU, los datos se
devuelven como un marco de datos ordenado ·
reporters: País(es)
de interés, como vector de caracteres. Puede ser un vector de nombres de
países o "All"
para representar a todos los países. ·
Partners: País(es) que
han interactuado con el(los) país(es) informante(s), como un vector de
caracteres. Puede ser un vector de nombres de países o "all" para representar a todos los países. ·
trade_direction; se refiere al
indicador comercial que requerimos conocer, los cuales pueden ser; "imports",
"exports", "re_imports",
"re_exports", caso contrario al no indicarserle el valor predeterminado es "all". |
|
ct_country_lookup() |
Es útil para buscar el nombre de un país del cual desconocemos su
escritura correcta en la base de datos, Ejemplo: ct_country_lookup("korea") Y obtenemos como resultado [1] "Dem. People's Rep. of
Korea" "Rep. of Korea" |
|
ct_commodity_lookup() |
Esta es una
función auxiliar para consultar la base de datos de productos el código de
este. Ejemplo: ct_commodity_lookup("tomato"). Y obtenemos como resultado [1] "0702 - Tomatoes;
fresh or chilled"
[2] "070200 - Vegetables; tomatoes, fresh or
chilled" |
|
ct_register_token |
Función para configurar un token de API Comtrade de la ONU. |
|
ct_update_databases |
Esta función
verificará si Comtradr ha realizado alguna
actualización en cualquiera de las bases de datos. Si hay una actualización
encontrada, descargará la base de datos actualizada y la guardará en el
directorio del paquete comtradr, y actualizará la
base de datos para su uso dentro de la sesión actual de R. |
- Quantmod:
Inventario de las series disponibles para la API de Yahoo Finance (quantmod).
|
SERIE |
DESCRIPCION |
|
getSymbols |
getSymbols es
un contenedor para cargar datos de varias fuentes, locales o
remotas. Los datos son 'cargados' silenciosamente por la función en el
entorno especificado. Su formato más
común es: getSymbols(" ", src = , from = as.Date("
"), to = as.Date(" "), periodicity =
) |
|
chartSeries |
Dentro de la librería quantmod
nos sirve para dibujar los gráficos que por defecto los crea en formato de
velas japonesas, por ejemplo: chartSeries(GOOG,
#Ticker de la empresa theme =
chartTheme("white"),
#Tema o fondo que tendra el grafico bar.type = "hlc", up.col
= "green", #Color de la vela alza dn.col
= "pink") #Color de la vela baja |
|
Head() |
Nos muestra los primeros datos de nuestra
serie en análisis o estudio por ejemplo, si deseamos
conocer los primeros datos de Google seria: Head(GOOG) |
|
Tail() |
Este comando nos indica o nos muestra
cuales son los últimos datos de nuestra serie en estudio, por ejemplo: Tail(GOOG) nos mostrara los últimos datos de
la serie Google |
|
Plot |
Es otra forma manera en que podemos
imprimir el grafico de nuestra serie en estudio. |
Bibliografía
FMI. (s.f.). Fondo Monetario Internacional. Obtenido de ¿Qué es el FMI?: https://www.imf.org/es/About/Factsheets/IMF-at-a-Glance
Finance-r. (s.f.). Obtenido de Introducción a las finanzas quantitativas: https://finance-r.netlify.app/quantmod.html
Mundial, B. (s.f.). Banco Mundial. Obtenido de El Grupo Banco Mundial y el Fondo Monetario Internacional (FMI): https://www.bancomundial.org/es/about/history/the-world-bank-group-and-the-imf
Naciones Unidas, C. E.-C. (s.f.). Repositorio Cepal. Obtenido de Guía Básica de Conceptos y Nomenclaturas de Bases de Datos y Aplicaciones de Comercio Internacional : https://repositorio.cepal.org/bitstream/handle/11362/25806/1/LCmexL784_es.pdf
h1,h2,h3,h4{
font-size:14px;
font-weight: bold;
font-family: 'Times New Roman', Times, serif;
line-height:2;
}
h1 {
text-align: center;
}
h4{
text-align:center;
font-weight: bold
}
p, li{
text-indent: 40px;
font-size:12 px;
font-family: 'Times New Roman', Times, serif;
line-height: 2;
}