LadrilloMan

#ETF = ETF_LU1834988278
#Cobas Internacional

rm(list = ls(all = TRUE)) #Clear workspace
gc() #Clear memory
library("gmnl")   #paquete para estimar el MNL
library("Hmisc")  # Library of p-values in correlation matrix
library("PerformanceAnalytics")
#install.packages("FactoMineR")
library("FactoMineR")
#install.packages("openxlsx")
library("openxlsx")
library(data.table)
library(datasets)
library("DAAG")
library("dplyr")
library("lubridate")
library("tidyverse")
library("ggplot2")

setwd('C:\\Users\\USUARIO\\OneDrive\\Documentos\\R\\CorrelationCobas\\Datos')

set.seed(100)

#Creo tabla.
#Utilizo vectores 1:n para posteriormente ordenar.

Cobas <- read.xlsx("CobasInt.xlsx")
CobasOrdenado <- cbind(Cobas, c(1:1695))
colnames(CobasOrdenado) <- c("Fecha", "VL_Cobas", "OrdenCobas")
ETF <- read.xlsx("ETF.xlsx")
ETFOrdenado <- cbind(ETF, c(1:3025))
colnames(ETFOrdenado) <- c("Fecha", "VL_ETF", "OrdenETF")

Datos <- merge(x=CobasOrdenado, y=ETFOrdenado, by="Fecha")
Datos <- Datos

#Quitamos lo que no vale para nada.
DF <- Datos[-c(3, 5)]

#Empieza lo divertido

ggplot(data=DF, aes(x=VL_ETF, y=VL_Cobas)) + geom_point() + stat_smooth()