Dizel fiyatları ne kadar yüksek? EIA ile TCMB veritabanını birleştirmek¶
Bu derste daha önce nasıl bağlanacağımızı gördüğümüz iki veritabanından farklı verileri alıp, aynı tarihlerde birleştirerek bir analiz yapacağız. Sırasıyla:
- EIA veritabanından günlük Brent, WTI ve Los Angeles dizel (ULSD-ultra low sulphur diesel)
- TCMB'den günlük ABD doları TL kurunu çekmek
- İki veri setini aynı tarihlerde birleştirme
- ÖTV ve KDV ekleyerek nihai yakıt fiyatını bulma konularını işleyeceğiz. Gerçek hayatta akaryakıt fiyatları "en yakın erişilebilir piyasa" olarak Genova'yı gördüğü için ABD fiyatları ile bizim fiyatların bir ilişkisi yoktur. Sadece bir analiz yöntemi.
EIA veritabanından veri çekmek¶
Daha önce incelediğimiz gibi EIA veri tabanından veri çekmek için "EIAdata" kütüphanesini kullanıyoruz. Eğer bu kütüphane yüklü değilse aşağıdaki komut ile yüklüyoruz.
install.packages("EIAdata")
Yüklediyseniz ve bir sorun olmadı ise kütüphaneyi kullanacağımızı bildirerek programa başlayalım.
library("EIAdata")
R dersleri 12'de anlatıldığı gibi EIA'dan data EIA veri erişimi için email adresinizi girerek veri anahtarını alın. Ben kendi anahtarımı kendime saklayacağım, bu sebeple sahte bir XXXXX anahtarı yazıyorum. Bu anahtarla program çalışmaz, veri çekemezsiniz.
KENDİ ANAHTARINIZI ALIN ve XXXXXXXX YERİNE YAZIN
keyEIA<-"XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
Hangi Verileri Alacağız¶
EIA'nın, yine ders 12'de anlatıldığı şekilde veri kataloğundan ilgili verilerin kodlarını buluyoruz. Ben google'da "eia spot prices" yazarak gelen sayfaya tıklıyorum. Bu sayfa . Burada anahtar ikonunun üzerine gelerek veya tıklayarak açılan web adresinin son kısmına bakıyorum:
Kullanacağım ürünler ve kodları, günlük olarak (dikkat ederseniz kodların sonu hep ".D" ile bitiyor)
- WTI petrol için PET.RWTC.D
- Brent petrol için RBRTE.D
- Los Angeles limanı teslim ultra düşük kükürtlü dizel (ULSD) için PET.EER_EPD2DC_PF4_Y05LA_DPG.D
- New York limanı teslim ULSD için PET.EER_EPD2DXL0_PF4_Y35NY_DPG.D
EIA'dan çekeceğimiz 3 veri bu kadar. Maalesef veriler için bir tarih aralığı veremiyoruz. Sistem otomatik ne bulduysa çekiyor.
Verileri getEIA komutu ile çekiyoruz, istediğimiz veri kodunu girdikten sonra anahtarımızın yeraldığı değişkenin de ismini yazmayı unutmayın, yoksa veri gelmez. Hata verir.
Kısaca getEIA(ID=verikodu, key=anahtarınız)
wti=getEIA(ID = "PET.RWTC.D", key = keyEIA) # WTI
brent=getEIA(ID = "PET.RBRTE.D", key = keyEIA) # Brent
dizel=getEIA(ID = "PET.EER_EPD2DC_PF4_Y05LA_DPG.D", key = keyEIA) # New York Dizel
3 ayrı veri geldi. şimdi verileri ister mesela:
- head(wti) diye başlarına bakabiliriz.
- plot(wti) diye grafikleyebiliriz de...
Ben önce bu üç veri setini merge komutu ile birleştirmeyi seçiyorum. merge aynı tarih olacak şekilde 3 veri setini birleştiriyor ve bunu da toplam değişkenine atıyorum
toplam<-merge(wti,brent,dizel)
Eğer bu noktaya kadar herhangi bir sorun yaşamadıysanız verilerin baş kısmına bakalım. Unutmayın
- head komutu ile verinin baş kısmına
- tail komutu ile verinin son kısmına bakabiliyoruz
head ile baktığımızda bir kısım verilerin mesela Brent ve LA fiyatlarının olmadığını görürürüz
head(toplam)
Şimdi bir de en son hangi veriler varmış, tail komutu ile bakalım.
tail(toplam)
Ne olur ne olmaz diye verileri bir defa saklayalım, bir daha internete bağlanıp veri indirme derdimiz olmasın. Bunun için "saveRDS" komutu, okumak için de "readRDS" komutunu kullanıyoruz
saveRDS(toplam,"20171122toplam.rds")
Veri setlerini zaman serilerine çevirmek¶
Burada öncelikle toplam değişkenimizin ne cins bir değişken olduğuna bakalım
class(toplam)
Eğer veriyi geri çekmemiz gerekirse readRDS'de daima xts kütüphanesini ve as.xts komutunu kullanmamız gerekecek. Bu satırı ÇALIŞTIRMAYIN sadece başlamak isterseniz buradan başlayabilirsiniz
#------------------------------------
# program buradan da çalışır
#------------------------------------
library(xts)
toplam<-as.xts(readRDS("20171122toplam.rds"))
head(toplam)
Sütunlardaki eksikleri bulmak, hesap yapmak, yeni sütun eklemek¶
Bu kısımda ben teknik bir hesap yapıyorum.
- 1 varil petrol 42 gallon'a eşit.
- ABD'de yakıtlar gallon üzerinden hesaplanıyor.
- Ben 1 gallon WTI petrolün 1 gallon dizel'e oranını buluyorum.
Kısaca Daha önce de yaptığım gibi burada internetten aldığım verileri korumak için tüm toplam değişkenini ytoplam değişkenine atıyorum. Artık işlemlere ytoplam üzerinden devam edeceğim.
Ardından ytoplam[,3] ile 3. sütunda yer alan dizel fiyatını, ytoplam[,1] de yer alan WTI fiyatının 42'ye bölünmesi sonucu bulunan 1 gallon WTI fiyatına bölüyorum. Bölümü yeni sütun olarak wti2diesel sütununa aktarıyorum.
ytoplam<-toplam
ytoplam$wti2diesel<-ytoplam[,3]/(ytoplam[,1]/42)
Tüm veriler yerinde mi diye head komutu ile bakabilirim.
- head(ytoplam)
Eğer herşey yerinde ve en sona wti2diesel sütunu eklendi ise her şey yolundadır demektir.
Fakat burada bazı satırlarda veri olmayabilir veya sonuçsuz satırlar olabilir. complete.cases komutu ile eğer bir satırdaki tüm değişkenler tam ise o satır numarasını geri dönen, değilse satır numarasını vermeyen/atlayan bir komut.
Aşağıdaki komut ile yeni tablomuzda sadece tüm değişkenlerin olduğu satırları temizyeni değişkenine atıyoruz.
temizyeni<- ytoplam[complete.cases(ytoplam),]
Şimdi temiz yeni değişkeninin ilk satırlarına head komutu ile bir bakalım
head(temizyeni)
1 Gallon Los Angeles dizelin 1 gallon ham petrole oranını grafiklemek¶
Daha önceki R derslerinde görmüştük. Tekrar edelim. Tüm verilerin olduğu temizyeni tablosundaki wti2diesel sütununu seçmek için:
- temizyeni\$wti2diesel yazıyoruz. *"$"* yani dolar çok kritik, temizyeni altındaki wti2diesel sütunu demek
Plot komutunda bir ayrıntı yok zaten, değişken sütunu veriyoruz, bir de grafik başlığını. Plot için özel bir kütüphane kullanmaya da gerek yok.
plot(temizyeni$wti2diesel, main ="WTI ile Los Angeles dizel fiyat farkı")
Bazen grafik çok anlamlı olmayabilir. Bir de hesabın yani 1 gallon WTI ham petrolün 1 gallon dizel'e oranının istatistiksel özelliklerine bakalım.
Bunun için de summary komutunu kullanacağız
summary(temizyeni$wti2diesel)
Ayni hacimde WTI ham petrolü, LA dizelin 1.32'de biri gibi diye düşünebiliriz.
Aynı dizeli Brent'den elde etseydik...¶
Şimdi WTI'dan dizel çarpanını bulduğumuz için, bu çarpan ile 1 gallon Brent fiyatını çarparsak Brent'ten aynı dizelin elde edilme fiyatını buluruz.
DİKKAT: Farklı hampetrol, farklı rafinerilerde veya aynı rafinerilerde aynı ürünü vermez. Burada bir kabul yapıyoruz
Brent verileri hatırlayacağımız gibi 2.sütundaydı. 1 gallon Brent fiyatını bulmak için 2.sütunu 42'ye bölüyoruz:
- (temizyeni[,2]/42) : 2.sütundaki veriyi (Brent)'i 42'ye bölerek 1 varilden 1 gallon'a geç
# Peki Brent'e göre o dizel kaç olmalı
temizyeni$brent2diesel<-temizyeni$wti2diesel*(temizyeni[,2]/42)
Şimdi Brent'ten dizel fiyatını bulduğumuza göre, WTI'dan elde edilen LA Dizel ile Brent'ten biz bu dizeli elde etseydik fiyatını görelim. Son haftalarda durum ne olmuş: tail komutu
tail(temizyeni)
Grafik çizdirmek ve çizilen grafik alanını belirlemek¶
Ben de genelde 4. veya 5. satırdan sonraki satırlar bir alt kısma kayıyor. Ama grafik çizdirirken, çizdirmek istediğim:
- 3.sütundaki PET.EER vs diye başlayan Los Angeles dizel rakamı ile
- sütunda yer alan Brent'ten dizel elde etseydik fiyatı ne oldu hesabını
aynı grafikte çizdirmek istiyorum. Böylelikle WTI'dan elde edilen LA Dizel'inin, Brent'ten elde edilseydi fiyatı ne olurdu çözümünü bulacağım.
Bunun için önce 3. sütunu plot ile çizdiriyorum, sonra lines ile 5.sütunu ekliyorum. Ekrana sığsın diye "Jupyter Notebook" kullandığımdan "options" komutu ile çizim alanını inç cinsinden belirliyorum.
Burada plot ile ilk grafiği çizdirip, sonra legend ekleyerek sonra da doğru olarak "lines"'ı çizdiriyorum
options(repr.plot.width=4, repr.plot.height=4)
plot(temizyeni[,3], main ="Brent ve WTI'dan dizel fiyatları") # Önce LA Dizeli çizdirelim
# legend('topright', names(temizyeni[,c(3,5)]) ,col=c("black", "red"), cex=0.8, lty=1, bty='n')
legend('topright', c("WTI dizel","Brent dizel") ,col=c("black", "red"), cex=0.8, lty=1, bty='n')
lines(temizyeni[,5], col="red")
head(temizyeni)
Veriye yeniden şekil vermek¶
Verimizin böyle garip isimlere sahip sütunlardan yer alması hoş değil. Önce wti2diesel sütununu kaldıralım. Çünkü o çarpanı Brent'ten dizel hesaplamak için kullandık ve işi bitti. Bir sütunu silmek için o sütuna "NULL" atıyoruz.
temizyeni$wti2diesel<-NULL
Şimdi verimizdeki sütun isimlerine "names" komutu ile bakalım.
names(temizyeni)
Sütunlarımıza yeni ve anlaşılır isimler verelim. Pratikte 4 sütunumuz var: WTI, Brent, LADizel ve Brent2Diesel (yani Brent'den elde edilecek dizel fiyatı)
colnames(temizyeni)<-c("WTI","Brent","LADizel","Brent2Dizel")
Son değişikliklerden sonra bakalım verilerimiz ne oldu. İsterseniz benim açıklama # işareti ile başlayan satırı da çalıştırarak değişkenleri saklayabilirsiniz. Ben tercih etmedim. Verilerimiz 17 Nisan 1996'dan başlıyor, 20 KAsım 2017'ye kadar devam ediyor. Son verileri görmek için hep tail komutunu kullanıyoruz
head(temizyeni)
#saveRDS(temizyeni,"20171123-temizyeni.rds")
tail(temizyeni)
Merkez Bankasından son kur verilerini almak¶
Daha önce TCMB verilerine nasıl erişeceğimizi ders 11'de anlatmıştık. Orada verileri XML olarak almıştık. Şimdi ise yine aynı fonksiyonlarla bu sefer veriyi CSV olarak almaya çalışacağız.
LÜTFEN 11. DERSTEKİ İLK KISIMDAKİ TC MERKEZ BANKASI SAYFASINDAN KENDİ ANAHTARINIZI ALIN
Önce jenerik olan TCMB'den veri çekme fonksiyonumuzu yazalım. Bunun için RCurl ve daha sonra da kullanacağımız plyr kütüphanelerini kullanacağız. Eğer bu kütüphaneler yok ise hata verecektir. O zaman
install.packages("RCurl")
install.packages("plyr")
ile ilgili kütüphaneleri kurun, daha sonra aşağıdaki gibi ilgili kütüphaneleri çağırarak tcmb_evds fonksiyonunu sisteme tanıtalım.
library(RCurl)
library(plyr)
tcmb_evds<-function(veriseti,baslangic,son, anahtar) {
adres="https://evds2.tcmb.gov.tr/service/evds/"
seri=paste("series=",veriseti, sep="")
tarihler=paste("&startDate=",baslangic,"&endDate=",son, sep="")
tamamlayici=paste("&type=csv&key=",anahtar, sep="")
veriadresi<-paste(adres,seri,tarihler,tamamlayici, sep="")
xmlveri <- getURL(veriadresi, .opts = list(ssl.verifypeer = FALSE))
return(xmlveri)
}
Anahtarımızı sisteme tanıtalım
TCMBanahtar<-"XXXXXXXXX"
Şimdi az önce fonksiyon olarak verdiğimiz tcmb_evds fonksiyonunu belirlediğimiz tarihler arasındaki ABD Dolar döviz kuru için çağıralım. Burada:
- TP.DK.USD.A : ABD Dolarının TL karşılığı
Hangi verinin hangi koda karşılık geldiğini https://evds2.tcmb.gov.tr/ adresinden verileri seçerek bulabilirsiniz.
Daha önceki örneklerden farklı olarak bu sefer kuru "csv" formatında çekeceğiz. Daha önce XML almıştık.
csvkur<-tcmb_evds("TP.DK.USD.A","01-01-2005", "22-11-2017",TCMBanahtar)
TCMB'den verilen verinin temizlenmesi, zaman senkronizasyonu ve grafiklenmesi¶
Veriyi başarı ile çektiysek şimdi dikkatli olunması gereken kısım başlıyor.
- Veri "csv" formatında, isteyen head(csvkur) ile bakabilir
- Veriyi zaman serisi olarak sisteme tanıtmak ve ABD verisi ile birleştirmek için dikkatli olmamız gerek
- ayırıcı ","
- Zaman dilimi komutu tz="UTC" olarak belirtmezseniz herşey birleşince ekstra satırlar oluşur, mutlaka tz="UTC" olacak
- Format gün-ay-yıl çünkü merkez bankası öyle gönderiyor.
Veri dönüşüm aşamalarında her noktada veri başlığına tekrar göz atmak çok önemli... O yüzden işlem sonrası tekrar head(verikur) yapıyoruz
verikur<-read.zoo(text=csvkur,header=TRUE,sep=",",index=2, tz='UTC', format="%d-%m-%Y")
head(verikur)
Son satır olan UNIXTIME'ı siliyoruz, kısaca sütun adına NULL atayınca sütun gidiyor
verikur$UNIXTIME<-NULL
Tekrar verimize bakalım
head(verikur)
Şimdi verimizde "null" yazan satırlar var, bu satırların hepsini silerek verikur'daki verilerimizi zaman serisine dönüştürüyoruz. Aşağıdaki 3 satırda sırasıyla:
- ilk sütun (TP_DK_USD_A)'nın "null"'e eşit olmadığı satırları bulup verikur değişkeni üzerine yazıyoruz
- verikur değişkenini as.xts fonksiyonu ile zaman serisine dönüştürüyoruz
- gerçekten dönüştü mü diye cinsini sorguluyoruz class komutu ile
verikur<-verikur[verikur[,1]!="null",]
kur<-as.xts(verikur)
class(kur)
Şimdi de ABD dolar kurunun grafiğini çizelim
plot(kur)
Merkez Bankası verisi ile EIA petrol verisini birleştirmek¶
Daha önceki kısımlarda EIA'dan alıp daha sonra da hesapladığımız WTI, Brent, Los Angeles Dizel ve hesap ile bulduğumuz Brent'ten dizel sütunlarını içeren temizyeni ile az önce zaman serisine dönüştürdüğümüz TCMB döviz kuru kur tablolarını merge komutu ile birleştiriyoruz.
yeni<-NULL
yeni<-merge(temizyeni,kur)
Yeni tablomuzdaki en son değişkenlere bir bakalım
tail(yeni)
Eğer satırlardaki tüm veriler tam değil ise, yani satırda en az 1 veri bir NA (yok) ise satırı verisetinden kaldırıyoruz. Bunun için tekrar complete.cases komutunu kullanıyoruz.
yeni<-yeni[complete.cases(yeni), ]
Şimdi de belirli aralıktaki verileri istediğimizi belirtelim
Bu noktadan sonra hata yapmak kolaylaşabilir, o yüzden daha yavaş ilerleyeceğim
yeni.subset=seq.Date(as.Date("2005-01-01"),as.Date("2017-11-22"),by="day")
yeni<-yeni[as.character(yeni.subset),]
Veriyi 2005 sonrası olarak alarak sınırlandırdık. Şimdi tekrar verinin önüne arkasına bakalım
head(yeni)
tail(yeni)
Sütunlar oluşturma, ÖTV-KDV-Marj ve Toplam Fiyat Hesaplama¶
Artık veri tablomuza, yeni sütunlar ekleyebiliriz. Yeni sütun eklemek için doğrudan ismini yazıp veri atıyoruz. Mesela:
- tablo\$yenisutun<-0 dediğimizde, tablo verisetine "yenisutun" diye bir sütun eklenir ve içine 0 doldurulur.
Biz ise Brent'den elde edilen 1 gallon dizelin fiyatını bulmuştuk. Elimizde dolar kuru da olduğu için artık, 1 litre dizel yakıt fiyatını hesaplayabiliriz. Bunun için daha önce hesapladığımız Brent'den dizel fiyatını 3.78'e bölerek gallondan litreye geçiyoruz sonra da o gün ki kur ile çarpıyoruz:
#yeni sütun oluşturalım
# brent dizel'in gallon'dan litre sonra TL karşılığı
yeni$ABDBrentDizelTL<-(yeni$Brent2Dizel/3.785411784)*yeni$kur
Şimdi verimizdeki son elemanlara, yakın tarihli verilere tekrar bakalım. Görüldüğü gibi ABDBrentDizelTL sütunu oluştu. Burada 1 litre Brent'ten elde edilecek dizel fiyatının TL kuru ile çarpımı var
tail(yeni)
ÖTV sütunu ekleyelim ve şimdilik tüm değerleri 0 olsun
yeni$OTV<-0
head(yeni)
Şimdi geldik ÖTV verilerini girmeye. Bunun için Gelir İdaresi Başkanlığı'nın Özel Tüketim Vergisi Tutarları sayfasından hangi tarihte ÖTV ne olmuş, rakamlara tek tek tebliğden baktım. 2005 öncesi zor geldiğinden, 2005'ten itibaren verileri ekledim.
Aşağıdaki kod biraz garip gelebilir. İki tarih arasında ÖTV şu şekilde diye bir kod yazmadım. En eski tarihli ÖTV düzenlemesini en başa yazıp bu tarihten itibaren 0.92 TL dedim. Daha sonraki bir tarihteki ÖTV düzenlemesini arkasından yazınca üzerine yazıyor. Böyle böyle 2017'ye geldik
yeni[index(yeni)>"2005-01-01",7]<-0.9270
yeni[index(yeni)>"2006-08-04",7]<-0.8345
yeni[index(yeni)>"2006-10-06",7]<-0.9270
yeni[index(yeni)>"2007-11-03",7]<-0.9945
yeni[index(yeni)>"2009-07-03",7]<-1.0045
yeni[index(yeni)>"2009-07-15",7]<-1.1545
yeni[index(yeni)>"2011-09-14",7]<-1.3045
yeni[index(yeni)>"2012-05-18",7]<-1.2945
yeni[index(yeni)>"2012-09-22",7]<-1.5945
yeni[index(yeni)>"2016-09-08",7]<-1.7945
head(yeni)
Peki dağıtıcı, toptancının, bayinin satış marjları ne. İşin gerçeği ben en erken Haziran 2006 için bir rakam buldum. Fakat kodu tekrar yazarken 2005'teki rakamı da bulurum diye 2005'ten başlattım. Her tarihteki marjı bilmediğimden, bir ilk marjı girdim bir de son hesaplanan marjı girdim arasını doğrusal olarak doldur (na.approx) komutunu verdim.
Önce rapordan gördüğüm verileri ekledim ve Marj diye bir sütun varsa onu sildim. (yeni\$Marj<-NA)
# http://www.epdk.org.tr/TR/Dokumanlar/Petrol/YayinlarRaporlar/Fiyatlandirma
ToptanciMarji=0.02
GelirPayi=0.00279
DagiticiveToptanciMarji<-0.54
Marj<-ToptanciMarji+GelirPayi+DagiticiveToptanciMarji
Marj200606<-0.16
yeni$Marj<-NA
Ardından Marj sütunundan bir ilk satıra değer girdim, sonra da Marj sütununun uzunluğuna bakarak, son elemana en son rapordaki marjı girdim. Arasını tamamlama dedim.
#Marjı linear yakınsayalım
yeni$Marj[1]<-Marj200606
yeni$Marj[length(yeni$Marj)]<-Marj
yeni$Marj<-na.approx(yeni$Marj)
Artık, ÖTV ve Marjı bildiğim için KDV, toplam bedel ve akla gelen diğer tüm verileri hesaplayabilirim.
- KDV sütunu açıp tüm bedeller üzerinden %18 KDV hesapl
- Toplam sütunu açıp, tüm bedelleri topla
yeni$KDV<-(yeni$ABDBrentDizelTL+yeni$OTV+yeni$Marj)*0.18
yeni$Toplam<-yeni$Marj+yeni$ABDBrentDizelTL+yeni$OTV+yeni$KDV
Şimdi de oluşan tüm veri satı kaç sütun oldu, başı nasıl sonu nasıl bir bakalım
ncol(yeni) # kaç sütun
head(yeni) # veri setinin başı
tail(yeni) # veri setinin sonu
Eğer bu noktaya kadar sağ salim gelebildiyseniz, kendinize bir çay demleyin. Bir de veri setini tekrar saklayalım
saveRDS(yeni,"20171123-tumbedeller.rds")
Grafikleme¶
Şimdiye kadar verileri düzelttik, topladık, çarptık. Bu noktada yapılan çalışmayı grafiklememiz gerekiyor. Bunun için meşhur ggplot2, biraz artistik vermek için ggthemes ve ggplot2 için verileri düzenlemek için reshape2 yi kullanacağız.
Kütüphaneler yok ise:
install.packages("reshape2")
install.packages("ggplot2")
install.packages("ggthemes")
Kütüphaneleri sorunsuz yükledikten sonra tamamını çağırıyoruz
library(reshape2)
library(ggplot2)
library(ggthemes)
Benim ekran çok büyük olmadığından grafikleri nispeten küçültülmüş görmek için "inç" olarak grafiklerin boyutunu belirtiyorum
options(repr.plot.width=6, repr.plot.height=4)
Şimdi işler karışıyor. ggplot2'de "yığımlı alan" grafiği oluşturmak için 6,8,7,9 (6:yani yakıt=ABDDizelTL, 8:Marj, 7:ÖTV ve 9:KDV) sütunlarını al ve tek sütunlu bir veri yığınına dönüştür diyoruz
df <- data.frame(time = index(yeni), melt(as.data.frame(yeni[,c(6,8,7,9)])))
df<-df[df$time>"2005-01-01",]
df$variable <- factor(df$variable, levels = rev(levels(df$variable)))
head(df)
Elimizde tarih, yani time, değişken yani variable ve değer yani value var. ggplot2'de "Set1" renk paleti ile alan ve doldurma olarak toplam fiyatın alt segmentleri ile nasıl değiştiğini çizdirelim
# head(df)
ggplot(df, aes(x = time, y = value)) +
geom_area(aes(fill = variable)) +
scale_fill_brewer(palette="Set1") + ggtitle("Brent, KDV ve ÖTV nin TL olarak hareketi") +
xlab("Tarih") +ylab("TL")
Bir de toplamdaki oranlar olarak çizdirelim
# http://www.sthda.com/english/wiki/be-awesome-in-ggplot2-a-practical-guide-to-be-highly-effective-r-software-and-data-visualization
ggplot(df, aes(x = time, y = value)) +
geom_area(aes(fill = variable),position="fill") +
scale_fill_brewer(palette="Set1")
Brent'i TL olarak hesaplamak¶
İlk grafikler fena olmadı, şimdi veriler isimli bir değişken ile ikinci kısımda, günlük Brent $ fiyatı ile TL kuru çarparak, TL olarak Brent fiyatını oluşturalım. Sonrada brentTL dediğimiz bu değişkeni grafikleyelim
veriler<-NULL
veriler<-yeni
veriler$brentTL<-((veriler$Brent)*(veriler$kur))
plot(veriler$brentTL, main = "TL cinsinden Brent")
Benim en çok merak ettiğim şeylerden biri Brent $ ve TL olarak en düşük ve en yüksek değerleri ne zaman gördü. Verilerde 1.sütun WTI, 2.sütun Brent, en son eklediğim 11.sütun ise TL brent.
En yüksek değerin satırını bulmak için which.max , en düşük değer için ise which.min kullanıyorum. Son olarak da tail komutu ile en son 3 günün rakamlarını alıyorum.
c ile vektör olarak istediğim sütun numaralarını girmiş oluyorum.
veriler[which.max(veriler$brentTL),c(1,2,11)]
veriler[which.min(veriler$brentTL),c(1,2,11)]
veriler[which.max(veriler$Brent),c(1,2,11)]
tail(veriler[-1,c(1,2,11)],3)
Biraz artistik dokunuş¶
Değerleri bulduktan sonra "The Economist" dergisinin grafiklerinin teması ve renkleri ile
- ABD \$'ı olarak Brent hareketi
- TL olarak Brent hareketini üst üste çizdirelim
ggplot() + geom_line(aes(y = veriler$Brent, x = index(veriler),colour="Brent($)"), size=1.5)+
geom_line(aes(y = veriler$brentTL, x = index(veriler),colour="Brent(TL)"), size=1) +
ggtitle("$ ve TL olarak Brent Petrol fiyatı") + labs(x="Tarih", y="$ - TL") +
theme_economist() + labs(color='')
Şimdi de yine "The Economist" teması ile yukarıda çizdirdiğimiz yakıt, ötv, kdv marj grafiğini çizelim
ggplot(df, aes(x = time, y = value), colour=value) +
geom_area(aes(fill = variable)) +
ggtitle("Brent, KDV ve ÖTV nin TL olarak hareketi") +
xlab("Tarih") +ylab("TL") +
theme_economist() +
# scale_fill_brewer("Akaryakıt\nBedelleri" , labels)+
scale_fill_brewer(name = "Akaryakıt\nBedelleri")
ggplot(df, aes(x = time, y = value)) +
geom_area(aes(fill = variable)) +
ggtitle("Brent, KDV ve ÖTV nin TL olarak hareketi") +
xlab("Tarih") +ylab("TL") +
theme_fivethirtyeight() +
# scale_fill_economist() +
scale_fill_brewer(name="Akaryakıt\nBedelleri")
Sonuç¶
Bu ders biraz ağır oldu. Bu dersleri yazarken amacım en çok kendime notlar bırakmak. Bir analiz yapıyorum sonra neyi nasıl yaptığımı bulamıyorum. Bu sebeple kayıt tutmak gerekiyor.
Sırasıyla neler yaptık:
- ABD EIA veritabanından WTI, Brent ve dizel fiyatı aldık
- TCMB'den ABD döviz kuru verilerini gün gün aldık
- ÖTV, KDV ve akaryakıt fiyat marjlarını koyarak toplam akaryakıt bedeli hesapladık
- The Economist teması ile grafiklemeler yapıldı (ggthemes ve ggplot2 kütüphaneleri ile)
Yorumlarını için daima mailim açık
Bir sonraki derste buradan bir modele geçeceğiz. O sebepten son veriyi saklasak iyi olur.
saveRDS(veriler,"20171123-ders14sonu.rds")