今回からしばらくは日本銀行が保有する国債残高のデータをつかって分析してみたいと思います。
日銀のホームページからエクセルファイルがダウンロードできます。
https://www.boj.or.jp/whatsnew/index.htm
下の図のようなエクセルファイルでした。
2026年3月10日現在のファイルと、1年前の2025年3月10日現在のファイルをダウンロードして、CSVファイルに一つにまとめました。
こんな感じです。typeのy2というのは2年国債という意味です。10年国債はy10, 20年国債ならy20としました。seriesは回号で、amtが残高です。残高は1億円単位です。
このCSVファイルをRで読み込んで分析してみましょう。はじめにtidyverseパッケージの読み込みをしておきます。
そうしたら、read_csv()関数でデータを読み込みます。
glimpse()関数でデータを確認します。
date, type が文字列として読み込まれています。dateは日付型に、typeはファクター型に変換しましょう。ymd()関数で日付に変換、as_factor()関数でファクター型に変換できます。
もう一度、glimpse()関数でみてみます。
うまくできました。
summary()関数で基本統計量をみてみます。
20年債が228個と一番多いのですね。一番少ないのは30億円、一番多いのは9兆0199億円です。9兆円ってすごいですね。
dateを日付型にしましたが、2025年3月10日と2026年3月10日の2つの時点しかないですから、これもファクター型に変換してしまいましょう。
as_factor()だと日付型をファクター型に変換できないので、as.factor()関数を使いました。
もう一度、summary()関数を使ってデータをみてみます。
2025年よりも2026年のほうが6個だけ保有する国債の種類が増えていますね。
今回は以上です。次回以降で、2025年と2026年の比較や国債の種類別の比較などをしていきましょう。
次回は
です。
今回のコードは以下になります。
#
# tidyverseパッケージの読み込み
library(tidyverse)
#
# CSVファイルのデータを読み込む
df_raw <- read_csv("boj_kokusai_zandaka.csv")
#
# データの確認
glimpse(df_raw)
#
# dateは日付型、typeはファクター型に
df <- df_raw |>
mutate(date = ymd(date),
type = as_factor(type))
#
# 再度データの確認
glimpse(df)
#
# 基本統計量
summary(df)
#
# dateもファクター型に変換
df <- df |>
mutate(date = as.factor(date))
#
# summary()
summary(df)
#
(冒頭の画像は、Bing Image Creator で生成しました。プロンプトは Natural landscape of early spring season grass field, close up of white strawberry flowers, photo です。)
