In fmgarciadiaz/PortalHacienda: Acceder con R a los datos del Portal de Hacienda

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  fig.path = "README-"
)

PortalHacienda

Un paquete básico de interfase a la API del Portal de Datos del Ministerio de Hacienda

Buscar series en la descripción de los meta-datos
Descargar las series directamente de la API del Portal
Extender y proyectar rápidamente series descargadas (funcionalidad muy básica)

Instalación

Para instalar el paquete en R ejecutar:

# install.packages("devtools")
devtools::install_github("fmgarciadiaz/PortalHacienda")

Nota: Debe instalarse previamente el paquete devtools para permitir la descarga desde github.

Ejemplo

Búsqueda de series (a) en el listado incluído en el paquete con Search o (b) en la base online con Search_online.

# Cargar el paquete
library(PortalHacienda)
# Buscar las series de tipo de cambio
Series_TCN <- Search("tipo de cambio")         
# mostrar las primeras series encontradas
# Series_TCN <- Search_online("tipo de cambio")         
knitr::kable(head(Series_TCN,3) ,"html") %>% kableExtra::kable_styling(font_size = 7)

Bajar serie de tipo de cambio con Get y extender 12 períodos con Forecast (usa modelo auto-detectado del paquete forecast y extiende según la frecuencia detectada, días, meses o años). Luego hacer un plot sencillo.

TCN <- Forecast(Get("174.1_T_DE_CATES_0_0_32" , start_date = 2000), 12)       
# Mostrar resultado
plot(TCN , main = "Tipo de Cambio Nominal ($/USD)")

También se pueden obtener varias series al mismo tiempo, separando con comas...

plot(Get("6.2_AGCS_2004_T_39,6.2_IM_2004_T_23,6.2_C_2004_T_12") , legend.loc = "topleft" , main = "VAB sectorial ($ de 2004)")

En caso de cargar varias series y desear proyecciones automáticas, utilizar la variante vectorial de Forecast, que es vForecast:

TCN <- vForecast(Get("120.1_PCE_1993_0_24,120.1_ED1_1993_0_26"),12)

Notas

Las series se cargan en formato XTS, con la periodicidad auto-detectada por el paquete xts. La periocidiad es usada por la función Forecast para correcta detección de estacionalidad y lags. Forecast agrega demás intervalos de confianza del 95%. Las series diarias tienen un tope de 1000 datos (dado el límite actual de la API)