PYield 0.43.2__tar.gz → 0.43.4__tar.gz

{pyield-0.43.2 → pyield-0.43.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pyield
-Version: 0.43.2
+Version: 0.43.4
 Summary: A Python library for analysis of fixed income instruments in Brazil
 Project-URL: Homepage, https://github.com/crdcj/PYield
 Project-URL: Documentation, https://crdcj.github.io/PYield
@@ -36,6 +36,7 @@ Classifier: Operating System :: OS Independent
 Classifier: Programming Language :: Python :: 3
 Classifier: Topic :: Office/Business :: Financial :: Investment
 Requires-Python: >=3.12
+Requires-Dist: fastexcel>=0.19.0
 Requires-Dist: lxml>=6.0.0
 Requires-Dist: polars>=1.33.0
 Requires-Dist: python-dateutil>=2.8.0
@@ -148,6 +149,12 @@ Interpolator("flat_forward", known_bdays, known_rates, extrapolate=True)(100)  #
 
 Calcula taxas a termo a partir de curvas spot:
 
+Convenção utilizada:
+
+- `fwd_k = fwd_{j->k}` (forward do vértice `j` para `k`)
+- `f_k = 1 + tx_k` (fator de capitalização no vértice `k`)
+- `fwd_k = (f_k^au_k / f_j^au_j)^(1 / (au_k - au_j)) - 1`, com `au = du / 252`
+
 ```python
 from pyield import forward, forwards
 
@@ -172,6 +179,7 @@ forwards(bdays, rates)  # -> Series: [0.05, 0.070095, 0.090284]
 | `anbima` | Dados da ANBIMA (preços de TPF, curvas de juros, índices IMA) |
 | `bc` | Indicadores do BCB (SELIC, PTAX, repos, VNA) |
 | `ipca` | Dados de inflação (histórico e projeções) |
+| `rmd` | Relatório Mensal da Dívida do Tesouro Nacional |
 | `today` / `now` | Data/hora atual no Brasil (America/Sao_Paulo) |
 
 ## Títulos Públicos

{pyield-0.43.2 → pyield-0.43.4}/README.md

@@ -103,6 +103,12 @@ Interpolator("flat_forward", known_bdays, known_rates, extrapolate=True)(100)  #
 
 Calcula taxas a termo a partir de curvas spot:
 
+Convenção utilizada:
+
+- `fwd_k = fwd_{j->k}` (forward do vértice `j` para `k`)
+- `f_k = 1 + tx_k` (fator de capitalização no vértice `k`)
+- `fwd_k = (f_k^au_k / f_j^au_j)^(1 / (au_k - au_j)) - 1`, com `au = du / 252`
+
 ```python
 from pyield import forward, forwards
 
@@ -127,6 +133,7 @@ forwards(bdays, rates)  # -> Series: [0.05, 0.070095, 0.090284]
 | `anbima` | Dados da ANBIMA (preços de TPF, curvas de juros, índices IMA) |
 | `bc` | Indicadores do BCB (SELIC, PTAX, repos, VNA) |
 | `ipca` | Dados de inflação (histórico e projeções) |
+| `rmd` | Relatório Mensal da Dívida do Tesouro Nacional |
 | `today` / `now` | Data/hora atual no Brasil (America/Sao_Paulo) |
 
 ## Títulos Públicos

pyield-0.43.4/pyield/__about__.py

@@ -0,0 +1 @@
+__version__ = "0.43.4"

{pyield-0.43.2 → pyield-0.43.4}/pyield/__init__.py

@@ -6,6 +6,7 @@ from pyield.b3 import di1, futures
 from pyield.clock import now, today
 from pyield.fwd import forward, forwards
 from pyield.interpolator import Interpolator
+from pyield.rmd import rmd
 from pyield.tn import lft, ltn, ntnb, ntnb1, ntnbprinc, ntnc, ntnf, pre
 
 __all__ = [
@@ -31,6 +32,7 @@ __all__ = [
     "ntnc",
     "ntnf",
     "pre",
+    "rmd",
     "bday",
 ]
 

{pyield-0.43.2 → pyield-0.43.4}/pyield/_internal/__init__.py

@@ -2,4 +2,3 @@
 
 Este módulo não faz parte da API pública estável do PYield.
 """
-

{pyield-0.43.2 → pyield-0.43.4}/pyield/anbima/difusao.py

@@ -181,17 +181,17 @@ def tpf_difusao(data_referencia: DateLike) -> pl.DataFrame:
             não houver dados ou em caso de erro.
 
     Output Columns:
-        * data_hora_referencia (datetime): Data e hora de referência da taxa.
-        * provedor (string): Provedor dos dados.
-        * titulo (string): Nome do título (ex: LFT, LTN).
-        * data_vencimento (date): Data de vencimento do título.
-        * codigo_isin (string): Código ISIN do título.
-        * dias_uteis (int): Dias úteis entre a data de referência e o vencimento.
-        * taxa_indicativa_anterior (float): Taxa indicativa de fechamento D-1 (decimal).
-        * taxa_venda (float): Taxa de oferta de venda (Ask rate) (decimal).
-        * taxa_compra (float): Taxa de oferta de compra (Bid rate) (decimal).
-        * taxa_media (float): Média entre a taxa de compra e venda (decimal).
-        * taxa_ultima (float): Última taxa negociada (decimal).
+        - data_hora_referencia (datetime): Data e hora de referência da taxa.
+        - provedor (string): Provedor dos dados.
+        - titulo (string): Nome do título (ex: LFT, LTN).
+        - data_vencimento (date): Data de vencimento do título.
+        - codigo_isin (string): Código ISIN do título.
+        - dias_uteis (int): Dias úteis entre a data de referência e o vencimento.
+        - taxa_indicativa_anterior (float): Taxa indicativa de fechamento D-1 (decimal).
+        - taxa_venda (float): Taxa de oferta de venda (Ask rate) (decimal).
+        - taxa_compra (float): Taxa de oferta de compra (Bid rate) (decimal).
+        - taxa_media (float): Média entre a taxa de compra e venda (decimal).
+        - taxa_ultima (float): Última taxa negociada (decimal).
     """
     if any_is_empty(data_referencia):
         logger.warning("Nenhuma data fornecida. Retornando DataFrame vazio.")

{pyield-0.43.2 → pyield-0.43.4}/pyield/anbima/ettj_intraday.py

@@ -109,11 +109,11 @@ def intraday_ettj() -> pl.DataFrame:
         pl.DataFrame: DataFrame com os dados intradiários da ETTJ.
 
     Output Columns:
-        * date (Date): data de referência da curva de juros.
-        * vertex (Int64): vértice em dias úteis.
-        * nominal_rate (Float64): taxa de juros nominal zero-cupom.
-        * real_rate (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
-        * implied_inflation (Float64): taxa de inflação implícita (breakeven).
+        - date (Date): data de referência da curva de juros.
+        - vertex (Int64): vértice em dias úteis.
+        - nominal_rate (Float64): taxa de juros nominal zero-cupom.
+        - real_rate (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
+        - implied_inflation (Float64): taxa de inflação implícita (breakeven).
 
     Note:
         Todas as taxas são expressas em formato decimal (ex: 0.12 para 12%).

{pyield-0.43.2 → pyield-0.43.4}/pyield/anbima/ettj_last.py

@@ -98,11 +98,11 @@ def last_ettj() -> pl.DataFrame:
         pl.DataFrame: DataFrame com os dados da ETTJ de fechamento.
 
     Output Columns:
-        * date (Date): data de referência da curva de juros.
-        * vertex (Int64): vértice em dias úteis.
-        * nominal_rate (Float64): taxa de juros nominal zero-cupom.
-        * real_rate (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
-        * implied_inflation (Float64): taxa de inflação implícita (breakeven).
+        - date (Date): data de referência da curva de juros.
+        - vertex (Int64): vértice em dias úteis.
+        - nominal_rate (Float64): taxa de juros nominal zero-cupom.
+        - real_rate (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
+        - implied_inflation (Float64): taxa de inflação implícita (breakeven).
 
     Note:
         Todas as taxas são expressas em formato decimal (ex: 0.12 para 12%).

{pyield-0.43.2 → pyield-0.43.4}/pyield/anbima/ima.py

@@ -141,28 +141,28 @@ def last_ima(ima_type: TiposIMA | None = None) -> pl.DataFrame:
             em caso de erro.
 
     Output Columns:
-        * Date (Date): data de referência.
-        * IMAType (String): tipo de índice IMA (ex: 'IMA-B', 'IRF-M').
-        * BondType (String): tipo de título (ex: 'LTN', 'NTN-B').
-        * Maturity (Date): data de vencimento do título.
-        * SelicCode (Int64): código do título no sistema SELIC.
-        * ISIN (String): código ISIN (International Securities Identification Number).
-        * BDToMat (Int64): dias úteis até o vencimento.
-        * Duration (Float64): duration do título em anos úteis (252 d.u./ano).
-        * IndicativeRate (Float64): taxa indicativa em decimal (ex: 0.10 para 10%).
-        * Price (Float64): preço unitário (PU) em R$.
-        * InterestPrice (Float64): PU de juros em R$.
-        * DV01 (Float64): DV01 em R$.
-        * PMR (Float64): prazo médio de repactuação.
-        * Weight (Float64): peso do título no índice (%).
-        * Convexity (Float64): convexidade do título.
-        * TheoreticalQuantity (Float64): quantidade teórica (em 1.000 títulos).
-        * NumberOfOperations (Int64): número de operações.
-        * NegotiatedQuantity (Int64): quantidade negociada (unidades).
-        * NegotiatedValue (Float64): valor negociado em R$.
-        * MarketDV01 (Float64): DV01 de mercado em R$.
-        * MarketQuantity (Int64): quantidade em carteira (unidades).
-        * MarketValue (Float64): valor de mercado em R$.
+        - Date (Date): data de referência.
+        - IMAType (String): tipo de índice IMA (ex: 'IMA-B', 'IRF-M').
+        - BondType (String): tipo de título (ex: 'LTN', 'NTN-B').
+        - Maturity (Date): data de vencimento do título.
+        - SelicCode (Int64): código do título no sistema SELIC.
+        - ISIN (String): código ISIN (International Securities Identification Number).
+        - BDToMat (Int64): dias úteis até o vencimento.
+        - Duration (Float64): duration do título em anos úteis (252 d.u./ano).
+        - IndicativeRate (Float64): taxa indicativa em decimal (ex: 0.10 para 10%).
+        - Price (Float64): preço unitário (PU) em R$.
+        - InterestPrice (Float64): PU de juros em R$.
+        - DV01 (Float64): DV01 em R$.
+        - PMR (Float64): prazo médio de repactuação.
+        - Weight (Float64): peso do título no índice (%).
+        - Convexity (Float64): convexidade do título.
+        - TheoreticalQuantity (Float64): quantidade teórica (em 1.000 títulos).
+        - NumberOfOperations (Int64): número de operações.
+        - NegotiatedQuantity (Int64): quantidade negociada (unidades).
+        - NegotiatedValue (Float64): valor negociado em R$.
+        - MarketDV01 (Float64): DV01 de mercado em R$.
+        - MarketQuantity (Int64): quantidade em carteira (unidades).
+        - MarketValue (Float64): valor de mercado em R$.
 
     Examples:
         >>> from pyield import anbima

{pyield-0.43.2 → pyield-0.43.4}/pyield/anbima/imaq.py

@@ -221,18 +221,18 @@ def imaq(date: DateLike) -> pl.DataFrame:
         vazio e registra log da exceção.
 
     Output Columns:
-        * Date (Date): data de referência dos dados.
-        * BondType (String): tipo do título (LTN, NTN-B, NTN-F, LFT, …).
-        * MaturityDate (Date): data de vencimento do título.
-        * SelicCode (Int64): código SELIC do título.
-        * ISIN (String): código ISIN (International Securities Id Number).
-        * Price (Float64): PU do título em R$.
-        * MarketQuantity (Int64): quantidade em mercado (unidades).
-        * MarketDV01 (Int64): DV01 do estoque em R$.
-        * MarketDV01USD (Int64): DV01 do estoque em USD.
-        * MarketValue (Int64): valor de mercado em R$.
-        * QuantityVariation (Int64): variação diária da quantidade.
-        * BondStatus (String): status do título.
+        - Date (Date): data de referência dos dados.
+        - BondType (String): tipo do título (LTN, NTN-B, NTN-F, LFT, …).
+        - MaturityDate (Date): data de vencimento do título.
+        - SelicCode (Int64): código SELIC do título.
+        - ISIN (String): código ISIN (International Securities Id Number).
+        - Price (Float64): PU do título em R$.
+        - MarketQuantity (Int64): quantidade em mercado (unidades).
+        - MarketDV01 (Int64): DV01 do estoque em R$.
+        - MarketDV01USD (Int64): DV01 do estoque em USD.
+        - MarketValue (Int64): valor de mercado em R$.
+        - QuantityVariation (Int64): variação diária da quantidade.
+        - BondStatus (String): status do título.
 
     Notes:
         - Valores convertidos para unidades puras (ex: MarketQuantity × 1.000).

{pyield-0.43.2 → pyield-0.43.4}/pyield/b3/common.py

@@ -8,6 +8,26 @@ from pyield import bday, clock
 registro = logging.getLogger(__name__)
 
 
+def expr_dv01(
+    coluna_dias_uteis: str,
+    coluna_taxa: str,
+    coluna_preco: str,
+) -> pl.Expr:
+    """Retorna a expressão Polars para cálculo de DV01.
+
+    Fórmula:
+    DV01 = (Duration / (1 + taxa)) * preço * 0,0001
+
+    Onde:
+    - Duration = dias_uteis / 252
+    - taxa deve estar em formato decimal (ex.: 0.145)
+    - preço é o PU do contrato.
+    """
+    duracao = pl.col(coluna_dias_uteis) / 252
+    duracao_modificada = duracao / (1 + pl.col(coluna_taxa))
+    return 0.0001 * duracao_modificada * pl.col(coluna_preco)
+
+
 def adicionar_vencimento(
     df: pl.DataFrame, codigo_contrato: str, coluna_ticker: str
 ) -> pl.DataFrame:

pyield-0.43.4/pyield/b3/futures/core.py

@@ -0,0 +1,117 @@
+import datetime as dt
+import logging
+from typing import Literal
+
+import polars as pl
+
+import pyield._internal.converters as cv
+import pyield.b3.common as cm
+import pyield.b3.futures.historical.core as hcore
+from pyield import clock
+from pyield._internal.types import DateLike, any_is_empty
+from pyield.b3.futures.intraday import fetch_intraday_df
+
+OpcoesContrato = Literal["DI1", "DDI", "FRC", "DAP", "DOL", "WDO", "IND", "WIN"]
+logger = logging.getLogger(__name__)
+
+
+# Pregão abre às 9:00, porém os dados têm atraso de 15 minutos.
+# Esperar 1 minuto adicional para garantir que estejam disponíveis (9:16h).
+HORA_INICIO_INTRADAY = dt.time(9, 16)
+# Pregão fecha às 18:00h, momento em que os dados consolidados começam a ser preparados.
+HORA_FIM_INTRADAY = dt.time(18, 30)
+
+
+def _data_intraday_valida(data_verificacao: dt.date) -> bool:
+    """Verifica se a data é um dia de negociação intraday."""
+    # Primeiro valida regra geral de dia futuro / não útil / datas especiais
+    if not cm.data_negociacao_valida(data_verificacao):
+        return False
+
+    # Intraday só existe para 'hoje'
+    hoje_brasil = clock.today()
+    if data_verificacao != hoje_brasil:
+        return False
+
+    return True
+
+
+def futures(
+    date: DateLike,
+    contract_code: OpcoesContrato | str,
+) -> pl.DataFrame:
+    """
+    Fetches data for a specified futures contract based on type and reference date.
+
+    Args:
+        contract_code (str): The B3 futures contract code identifying the derivative.
+            Supported contract codes are:
+            - "DI1": One-day Interbank Deposit Futures (Futuro de DI) from B3.
+            - "DDI": DI x U.S. Dollar Spread Futures (Futuro de Cupom Cambial) from B3.
+            - "FRC": Forward Rate Agreement (FRA).
+            - "FRO": FRA DE CUPOM CAMBIAL EM OC1
+            - "DAP": DI x IPCA Spread Futures.
+            - "DOL": U.S. Dollar Futures from B3.
+            - "WDO": Mini U.S. Dollar Futures from B3.
+            - "IND": Ibovespa Futures from B3.
+            - "WIN": Mini Ibovespa Futures from B3.
+        date (DateLike): The reference date for fetching the data.
+
+    Returns:
+        pl.DataFrame: DataFrame containing the fetched data for the specified futures
+            contract.
+
+    Raises:
+        ValueError: If the futures contract code is not recognized or supported.
+
+    Examples:
+        >>> df = futures("31-05-2024", "DI1")
+        >>> {"TradeDate", "TickerSymbol", "ExpirationDate", "SettlementRate"}.issubset(
+        ...     set(df.columns)
+        ... )
+        True
+        >>> df.shape[0] > 0
+        True
+
+        >>> df = futures("31-05-2024", "DAP")
+        >>> {"TradeDate", "TickerSymbol", "ExpirationDate", "SettlementRate"}.issubset(
+        ...     set(df.columns)
+        ... )
+        True
+        >>> df.shape[0] > 0
+        True
+
+    """  # noqa: E501
+    if any_is_empty(date, contract_code):
+        return pl.DataFrame()
+    data_negociacao = cv.converter_datas(date)
+
+    # Validação centralizada (evita chamadas desnecessárias às APIs B3)
+    if not cm.data_negociacao_valida(data_negociacao):
+        logger.warning(
+            "A data %s não é válida. Retornando DataFrame vazio.",
+            data_negociacao,
+        )
+        return pl.DataFrame()
+
+    contrato_selecionado = str(contract_code).upper()
+
+    if _data_intraday_valida(data_negociacao):
+        # É um dia de negociação intraday
+        horario_atual = clock.now().time()
+        if horario_atual < HORA_INICIO_INTRADAY:  # Mercado não está aberto ainda
+            logger.warning("Mercado ainda não abriu. Retornando DataFrame vazio.")
+            return pl.DataFrame()
+
+        # Existe a chance de que os dados consolidados estejam disponíveis após as 18h
+        if horario_atual >= HORA_FIM_INTRADAY:
+            df_hist = hcore.buscar_df_historico(data_negociacao, contrato_selecionado)
+            if not df_hist.is_empty():
+                logger.info("Dados consolidados disponíveis. Usando histórico.")
+                return df_hist
+
+        # Mercado está aberto e não há dados consolidados disponíveis ainda
+        return fetch_intraday_df(contrato_selecionado)
+
+    else:  # É um dia histórico
+        return hcore.buscar_df_historico(data_negociacao, contrato_selecionado)

pyield-0.43.4/pyield/b3/futures/historical/core.py

@@ -0,0 +1,42 @@
+import datetime as dt
+
+import polars as pl
+from dateutil.relativedelta import relativedelta
+
+from pyield import clock
+from pyield.b3.price_report import fetch_price_report
+
+from . import historical_b3 as hb3
+
+JANELA_DADOS_RECENTES = relativedelta(months=1)
+
+
+def buscar_df_historico(data: dt.date, codigo_contrato: str) -> pl.DataFrame:
+    """Busca o histórico com priorização de fonte por recência da data.
+
+    Regras:
+    - Data até 1 mês atrás: busca direto no Price Report (SPR).
+    - Data dentro da janela recente: tenta endpoint curto (`historical_b3`).
+    - Se o endpoint curto vier vazio: faz fallback para Price Report (SPR).
+    """
+    data_limite_recente = clock.today() - JANELA_DADOS_RECENTES
+
+    # Datas antigas não tentam endpoint de janela curta.
+    if data <= data_limite_recente:
+        try:
+            return fetch_price_report(
+                date=data, contract_code=codigo_contrato, source_type="SPR"
+            )
+        except Exception:
+            return pl.DataFrame()
+
+    # Datas recentes priorizam endpoint curto; fallback para price report.
+    df_recente = hb3.buscar_df_historico(data, codigo_contrato)
+    if not df_recente.is_empty():
+        return df_recente
+    try:
+        return fetch_price_report(
+            date=data, contract_code=codigo_contrato, source_type="SPR"
+        )
+    except Exception:
+        return pl.DataFrame()

{pyield-0.43.2 → pyield-0.43.4}/pyield/b3/futures/historical/historical_b3.py

@@ -67,7 +67,6 @@ def _buscar_csv(data: dt.date) -> bytes:
         url, params=parametros, json=carga, headers=cabecalhos, timeout=(5, 30)
     )
     resposta.raise_for_status()
-    resposta.encoding = "utf-8-sig"
     return resposta.content
 
 
@@ -121,7 +120,7 @@ def _processar_df(
         colunas_taxa = [c for c in df.columns if c.endswith("Rate")]
 
         # Divide por 100 para transformar percentual em decimal (14.50 -> 0.1450)
-        df = df.with_columns((pl.col(colunas_taxa) / 100).round(6))
+        df = df.with_columns(pl.col(colunas_taxa).truediv(100).round(6))
 
     # 4. Cálculo do DV01 (Apenas para DI1 e se tivermos as colunas necessárias)
     # SettlementPrice aqui já é o PU vindo do CSV (Ex: 99.000)
@@ -131,11 +130,9 @@ def _processar_df(
         and "SettlementPrice" in df.columns
         and "SettlementRate" in df.columns
     ):
-        # DV01 = (Duration / (1 + Taxa)) * PU * 0.0001
-        # Duration Modificada * PU * 1bp
-        duracao = pl.col("BDaysToExp") / 252
-        duracao_mod = duracao / (1 + pl.col("SettlementRate"))
-        df = df.with_columns(DV01=duracao_mod * pl.col("SettlementPrice") * 0.0001)
+        df = df.with_columns(
+            DV01=cm.expr_dv01("BDaysToExp", "SettlementRate", "SettlementPrice")
+        )
 
     # 5. Forward Rates (Para DI1 e DAP)
     if codigo_contrato in {"DI1", "DAP"} and "SettlementRate" in df.columns:
@@ -191,7 +188,7 @@ def _selecionar_e_reordenar_colunas(df: pl.DataFrame) -> pl.DataFrame:
     return df.select(colunas_existentes)
 
 
-def _buscar_df_historico_b3(data: dt.date, codigo_contrato: str) -> pl.DataFrame:
+def buscar_df_historico(data: dt.date, codigo_contrato: str) -> pl.DataFrame:
     """Busca o histórico de futuros na B3 para a data informada."""
     try:
         # Tenta baixar os dados

{pyield-0.43.2 → pyield-0.43.4}/pyield/b3/futures/historical/historical_bmf.py

@@ -279,9 +279,9 @@ def _adicionar_colunas_derivadas(
     if codigo_contrato == "DI1" and {"SettlementRate", "SettlementPrice"}.issubset(
         df.columns
     ):
-        duracao = pl.col("BDaysToExp") / 252
-        duracao_mod = duracao / (1 + pl.col("SettlementRate"))
-        df = df.with_columns(DV01=0.0001 * duracao_mod * pl.col("SettlementPrice"))
+        df = df.with_columns(
+            DV01=cm.expr_dv01("BDaysToExp", "SettlementRate", "SettlementPrice")
+        )
 
     if codigo_contrato in {"DI1", "DAP"} and "SettlementRate" in df.columns:
         df = df.with_columns(
@@ -290,7 +290,7 @@ def _adicionar_colunas_derivadas(
     return df
 
 
-def _buscar_df_historico(data: dt.date, codigo_contrato: str) -> pl.DataFrame:
+def buscar_df_historico(data: dt.date, codigo_contrato: str) -> pl.DataFrame:
     """Obtém e processa o histórico da BMF para um contrato e data."""
     html_texto = _buscar_html(data, codigo_contrato)
     df = _parsear_html_lxml(html_texto)

{pyield-0.43.2 → pyield-0.43.4}/pyield/b3/futures/intraday.py

@@ -34,6 +34,7 @@ import polars as pl
 import polars.selectors as cs
 import requests
 
+import pyield.b3.common as cm
 from pyield import bday, clock
 from pyield._internal.retry import retry_padrao
 from pyield.fwd import forwards
@@ -142,9 +143,7 @@ def _processar_df(df: pl.DataFrame, codigo_contrato: str) -> pl.DataFrame:
         )
 
     if codigo_contrato == "DI1":  # Adiciona DV01 para DI1
-        duracao = pl.col("BDaysToExp") / 252
-        duracao_mod = duracao / (1 + pl.col("LastRate"))
-        df = df.with_columns(DV01=0.0001 * duracao_mod * pl.col("LastPrice"))
+        df = df.with_columns(DV01=cm.expr_dv01("BDaysToExp", "LastRate", "LastPrice"))
 
     return df.filter(pl.col("DaysToExp") > 0)  # Remove expiring contracts
 

{pyield-0.43.2 → pyield-0.43.4}/pyield/b3/price_report.py

@@ -275,9 +275,9 @@ def _processar_df(df: pl.DataFrame, contract_code: str) -> pl.DataFrame:
     if contract_code == "DI1":
         # DV01 requer SettlementRate e SettlementPrice
         if "SettlementRate" in df.columns and "SettlementPrice" in df.columns:
-            anos_base = pl.col("BDaysToExp") / 252
-            duracao_mod = anos_base / (1 + pl.col("SettlementRate"))
-            df = df.with_columns(DV01=0.0001 * duracao_mod * pl.col("SettlementPrice"))
+            df = df.with_columns(
+                DV01=cm.expr_dv01("BDaysToExp", "SettlementRate", "SettlementPrice")
+            )
 
     if contract_code in {"DI1", "DAP"} and "SettlementRate" in df.columns:
         forward_rates = forwards(bdays=df["BDaysToExp"], rates=df["SettlementRate"])
@@ -287,9 +287,7 @@ def _processar_df(df: pl.DataFrame, contract_code: str) -> pl.DataFrame:
     return df.select(coluna_ordem).filter(pl.col("DaysToExp") > 0)
 
 
-def _processar_zip(
-    zip_data: bytes, contract_code: str, source_type: str = "SPR"
-) -> pl.DataFrame:
+def _processar_zip(zip_data: bytes, contract_code: str) -> pl.DataFrame:
     if not zip_data:
         registro.warning("ZIP XML vazio.")
         return pl.DataFrame()
@@ -341,19 +339,25 @@ def fetch_price_report(
     Returns:
         pl.DataFrame: DataFrame com colunas ordenadas conforme COLUNAS_SAIDA,
         filtrado para excluir contratos vencidos (DaysToExp <= 0). Retorna
-        DataFrame vazio se não houver dados ou se a data for inválida.
+        DataFrame vazio para data inválida, resposta vazia ou falhas de parsing
+        recuperáveis.
 
     Raises:
         ValueError: Se source_type for inválido.
-        DadoIndisponivelError: Se a data for válida mas não houver dados.
-        requests.HTTPError: Se a requisição HTTP falhar.
+        DadoIndisponivelError: Se a data for válida, mas o endpoint não fornecer
+            arquivo para a data consultada.
+        requests.HTTPError: Se a requisição HTTP ao endpoint falhar.
 
     Examples:
         >>> import pyield as yd
         >>> df = yd.b3.fetch_price_report("26-04-2024", "DI1")
-        >>> df.columns[:5]
-        ['TradeDate', 'TickerSymbol', 'ExpirationDate', 'BDaysToExp', 'DaysToExp']
-        >>> df.shape[0] > 0
+        >>> df.is_empty() or df.columns[:5] == [
+        ...     "TradeDate",
+        ...     "TickerSymbol",
+        ...     "ExpirationDate",
+        ...     "BDaysToExp",
+        ...     "DaysToExp",
+        ... ]
         True
 
         >>> # Feriado ou fim de semana (retorna DataFrame vazio)
@@ -379,7 +383,7 @@ def fetch_price_report(
             registro.warning(msg_vazia)
             return pl.DataFrame()
 
-        df = _processar_zip(dados_zip, contract_code, source_type)
+        df = _processar_zip(dados_zip, contract_code)
 
         if df.is_empty():
             registro.warning(msg_vazia)
@@ -420,5 +424,5 @@ def read_price_report(
         source_type = "SPR" if filename.startswith("SPRD") else "PR"
 
     dados_zip = _ler_zip_arquivo(file_path)
-    df = _processar_zip(dados_zip, contract_code, source_type)
+    df = _processar_zip(dados_zip, contract_code)
     return df

{pyield-0.43.2 → pyield-0.43.4}/pyield/bc/ptax_api.py

@@ -110,7 +110,6 @@ def ptax_series(
         https://olinda.bcb.gov.br/olinda/servico/PTAX/versao/v1/odata/CotacaoDolarPeriodo(dataInicial=@dataInicial,dataFinalCotacao=@dataFinalCotacao)?@dataInicial='08-01-2025'&@dataFinalCotacao='08-05-2025'&$format=text/csv
 
     Consultas de Período:
-
     - Para consultar dados de um intervalo, forneça as datas de `start` e `end`.
     Exemplo:
 
@@ -127,7 +126,6 @@ def ptax_series(
         `ptax_series(end='27-10-2024')`
 
     Série Histórica Completa:
-
     - Para recuperar a série histórica completa de leilões (desde 28.11.1984
     até o último dia útil), chame a função sem fornecer os parâmetros `start` e `end`.
     Exemplo:
@@ -135,7 +133,6 @@ def ptax_series(
             `ptax_series()`
 
     Busca dados de cotações de dólar PTAX (taxa de câmbio) para o período:
-
     - Se `start` for fornecido e `end` não, a função retorna dados de `start` até o fim.
     - Se `end` for fornecido e `start` não, a API retorna dados do início até `end`.
     - Se ambos `start` e `end` forem omitidos, a API retorna a série histórica completa.
@@ -189,7 +186,6 @@ def ptax_series(
         - Última data disponível: data atual
 
         O DataFrame possui as seguintes colunas:
-
         - Date: Data da cotação.
         - DateTime: Data e hora da cotação.
         - BuyRate: Taxa de compra.

{pyield-0.43.2 → pyield-0.43.4}/pyield/bc/repo.py

@@ -174,18 +174,18 @@ def repos(
         retorna DataFrame vazio e registra log da exceção.
 
     Output Columns:
-        * data_leilao (Date): data de ocorrência do leilão.
-        * data_liquidacao (Date): data de liquidação (início da operação).
-        * data_retorno (Date): data de recompra / término da operação.
-        * hora_inicio (Time): horário de início do leilão.
-        * prazo_dias_corridos (Int64): dias corridos até a data de retorno.
-        * prazo_dias_uteis (Int64): dias úteis entre liquidação e retorno (bday.count).
-        * numero_comunicado (Int64): número do comunicado/aviso do BC (pode ser nulo).
-        * tipo_oferta (String): classif. do tipo de oferta (ex: Tomador, Compromissada 1047).
-        * publico_permitido (String): escopo de participantes (SomenteDealer, TodoMercado).
-        * volume_aceito (Int64): volume aceito no leilão em reais (convertido de milhares).
-        * taxa_corte (Float64): taxa de corte (ex. 0.1490 = 14,90%). Nula se volume_aceito = 0.
-        * percentual_aceito (Float64): percentual do volume ofertado efetivamente aceito (0-100).
+        - data_leilao (Date): data de ocorrência do leilão.
+        - data_liquidacao (Date): data de liquidação (início da operação).
+        - data_retorno (Date): data de recompra / término da operação.
+        - hora_inicio (Time): horário de início do leilão.
+        - prazo_dias_corridos (Int64): dias corridos até a data de retorno.
+        - prazo_dias_uteis (Int64): dias úteis entre liquidação e retorno (bday.count).
+        - numero_comunicado (Int64): número do comunicado/aviso do BC (pode ser nulo).
+        - tipo_oferta (String): classif. do tipo de oferta (ex: Tomador, Compromissada 1047).
+        - publico_permitido (String): escopo de participantes (SomenteDealer, TodoMercado).
+        - volume_aceito (Int64): volume aceito no leilão em reais (convertido de milhares).
+        - taxa_corte (Float64): taxa de corte (ex. 0.1490 = 14,90%). Nula se volume_aceito = 0.
+        - percentual_aceito (Float64): percentual do volume ofertado efetivamente aceito (0-100).
           100 = nenhuma rejeição. 0 indica nada aceito (volume_aceito = 0).
 
     Notes: