Taux d’intérêt - France
Data - BDF
François Geerolf
Info
| source | dataset | .html | .RData |
|---|---|---|---|
| bdf | MIR1 | 2024-05-08 | 2024-05-10 |
Data on interest rates
| source | dataset | .html | .RData |
|---|---|---|---|
| bdf | FM | 2024-05-10 | 2024-05-08 |
| bdf | MIR | 2024-05-10 | 2024-05-10 |
| bdf | MIR1 | 2024-05-08 | 2024-05-10 |
| bis | CBPOL_D | 2024-05-06 | 2024-05-06 |
| bis | CBPOL_M | 2024-04-19 | 2024-04-19 |
| ecb | FM | 2024-03-05 | 2024-04-19 |
| ecb | MIR | 2024-04-19 | 2024-04-19 |
| eurostat | ei_mfir_m | 2024-05-09 | 2024-05-09 |
| eurostat | irt_lt_mcby_d | 2024-05-09 | 2024-03-26 |
| eurostat | irt_st_m | 2024-05-09 | 2024-05-09 |
| fred | r | 2024-05-07 | 2024-05-07 |
| oecd | MEI | 2024-04-16 | 2024-04-15 |
| oecd | MEI_FIN | 2024-04-16 | 2024-03-26 |
| wdi | FR.INR.RINR | 2024-01-06 | 2024-04-14 |
Données sur l’immobilier
| source | dataset | .html | .RData |
|---|---|---|---|
| acpr | as151 | 2024-04-05 | 2024-04-05 |
| bdf | BSI1 | 2024-05-08 | 2024-05-08 |
| bdf | CPP | 2024-05-10 | 2024-05-10 |
| bdf | FM | 2024-05-10 | 2024-05-08 |
| bdf | immobilier | 2024-05-10 | 2024-05-07 |
| bdf | MIR | 2024-05-10 | 2024-05-10 |
| bdf | MIR1 | 2024-05-08 | 2024-05-10 |
| bdf | RPP | 2024-05-08 | 2024-05-10 |
| insee | CONSTRUCTION-LOGEMENTS | 2024-05-09 | 2024-05-09 |
| insee | ENQ-CONJ-ART-BAT | 2024-05-09 | 2023-10-25 |
| insee | ENQ-CONJ-IND-BAT | 2024-05-09 | 2024-05-09 |
| insee | ENQ-CONJ-PROMO-IMMO | 2024-05-09 | 2024-05-09 |
| insee | ENQ-CONJ-TP | 2024-05-09 | 2024-05-09 |
| insee | ILC-ILAT-ICC | 2024-05-09 | 2024-05-09 |
| insee | INDICES_LOYERS | 2024-05-09 | 2024-05-09 |
| insee | IPLA-IPLNA-2015 | 2024-05-09 | 2024-05-09 |
| insee | IRL | 2024-05-09 | 2024-05-09 |
| insee | PARC-LOGEMENTS | 2024-05-09 | 2023-12-03 |
| insee | SERIES_LOYERS | 2024-05-09 | 2024-05-09 |
| insee | t_dpe_val | 2024-05-09 | 2024-03-04 |
| notaires | arrdt | 2024-04-08 | 2024-04-08 |
| notaires | dep | 2024-04-08 | 2024-04-08 |
Data on housing
| source | dataset | .html | .RData |
|---|---|---|---|
| bdf | RPP | 2024-05-08 | 2024-05-10 |
| bis | LONG_PP | 2024-04-19 | 2024-04-19 |
| bis | SELECTED_PP | 2024-04-19 | 2024-04-19 |
| ecb | RPP | 2024-04-19 | 2024-04-19 |
| eurostat | ei_hppi_q | 2024-05-09 | 2024-05-09 |
| eurostat | hbs_str_t223 | 2024-05-09 | 2024-05-09 |
| eurostat | prc_hicp_midx | 2024-05-09 | 2024-05-09 |
| eurostat | prc_hpi_q | 2024-05-09 | 2024-05-09 |
| fred | housing | 2024-04-26 | 2024-04-26 |
| insee | IPLA-IPLNA-2015 | 2024-05-09 | 2024-05-09 |
| oecd | housing | 2024-04-16 | 2020-01-18 |
| oecd | SNA_TABLE5 | 2024-04-16 | 2023-10-19 |
LAST_COMPILE
| LAST_COMPILE |
|---|
| 2024-05-10 |
Last
| date | Nobs |
|---|---|
| 2024-05-01 | 5 |
| 2024-04-01 | 24 |
BS_COUNT_SECTOR
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
left_join(BS_COUNT_SECTOR, by = "BS_COUNT_SECTOR") %>%
group_by(BS_COUNT_SECTOR, Bs_count_sector) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}| BS_COUNT_SECTOR | Bs_count_sector | Nobs |
|---|---|---|
| 2250U6 | Ménages et ISBLSM résidents | 7038 |
| 2240U6 | SNF résidentes | 6876 |
| 2250 | Ménages et ISBLSM (S14 et S15) | 6626 |
| 2240 | Sociétés non financières (S11) | 4447 |
| 2230U6 | Ménages et SNF résidents | 3899 |
| 2254FR | Particuliers (S14) | 3637 |
| 2313FR | SNF + EI (2240+2253) | 3084 |
| 2254U6 | Particuliers résidents | 2832 |
| 2300U6 | non IFM hors administration centrale résidents | 1447 |
| 0000U6 | Secteur de contrepartie non précisée (résidents) | 1020 |
| 2312FR | APU + ISBLSM (2100+2252) | 970 |
| 2300 | Administrations publiques hors administrations centrales et secteur privé hors IFMs | 510 |
| 2251 | Ménages | 332 |
| NA | NA | 212 |
| 2253 | Entrepreneurs individuels | 183 |
| 2254P | NA | 164 |
| MIC_U6 | Micro-entreprises résidentes | 132 |
| 2254PM | NA | 99 |
| 2240GE | NA | 90 |
| 224ETI | NA | 90 |
| 224PME | NA | 90 |
FREQ
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
left_join(FREQ, by = "FREQ") %>%
group_by(FREQ, Freq) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}| FREQ | Freq | Nobs |
|---|---|---|
| M | Mensuel | 32647 |
| Q | Trimestriel | 10919 |
| NA | NA | 212 |
BS_ITEM
MATURITY_ORIG
DATA_TYPE_MIR
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
left_join(DATA_TYPE_MIR, by = "DATA_TYPE_MIR") %>%
group_by(DATA_TYPE_MIR, Data_type_mir) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}| DATA_TYPE_MIR | Data_type_mir | Nobs |
|---|---|---|
| R | Taux annuel | 19255 |
| B | Transactions en volume (encours ou crédits nouveaux) | 8875 |
| C | Coût du crédit | 2668 |
| Y | Flux mensuels cumulés sur un an | 2545 |
| 6 | Taux cvs | 2040 |
| 5 | Flux mensuel cvs | 1783 |
| U | Taux d’usure | 1453 |
| W | Part dans les crédits totaux | 1260 |
| F | Frais | 1190 |
| PNL | Part en nombre de lignes | 728 |
| D | Durée moyenne | 578 |
| 4 | Part dans les flux | 260 |
| T | Taux théorique hors plancher | 255 |
| NA | NA | 212 |
| PTF | Part taux fixe | 156 |
| K1 | Premier quartile | 104 |
| K3 | Troisième quartile | 104 |
| L | Médiane | 104 |
| P5 | Cinquième percentile | 104 |
| P95 | Quatre vingt quinzième percentile | 104 |
REF_AREA
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
left_join(REF_AREA, by = "REF_AREA") %>%
group_by(REF_AREA, Ref_area) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}| REF_AREA | Ref_area | Nobs |
|---|---|---|
| FR | France | 42376 |
| DE | Allemagne | 238 |
| ES | Espagne | 238 |
| GB | Royaume-Uni | 238 |
| IT | Italie | 238 |
| U2 | Zone Euro (composition évolutive) | 238 |
| NA | NA | 212 |
Taux de rémunération
Nobs
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
filter(grepl("Taux moyen de rémunération annuel", Variable)) %>%
group_by(variable, Variable) %>%
summarise(Nobs = n()) %>%
print_table_conditional()| variable | Variable | Nobs |
|---|---|---|
| MIR1.M.FR.B.L20.A.C.A.2300U6.EUR.O | Taux moyen de rémunération annuel des dépôts bancaires | 255 |
| MIR1.M.FR.B.L20.A.R.A.2300U6.EUR.O | Taux moyen de rémunération annuel des dépôts bancaires | 255 |
| MIR1.M.FR.B.L20.L.C.A.2300U6.EUR.O | Taux moyen de rémunération annuel des dépôts, moins de 2 ans | 255 |
| MIR1.M.FR.B.L20.L.R.A.2300U6.EUR.O | Taux moyen de rémunération annuel des dépôts, moins de 2 ans | 255 |
Taux de rémunération des dépôts + immobilier
MIR1 %>%
filter(grepl("MIR1.M.FR.B.L20.A.C.A.2300U6.EUR.O", variable) |
grepl("MIR1.M.FR.B.L20.L.C.A.2300U6.EUR.O", variable)) %>%
na.omit %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.55, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, .1),
labels = percent_format(accuracy = .1))
Taux
Nobs
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
filter(FREQ == "M",
REF_AREA == "FR",
BS_ITEM == "A22") %>%
group_by(variable, Variable) %>%
summarise(Nobs = n()) %>%
print_table_conditional()| variable | Variable | Nobs |
|---|---|---|
| MIR1.M.FR.B.A22.A.5.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages, flux CVS | 255 |
| MIR1.M.FR.B.A22.A.5.A.2254U6.EUR.N | Crédits nouveaux à l’habitat des particuliers, flux CVS | 255 |
| MIR1.M.FR.B.A22.A.R.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages, taux d’intérêt annuel | 255 |
| MIR1.M.FR.B.A22.A.R.A.2254U6.EUR.N | Crédits nouveaux à l’habitat des particuliers, taux d’intérêt annuel | 304 |
| MIR1.M.FR.B.A22.A.Y.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages résidents, flux mensuels cumulés sur un an | 255 |
| MIR1.M.FR.B.A22.F.R.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages, jusqu’à un an, taux d’intérêt annuel | 255 |
| MIR1.M.FR.B.A22.F.R.A.2254U6.EUR.N | Crédits nouveaux à l’habitat des particuliers, jusqu’à un an, taux d’intérêt annuel | 255 |
| MIR1.M.FR.B.A22.F.Y.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages résidents, jusqu’à un an, flux mensuels cumulés sur un an | 255 |
| MIR1.M.FR.B.A22.K.R.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages, à plus d’un an, taux d’intérêt annuel | 255 |
| MIR1.M.FR.B.A22.K.R.A.2254U6.EUR.N | Crédits nouveaux à l’habitat des particuliers, à plus d’un an, taux d’intérêt annuel | 255 |
| MIR1.M.FR.B.A22.K.Y.A.2250U6.EUR.N | Crédits nouveaux à l’habitat des ménages résidents, à plus d’un an, flux mensuels cumulés sur un an | 255 |
Livrets réglementés
-Info. html
All
MIR1 %>%
filter(grepl("MIR1.M.FR.B.L23FRLA.D.R.A.2230U6.EUR.O", variable) |
grepl("MIR1.M.FR.B.L23RJ.A.R.A.2300.EUR.O", variable) |
grepl("MIR1.M.FR.B.L22FRSP.H.R.A.2250U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
arrange(desc(date)) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 5), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.4, 0.1),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1))
Taux SNF
Table SNF
Catégories montants
Tous
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A20.A.R.0.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.1.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.A.2240U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
left_join(AMOUNT_CAT, by = "AMOUNT_CAT") %>%
arrange(desc(date)) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Amount_cat)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.8, 0.85),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1))
2010-
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A20.A.R.0.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.1.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.A.2240U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
left_join(AMOUNT_CAT, by = "AMOUNT_CAT") %>%
arrange(desc(date)) %>%
filter(date >= as.Date("2010-01-01")) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Amount_cat)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.7, 0.85),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 0.5),
labels = percent_format(accuracy = .1))
Catégories montants
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A20.A.R.0.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.1.2240U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A20.A.R.A.2240U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
left_join(AMOUNT_CAT, by = "AMOUNT_CAT") %>%
arrange(desc(date)) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Amount_cat)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.7, 0.85),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1))
Livret A
Taux crédits habitat
Tous
MIR1 %>%
left_join(MIR1_var, by = "variable") %>%
filter(FREQ == "M",
REF_AREA == "FR",
BS_REP_SECTOR == "B",
BS_ITEM == "A2C",
DATA_TYPE_MIR == "R",
AMOUNT_CAT == "A",
BS_COUNT_SECTOR == "2250U6",
CURRENCY_TRANS == "EUR",
IR_BUS_COV == "N") %>%
left_join(MATURITY_ORIG, by = "MATURITY_ORIG") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Maturity_orig)) +
theme_minimal() + xlab("") + ylab("Taux d'intérêt (%)") +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.35, 0.15),
legend.title = element_blank(),
legend.direction = "vertical") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1))
Tous
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22.K.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.F.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.A.R.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.35, 0.15),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1))
2016-
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22.K.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.F.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.A.R.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
filter(date >= as.Date("2016-01-01")) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.4, 0.85),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, .1),
labels = percent_format(accuracy = .1))
2018-
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22.K.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.F.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.A.R.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
filter(date >= as.Date("2018-01-01")) %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.4, 0.85),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, .1),
labels = percent_format(accuracy = .1))
Taux de rémunération des dépôts + immobilier
Tous
MIR1 %>%
filter(grepl("MIR1.M.FR.A.N30.A.R.A.2230U6.EUR.O", variable) |
grepl("MIR1.M.FR.B.A22.A.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.L21.A.R.A.2230U6.EUR.O", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.55, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1),
limits = c(0, 0.07))
Part des renégociations
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22PR.A.W.A.2254FR.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
na.omit %>%
ggplot + geom_line(aes(x = date, y = value/100)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.35, 0.15),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Part des renégo dans le total des crédits à l'habitat (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 5),
labels = percent_format(accuracy = 1))
Volumes de crédit
Crédits à la consommation
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A2Z.A.R.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A2B.A.R.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.5, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
labels = percent_format(accuracy = 1),
limits = c(0.03, 0.15))
Crédits nouveaux à l’habitat
Tous
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22HR.A.5.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.A.5.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 2), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.5, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("") +
scale_y_continuous(breaks = seq(0, 100, 2))
2015-
MIR1 %>%
filter(grepl("MIR1.M.FR.B.A22HR.A.5.A.2254U6.EUR.N", variable) |
grepl("MIR1.M.FR.B.A22.A.5.A.2254U6.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
filter(date >= as.Date("2015-01-01")) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.5, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("") +
scale_y_continuous(breaks = seq(0, 100, 2))
Taux d’usure
2017-
MIR1 %>%
filter(grepl("MIR1.Q.FR.R.A22FRF.Q.U.A.2254FR.EUR.N", variable) |
grepl("MIR1.Q.FR.R.A22FRF.R.U.A.2254FR.EUR.N", variable) |
grepl("MIR1.Q.FR.R.A22FRF.S.U.A.2254FR.EUR.N", variable)) %>%
left_join(MIR1_var, by = "variable") %>%
ggplot + geom_line(aes(x = date, y = value/100, color = Variable)) +
theme_minimal() +
scale_x_date(breaks = as.Date(paste0(seq(1960, 2100, 1), "-01-01")),
labels = date_format("%Y")) +
theme(legend.position = c(0.5, 0.9),
legend.title = element_blank(),
legend.direction = "vertical") +
xlab("") + ylab("Taux d'intérêt (%)") +
scale_y_continuous(breaks = 0.01*seq(-10, 100, 0.1),
labels = percent_format(accuracy = .1))