#### Ejercicio Analítica Financiera: Tipos de Datos

library(dygraphs)
library(xts)
library(quantmod)
library(dplyr)

options(warn = - 1)
######################################################
###Primero, generemos una función que ayude a simplificar los tipos de
datos que deseamos de la fuente de
#información financiera.
#En este ejemplo, los datos de Cierre y Volúmenes, que dependerán del
simbolo o ticker
#del activo y a partir de qué año se consultan:

##Datos:

precios_volumenes <- function(simbolo, year)

{
# Obtener precios stocks de Yahoo Finance
datos <- getSymbols(simbolo, src = "yahoo", auto.assign = FALSE)
# Eliminando valores faltantes
datos <- na.omit(datos)
# Mantenemos columnas con Precios de Cierre y Volúmenes, columnas 4 y 5
de cada stock:
datos <- datos[, 4:5]
# Para hacer los datos accesibles, asignamos a Global Environment:
assign(simbolo, datos, envir = .GlobalEnv)
}

# Llamamos la función para cada stock desde el 2014:

precios_volumenes("AMZN", 2014)
precios_volumenes("NFLX", 2014)
precios_volumenes("IBM", 2014)
precios_volumenes("SPY", 2014)

# Juntamos los datos y renombramos las columnas:

PyV <- merge.xts(AMZN, NFLX, IBM, SPY)
colnames(PyV) <- c("Amazon P.Cierre","Amazon Vol", "Netflix
P.Cierre","Netflix Vol",
"IBM P.Cierre", "IBM Vol", "SP500 P.Cierre", "SP500
Vol")

##Serie De Tiempo:
# Podemos generar una gráfica interactiva las variables, en este caso de
los precios:
Precios<- dygraph(PyV[,c(1,3,5,7)], main = "Precios de Amazon, Netflix,
IBM y SP&500") %>%
dyAxis("y", label = "Precios") %>%
dyRangeSelector(dateWindow = c("2014-01-01", "2020-07-01")) %>%
dyOptions(colors = RColorBrewer::brewer.pal(4, "Set1"))
Precios

# Podemos ver los 5 ultimos datos redondeando hasta 3 decimales:

round(tail(PyV, n = 5), 3)
#########################################################################
################################
# Ejemplo de Panel Data, generemos una list de objetos dygraphs, y para
imprimirlos usamos htmltools:
library(dygraphs)
library(htmltools)
dy_graficos <- list(
dygraphs::dygraph(PyV[,c(1,3,5,7)], main = "Precios de Amazon, Netflix,
IBM y SP&500"),
dygraphs::dygraph(PyV[,c(2,4,6,8)], main = "Volumenes de Amazon,
Netflix, IBM y SP&500"))

# Representemos los objetos dygraphs usando htmltools

htmltools::browsable(htmltools::tagList(dy_graficos))

#########################################################################
######################
### Datos tipo Transversales o Cross Sectional
### Seleccionaremos los datos de AMZN del 2014 y del 2020.
#Empecemos seleccionando los años 2014 de AMZN que es la 1ra columna.

AMZN_2014<-subset(PyV[,1], index(PyV)>="2014-01-01"& index(PyV)<="2014-

12-31")
AMZN_2014[c(1:5, nrow(AMZN_2014))]
#Para el año 2020:
AMZN_2020<-subset(PyV[,1], index(PyV)>="2020-01-01"& index(PyV)<="2020-
12-31")
AMZN_2020[c(1:5, nrow(AMZN_2020))]

## Ahora, podemos tambien visualizarlo, elegimos un histograma

par(mfrow=c(2,1))

hist(AMZN_2014, freq = FALSE, col="yellow", border="blue",main=

"Dansidades de los Precios AMZN en 2014", xlab = "Precios Cierre")
lines(density(AMZN_2014), lwd = 2, col = 'red')
hist(AMZN_2020, freq = FALSE, col="blue", border="blue",main= "Dansidades
de los Precios AMZN en 2020", xlab = "Precios Cierre")
lines(density(AMZN_2020), lwd = 2, col = 'red')