Tutorial de PortalHacienda

En este tutorial veremos como buscar la serie de tipo de cambio de pesos contra dólar, descargarla y extenderla.

1. Cargar el paquete

En primer lugar cargamos el paquete.

library(PortalHacienda)
#> =============================================================================
#> Acceso API Portal Datos Hacienda - v 0.1.5 - 08-2020 por F.García Díaz

2. Buscar la serie

Luego buscamos las series de tipo de cambio con Search_online

Series <- Search_online("Tipo de cambio")
tail(Series,10)
#> # A tibble: 10 x 24
#>    catalogo_id dataset_id distribucion_id serie_id indice_tiempo_f… serie_titulo
#>    <chr>            <dbl>           <dbl> <chr>    <chr>            <chr>       
#>  1 sspm               430           430.  430.1_M… R/P1M            rem_tcn_var…
#>  2 sspm               430           430.  430.1_M… R/P1M            rem_tcn_var…
#>  3 sspm               430           430.  430.1_M… R/P1M            rem_tcn_var…
#>  4 sspm               430           430.  430.1_M… R/P1M            rem_tcn_var…
#>  5 sspm               430           430.  430.1_M… R/P1M            rem_tcn_var…
#>  6 sspm                 9             9.1 9.1_CGA… R/P1Y            ccl_galicia 
#>  7 sspm                 9             9.1 9.1_TU_… R/P1Y            tcn_pesos_d…
#>  8 sspm                 9             9.2 9.2_GC_… R/P3M            ccl_galicia 
#>  9 sspm                 9             9.2 9.2_TU_… R/P3M            tcn_pesos_d…
#> 10 sspm                92            92.1 92.1_TC… R/P1M            tipo_cambio…
#> # … with 18 more variables: serie_unidades <chr>, serie_descripcion <chr>,
#> #   distribucion_titulo <chr>, distribucion_descripcion <chr>,
#> #   distribucion_url_descarga <chr>, dataset_responsable <chr>,
#> #   dataset_fuente <chr>, dataset_titulo <chr>, dataset_descripcion <chr>,
#> #   dataset_tema <chr>, serie_indice_inicio <date>, serie_indice_final <date>,
#> #   serie_valores_cant <dbl>, serie_dias_no_cubiertos <dbl>,
#> #   serie_actualizada <lgl>, serie_valor_ultimo <dbl>,
#> #   serie_valor_anterior <dbl>, serie_var_pct_anterior <dbl>

3. Identificar y descargar la serie

Identificamos el serie_id de la serie que nos interesa, en este caso “174.1_T_DE_CATES_0_0_32”. Luego la descargamos con Get, seleccionando la fecha de inicio y otros parámetros.

TCN <- Get("174.1_T_DE_CATES_0_0_32", start_date = "2010")
#> Downloading data series...
#> Loaded 126 data points, from 2010-01-01 to 2020-06-01. Periodicity: monthly

4. Proyectar

Si necesitamos extender la serie rápidamente, podemos hacerlo con Forecast. La función utiliza la selección automática de modelos ARIMA del paquete ‘forecast’. En este caso pedimos una proyección de 12 meses y crear bandas de confianza del 80%. La función nos devuelve la serie extendida e indica el modelo que auto-detectó.

TCN <- Forecast(TCN, N = 12 , confidence = c(80))
#> Registered S3 method overwritten by 'quantmod':
#>   method            from
#>   as.zoo.data.frame zoo
#> Time-series extended 12 data points, using auto-detected model: ARIMA(2,2,1)(0,0,2)[12]

5. Listo!

Ya tenemos la proyección de la serie en ‘TCN’ para utilizar y graficar.

tail(TCN, 10)
#>                   y     y.lo      y.hi
#> 2020-09-01 81.12139 77.64142  84.60136
#> 2020-10-01 82.59679 78.58185  86.61173
#> 2020-11-01 84.03452 79.48090  88.58814
#> 2020-12-01 85.00454 79.93544  90.07363
#> 2021-01-01 86.09940 80.51901  91.67979
#> 2021-02-01 88.18877 82.09536  94.28217
#> 2021-03-01 90.71240 84.10517  97.31962
#> 2021-04-01 92.80260 85.67939  99.92582
#> 2021-05-01 94.01563 86.37276 101.65850
#> 2021-06-01 95.04118 86.87431 103.20805
plot(TCN , main = "Tipo de Cambio Nominal ($/USD)")