estudodecorrelacaoparte2

---
output:
  word_document: default
  html_document: default
---
# Estudo de correlação entre ações da Bolsa de Valores de São Paulo - Continuação

### Continuando nosso estudo de correlação que iniciamos no post anterior, vamos expandir um pouco nossa análise. E se estivéssemos procurando as correlações entre os setores econômicos, e não mais entre empresas, como da outra vez? Será que o setor bancário é mais correlacionado com o de celulose ou de varejo? Vejamos então nessa segunda etapa da nossa análise as correlações entre setores.

### Para representar o desempenho dos setores, criaremos para cada um uma espécie de 'índice', que representa as variações no preços das ações daquele setor que estamos estudando.

### Temos várias formas de fazer isso. Uma delas seria dar peso a cada papel e depois calcular a média ponderada para obter o índice. Para simplificar a análise, optei por calcular a média aritmética

### O primeiro passo é carregar as libraries que precisaremos para o estudo
```{r setup, include=TRUE, warning=FALSE, message=FALSE}
library(ggplot2)
library(readr)
library(dplyr)
library(corrplot)
library(plotly)
```

## Importando dados das ações
```{r, include=TRUE, warning=FALSE, message=FALSE}
path <- "C:/Users/..."

setwd(path)

oname <- list.files(path=getwd())  

numfiles <- length(oname) 

Adjcloses <- read.csv("BBAS3.SA.csv")[1]

for(i in c(1:numfiles))
{
  name <- substr(oname[i],length(oname[i]),length(oname[i])+4)
  temp <- assign(name, read.csv(oname[i],
                          col.names = c("Date", "Open", "High", "Low", "Close", 
                                        paste(name),"Volume"), na.strings=c("","null")
        ))
  Adjcloses <- merge(Adjcloses,temp[,c(1,6)],by="Date",all = TRUE)     
}

Adjcloses$Date1 <- as.Date(Adjcloses$Date, format = "%Y-%m-%d")

aa <- Adjcloses

Adjcloses[ Adjcloses==0 ] <- NA

```

## Vamos criar um dataset para cada setor da economia
### Bancos
Vamos agora criar uma matriz de correlação entre o preço das ações do setor bancário  

```{r, fig.height = 5, fig.width = 5, fig.align = "center",echo=F}
bancos <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","ABCB4","BBAS3","BBDC4","ITUB4"))]

bancos <- na.omit(bancos)

bancos$ibancos <- (rowSums(cbind(bancos$ABCB4,3*bancos$BBAS3,3*bancos$BBDC4,
                      bancos$BPAN4,3*bancos$ITUB4),na.rm = TRUE))/11

bancos[ bancos==0 ] <- NA

bancos[,-c(5,6)] %>%
  cor(use="complete.obs", method="pearson") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

Para criar o indicador do setor bancário, façamos uma média ponderada das ações ABCB4, BBAS3, BBDC4 e ITUB4

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


# Transformar zeros restantes em NAs

#bancos <- bancos[bancos$ibancos!=0,]

 b<-ggplot()+geom_line(data = bancos, aes(x = bancos$Date1, y = bancos$ibancos), colour = "#D55E00") +
  xlab('Data') +
  ylab('Preço')
 
 print(b)

```

### Celulose  
Vamos agora criar uma matriz de correlação entre o preço das ações do setor de celulose  

```{r fig.height = 2, fig.width = 2, fig.align = "center",echo=F}
celulose <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","FIBR3","SUZB5"))]

celulose <- na.omit(celulose)

celulose$icelulose <- (rowSums(cbind(celulose$SUZB5,celulose$FIBR3),na.rm = TRUE))/2

celulose[ celulose==0 ] <- NA

celulose[,-c(3,4)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1, tl.pos = "t", cl.pos=F)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

p <- ggplot()+geom_line(data = celulose, aes(x = celulose$Date1, y = celulose$icelulose),colour="#009E73") +
  xlab('Data') +
  ylab('Preço')

print(p)

```



### Varejo
Vamos agora criar uma matriz de correlação entre o preço das ações do setor de varejo  

```{r fig.height = 4, fig.width = 4, fig.align = "center",echo=F}
varejo <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","BTOW3","LAME4","LREN3","HGTX3"))]

varejo <- na.omit(varejo)

varejo$ivarejo <- (rowSums(cbind(varejo$BTOW3,2*varejo$LAME4,2*varejo$LREN3,varejo$HGTX3),na.rm = TRUE))/6

varejo[ varejo==0 ] <- NA

varejo[,-c(5,6)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

v <- ggplot()+geom_line(data = varejo, aes(x = varejo$Date1, y = varejo$ivarejo), colour ="#E69F00") +
  xlab('Data') +
  ylab('Preço')

print(v)

```




### Construção
Vamos agora criar uma matriz de correlação entre o preço das ações do setor de construção  

```{r fig.height = 3, fig.width = 3, fig.align = "center",echo=F}
construcao <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","CYRE3","EZTC3","MRVE3"))]

construcao <- na.omit(construcao)

construcao$iconstrucao <- (rowSums(cbind(construcao$CYRE3,construcao$EZTC3,construcao$MRVE3),na.rm = TRUE))

construcao[construcao==0 ] <- NA


construcao[,-c(4,5)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  


```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações

#celulose <- celulose[celulose$icelulose!=0,]

c <- ggplot()+geom_line(data = construcao, aes(x = construcao$Date1, y = construcao$iconstrucao),colour="#000095") +
  xlab('Data') +
  ylab('Preço')
#"#E69F00"
c

```



### Mineradoras/Metalúrgicas

Vamos agora criar uma matriz de correlação entre o preço das ações do setor de mineração/metalurgia 

```{r fig.height = 5, fig.width = 5, fig.align = "center",echo=F}
metal <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","USIM5","GOAU4","CSNA3","VALE5"))]

metal <- na.omit(metal)

metal$imetal <- (rowSums(cbind(metal$USIM5,metal$GOAU4,metal$CSNA3,metal$VALE5),na.rm = TRUE))

metal[metal==0 ] <- NA

metal[,-c(5,6)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

c <- ggplot()+geom_line(data = metal, aes(x = metal$Date1, y = metal$imetal),colour="#A4A4A4") +
  xlab('Data') +
  ylab('Preço')
#"#E69F00"
c

```


### Serviços Públicos

Vamos agora criar uma matriz de correlação entre o preço das ações do setor de serviços públicos  

```{r fig.height = 4, fig.width = 4, fig.align = "center",echo=F}
servicos <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","SAPR4", "SBSP3", "CGAS3"))]

servicos <- na.omit(servicos)

servicos$iservicos <- (rowSums(cbind(servicos$SAPR4, servicos$SBSP3, servicos$CGAS3 ),na.rm = TRUE))

servicos[servicos==0 ] <- NA


servicos[,-c(4,5)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações

#celulose <- celulose[celulose$icelulose!=0,]

c <- ggplot()+geom_line(data = servicos, aes(x = servicos$Date1, y = servicos$iservicos),colour="#56B4E9") +
  xlab('Data') +
  ylab('Preço')

c

```

### Energia Elétrica  
Vamos agora criar uma matriz de correlação entre o preço das ações do setor de energia elétrica  


```{r fig.height = 5, fig.width = 5, fig.align = "center",echo=F}
eletricas <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","CMIG4", "ELET3", "ELPL4", "ENBR3", "EQTL3"))]

eletricas <- na.omit(eletricas)

eletricas$ieletricas <- (rowSums(cbind(eletricas$CMIG4,eletricas$ELET3,eletricas$ELPL4,eletricas$ENBR3,eletricas$EQTL3),na.rm = TRUE))

eletricas[eletricas==0 ] <- NA

eletricas[,-c(6,7)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

c <- ggplot()+geom_line(data = eletricas, aes(x = eletricas$Date1, y = eletricas$ieletricas),colour="#FF9999") +
  xlab('Data') +
  ylab('Preço')

c

```



### Petróleo e Gás  

Vamos agora criar uma matriz de correlação entre o preço das ações do setor de petróleo e gás 


```{r fig.height = 2, fig.width = 2, fig.align = "center",echo=F}
petroleo <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","PETR4","QGEP3"))]

petroleo <- na.omit(petroleo)

petroleo$ipetroleo <- (rowSums(cbind(4*petroleo$PETR4,petroleo$QGEP3),na.rm = TRUE))/5

petroleo[ petroleo==0 ] <- NA

petroleo[,-c(3,4)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1, tl.pos = "t", cl.pos=F)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

p <- ggplot()+geom_line(data = petroleo, aes(x = petroleo$Date1, y = petroleo$ipetroleo),colour="#009E73") +
  xlab('Data') +
  ylab('Preço')

print(p)

```


### Maquinário  

Vamos agora criar uma matriz de correlação entre o preço das ações do setor de maquinário   


```{r fig.height = 5, fig.width = 5, fig.align = "center",echo=F}
maquinario <- Adjcloses[ ,which(names(Adjcloses) %in% c("Date1","MYPK3","POMO4","RAPT4","TUPY3","WEGE3"))]

maquinario <- na.omit(maquinario)

maquinario$imaquinario <- (rowSums(cbind(maquinario$MYPK3,maquinario$POMO4,maquinario$RAPT4,maquinario$TUPY3,3*maquinario$WEGE3),na.rm = TRUE))/7

maquinario[maquinario==0 ] <- NA
maquinario[,-c(6,7)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=2,number.font=1)

```

---  

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações


#celulose <- celulose[celulose$icelulose!=0,]

c <- ggplot()+geom_line(data = maquinario, aes(x = maquinario$Date1, y = maquinario$imaquinario),colour="#FF7199") +
  xlab('Data') +
  ylab('Preço')

c

```

```{r, echo=F, warning=FALSE, message=FALSE, fig.width = 5}
# Criar gráfico da variação do preço das ações
total <- merge(bancos,celulose,by="Date1")

total <- merge(total,construcao,by="Date1")

total <- merge(total,eletricas,by="Date1")

total <- merge(total,maquinario,by="Date1")

total <- merge(total,metal,by="Date1")

total <- merge(total,petroleo,by="Date1")

total <- merge(total,servicos,by="Date1")

total <- merge(total,varejo,by="Date1")

total <- total[ ,which(names(total) %in% c("Date1","ibancos","icelulose","iconstrucao","ieletricas","imaquinario","imetal","ipetroleo","iservicos","ivarejo"))]

```

```{r fig.height = 7, fig.width = 7, fig.align = "center",echo=F}
total[,-c(1)] %>%
  cor(use="complete.obs", method="spearman") %>%
  corrplot(type="lower", method="number", diag=FALSE,number.cex=1.5,number.font=1)

```