Recentemente pensei em analisar dados de empresas de petróleo da Bolsa de Valores do Brasil. Em particular, estava interessado em ver qual empresa teve a maior valorização da cotação da sua ação nos últimos cinco anos.
Para encontrar a lista de empresas de petróleo listadas na B3, eu conferi a página com a Classificação Setorial da B3, setor Petróleo, Gás e Biocombustíveis, Segmento Exploração, Refino e Distribuição. Encontrei 10 empresas, com os códigos RRRP3, CSAN3, ENAT3, PETR4, RECV3, PRIO3, RAIZ4, RPMG3, UGPA3 e VBBR3.
Isto posto, eu precisava baixar os dados das cotações das empresas. Para isso, usei o pacote yfR. Como os dados são baixados do Yahoo Finance, é importante adicionar a string .SA ao final do código de cada ação:
library(yfR)
library(lubridate)
petroleo <- c("RRRP3.SA", "CSAN3.SA", "ENAT3.SA", "PETR4.SA", "RECV3.SA",
"PRIO3.SA", "RAIZ4.SA", "RPMG3.SA", "UGPA3.SA", "VBBR3.SA")
dados <- yf_get(petroleo,
first_date = ymd("2019-01-01"),
last_date = ymd("2024-04-19"),
thresh_bad_data = 0)
Como cada empresa tem um período diferente de abertura de capital na bolsa, eu preciei manter apenas os resultados a partir da abertura de capital da empresa mais recente. Assim, estaria utilizando a mesma janela temporal para todas as empresas.
library(tidyverse)
theme_set(theme_minimal())
dados |>
group_by(ticker) |>
summarise(minimo = min(ref_date)) |>
arrange(desc(minimo))
## # A tibble: 10 × 2
## ticker minimo
## <chr> <date>
## 1 RAIZ4.SA 2021-08-05
## 2 RECV3.SA 2021-05-05
## 3 RRRP3.SA 2020-11-12
## 4 CSAN3.SA 2019-01-02
## 5 ENAT3.SA 2019-01-02
## 6 PETR4.SA 2019-01-02
## 7 PRIO3.SA 2019-01-02
## 8 RPMG3.SA 2019-01-02
## 9 UGPA3.SA 2019-01-02
## 10 VBBR3.SA 2019-01-02
data_minima <- ymd("2021-08-05")
dados_filtrados <-
dados |>
filter(ref_date >= data_minima)
Como o meu interesse é descobrir qual ação valorizou mais, eu transformei o preço ajustado de cada dia de negociação de cada ação. Igualei o primeiro dia a 100 e calculei proporcionalmente todas as outras cotações em relação a este valor. O resultado está abaixo:
dados_transformados <-
dados_filtrados |>
select(ticker, ref_date, price_adjusted) |>
group_by(ticker) |>
mutate(preco_100 = price_adjusted/first(price_adjusted)*100)
ggplot(dados_transformados, aes(x = ref_date, y = preco_100, label = ticker, colour = ticker)) +
geom_line() +
scale_colour_viridis_d() +
labs(x = "Data", y = "Preço Normalizado", colour = "Ação")
Achei que esta visualização não está boa, porque é difícil comparar as cores entre as ações. Por isso, adicionei um label a cada ação, para que a função ggrepel::geom_label_repel pudesse identificar o nome de cada ação à direita do gráfico. Além disso, limpei o nome dos tickets retirando a string .SA de cada um deles.
library(ggrepel)
dados_transformados <-
dados_filtrados |>
select(ticker, ref_date, price_adjusted) |>
mutate(ticker = gsub("\\.SA", "", ticker)) |>
group_by(ticker) |>
mutate(preco_100 = price_adjusted/first(price_adjusted)*100) |>
mutate(label_simples = ifelse(ref_date == last(ref_date), ticker, NA))
ggplot(dados_transformados, aes(x = ref_date, y = preco_100, colour = ticker)) +
geom_line() +
scale_colour_viridis_d() +
labs(x = "Data", y = "Preço Normalizado", colour = "Ação") +
geom_label_repel(aes(label = label_simples),
nudge_x = 100,
na.rm = TRUE) +
scale_x_date(date_breaks = "3 month", date_labels = "%B/%Y") +
theme(legend.position = "none",
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1))
Por fim, com o uso do pacote gghighlight, destaquei apenas as ações da Petrobrás e da Petro Rio no meu gráfico, de modo a ter apenas estas duas ações em destaque.
library(gghighlight)
ggplot(dados_transformados, aes(x = ref_date, y = preco_100, colour = ticker)) +
geom_line() +
scale_colour_viridis_d() +
labs(x = "Data", y = "Preço Normalizado", colour = "Ação") +
gghighlight(ticker %in% c("PETR4", "PRIO3")) +
scale_x_date(date_breaks = "3 month", date_labels = "%B/%Y") +
theme(legend.position = "none",
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1))
