Informatyka ekonomiczna (kierunek informatyka i ekonometria) - laboratorium 7

¹ Zakład Bioinformatyki, Instytut Informatyki, Uniwersytet w Białymstoku

^✉ Correspondence: Jarosław Kotowicz <j.kotowicz@uwb.edu.pl>

1 Praca z bazami danych ekonomicznych na przykładzie danych udostępnianych przez NBP

Podczytanie biblioteki rnbp

library(rnbp)

library(tidyverse)

1.1 Złoto

Pobranie danych dotyczących ceny złota z ostatnich 93 dni get_last_n_goldprices oraz wyłuskanie tabeli $content.

gold.93 <- get_last_n_goldprices(93)
gold.93.df <- gold.93$content

Obejrzenie jak dane wyglądają (początkowe 12 wierszy)

gold.93.df %>% head(12)

Wyliczymy cenę uncji złota w PLN oraz w USD.

1.1.1 Wyznaczamy wagę uncji w gramach.

ozt <- 31.1034768

1.1.2 Bieżący kurs dolarów amerykańskich USD (funkcja get_current_exchangerate).

waluta_USD <- get_current_exchangerate("A", "USD")
USD.cena <- (waluta_USD$content[[4]])$mid

1.1.3 Kurs dolara amerykańskiego USD w ciągu ostatnich 93 dni.

waluta_USD.93 <- get_last_n_exchangerates("A", "USD", 93)
USD.cena.93 <-(waluta_USD.93$content)[[4]]$mid

1.1.4 Cena uncji złota w PLN

gold.93.df <- gold.93.df %>%
  mutate(cena.ozt.PLN = cena*ozt)

1.1.5 Cana uncji złota w USD (cena.ozt.USD cena według bieżącego kursu i cena.ozt.USD.93 cena według kursu z dnia wyceny złota).

gold.93.df <- gold.93.df %>%
  mutate(cena.ozt.USD = cena.ozt.PLN/USD.cena,
         cena.ozt.USD.93 = cena.ozt.PLN/USD.cena.93)

1.1.6 Wykres zmian cen złota.

gold.93.df %>% ggplot(aes(x = data, y = cena)) +
  geom_point(color = "gold") +
  geom_line(aes(x = data, y = cena), stat="identity", color = "gold3")+
  labs(title = "Kształtowanie się ceny złota w NBP o okresie ostatnich 93 dni",
       x = "Data",
       y = "Cena [PLN/g]",
       caption = "Opracowanie własne na podstawie danych NBP.") +
  theme(plot.title = element_text(hjust=0.5))

1.2 Waluty

1.2.1 Pobieranie bieżącego kursu euro

waluta_EUR <- get_current_exchangerate("A", "EUR")

1.2.1.1 Co właściwie zostało pobrane.

waluta_EUR %>% class()

[1] "nbp_api_response"

waluta_EUR %>% length()

[1] 3

waluta_EUR %>% names

[1] "content"  "path"     "response"

waluta_EUR$content %>% length()

[1] 4

waluta_EUR$content %>% names

[1] "table"    "currency" "code"     "rates"   

(waluta_EUR$content)$rates %>% class

[1] "data.frame"

(waluta_EUR$content)$rates %>% dim

[1] 1 3

(waluta_EUR$content)$rates

Tutaj ostateczny kurs średni euro

((waluta_EUR$content)$rates)$mid

[1] 4.5523

1.2.1.2 Jak to zrobić inaczej przy pomocy operatora odwołania do n-tego elementu listy [[n]]

((waluta_EUR[[1]])[[4]])[[3]]

[1] 4.5523

1.2.1.3 Można to mieszać

(waluta_EUR$content)[[4]]

((waluta_EUR$content)[[4]])[[3]]

[1] 4.5523

((waluta_EUR$content)[[4]])$mid

[1] 4.5523

1.2.2 Pobieranie n ostatnich kursów waluty

waluta_EUR.93 <- get_last_n_exchangerates("A", "EUR", 93)
(waluta_EUR.93$content)$rate

1.2.3 Wykonanie rysunku zmian kursu euro w okresie ostatnich 93 dni.

(waluta_EUR.93$content)$rate %>% 
  ggplot(aes(x = effectiveDate, y = mid)) +
  geom_point(color = "blue") +
  geom_line(aes(x = effectiveDate, y = mid), stat="identity", color = "blue")+
  labs(title = "Kształtowanie się ceny Euro w NBP o okresie ostatnich 93 dni",
       x = "Data",
       y = "Cena euro [PLN]",
       caption = "Opracowanie własne na podstawie danych NBP.") +
  theme(plot.title = element_text(hjust=0.5))

2 Praca domowa

1. Weź trzy waluty (GBP, USD, JPY), pobierz dane z ostatnich 93 dni, stwórz ramkę danych zwierającą daty, i kursy tych walut, narysuj na jednym wykresie zmienę ich kursu.
2. Dla złota narysuj wykres zmian ceny w ciągu ostatnich 93 dni, z tym mają być dwie osi Y (na prawym i lewym końcu obszaru rysunku) na lewym brzegu ma być cena w PLN, a na prawym w USD.