pyield 0.48.0__tar.gz → 0.48.1__tar.gz

{pyield-0.48.0 → pyield-0.48.1}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pyield
-Version: 0.48.0
+Version: 0.48.1
 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

pyield-0.48.1/pyield/__about__.py

@@ -0,0 +1 @@
+__version__ = "0.48.1"

pyield-0.48.1/pyield/tn/__init__.py

@@ -0,0 +1,6 @@
+from pyield.tn.benchmark import benchmarks
+from pyield.tn.leiloes import leilao
+from pyield.tn.rmd import rmd
+from pyield.tn.utils import premio_pre
+
+__all__ = ["benchmarks", "leilao", "premio_pre", "rmd"]

{pyield-0.48.0 → pyield-0.48.1}/pyield/tn/ltn.py

@@ -4,7 +4,6 @@ import pyield._internal.converters as cv
 from pyield import dus, fwd
 from pyield._internal.types import DateLike, any_is_empty
 from pyield.tn import utils
-from pyield.tn.pre import premio as premio_pre
 
 VALOR_FACE = 1000
 
@@ -312,7 +311,9 @@ def premio(
         │ LTN    ┆ 2032-01-01      ┆ 11.24  │
         └────────┴─────────────────┴────────┘
     """
-    return premio_pre(data, pontos_base=pontos_base).filter(pl.col("titulo") == "LTN")
+    return utils.premio_pre(data, pontos_base=pontos_base).filter(
+        pl.col("titulo") == "LTN"
+    )
 
 
 def taxas_forward(data: DateLike) -> pl.DataFrame:

{pyield-0.48.0 → pyield-0.48.1}/pyield/tn/ntnf.py

@@ -10,7 +10,6 @@ from pyield import dus
 from pyield._internal.types import ArrayLike, DateLike, any_is_empty
 from pyield.b3 import di1
 from pyield.tn import utils
-from pyield.tn.pre import premio as premio_pre
 
 """
 Constantes calculadas conforme regras da ANBIMA
@@ -674,7 +673,9 @@ def premio(data: DateLike, pontos_base: bool = False) -> pl.DataFrame:
         │ NTN-F  ┆ 2035-01-01      ┆ 22.0   │
         └────────┴─────────────────┴────────┘
     """
-    return premio_pre(data, pontos_base=pontos_base).filter(pl.col("titulo") == "NTN-F")
+    return utils.premio_pre(data, pontos_base=pontos_base).filter(
+        pl.col("titulo") == "NTN-F"
+    )
 
 
 def premio_limpo(  # noqa

{pyield-0.48.0 → pyield-0.48.1}/pyield/tn/pre.py

@@ -1,6 +1,5 @@
 import polars as pl
 
-import pyield._internal.converters as cv
 from pyield import dus
 from pyield._internal.types import DateLike
 from pyield.tn import ntnf, utils
@@ -137,81 +136,3 @@ def _validar_resultado_final(df: pl.DataFrame) -> None:
 
     if df["taxa_zero"].is_null().any():
         raise ValueError("Resultado final contém NaN na coluna taxa_zero")
-
-
-def premio(
-    data: DateLike,
-    pontos_base: bool = False,
-) -> pl.DataFrame:
-    """
-    Calcula o prêmio dos títulos prefixados (LTN e NTN-F) sobre o DI.
-
-    Em linguagem de mercado, esse valor é chamado de prêmio. Em termos
-    descritivos, trata-se do spread sobre o DI.
-
-    Definição do prêmio:
-        premio = taxa indicativa do PRE - taxa de ajuste do DI
-
-    Quando ``pontos_base=False`` a coluna retorna essa diferença em formato
-    decimal (ex: 0.000439 ≈ 4.39 bps). Quando ``pontos_base=True`` o valor é
-    automaticamente
-    multiplicado por 10_000 e exibido diretamente em basis points.
-
-    Args:
-        data: Data da consulta para buscar as taxas.
-        pontos_base: Se True, retorna o prêmio já convertido em basis points.
-            Padrão False.
-
-    Returns:
-        pl.DataFrame: DataFrame com as colunas do prêmio.
-
-    Output Columns:
-        - titulo (String): Tipo do título.
-        - data_vencimento (Date): Data de vencimento.
-        - premio (Float64): prêmio em decimal ou bps conforme parâmetro
-            (spread sobre o DI).
-
-    Examples:
-        >>> from pyield.tn import pre
-        >>> pre.premio("30-05-2025", pontos_base=True)
-        shape: (18, 3)
-        ┌────────┬─────────────────┬────────┐
-        │ titulo ┆ data_vencimento ┆ premio │
-        │ ---    ┆ ---             ┆ ---    │
-        │ str    ┆ date            ┆ f64    │
-        ╞════════╪═════════════════╪════════╡
-        │ LTN    ┆ 2025-07-01      ┆ 4.39   │
-        │ LTN    ┆ 2025-10-01      ┆ -9.0   │
-        │ LTN    ┆ 2026-01-01      ┆ -4.88  │
-        │ LTN    ┆ 2026-04-01      ┆ -4.45  │
-        │ LTN    ┆ 2026-07-01      ┆ 0.81   │
-        │ …      ┆ …               ┆ …      │
-        │ NTN-F  ┆ 2027-01-01      ┆ -3.31  │
-        │ NTN-F  ┆ 2029-01-01      ┆ 14.21  │
-        │ NTN-F  ┆ 2031-01-01      ┆ 21.61  │
-        │ NTN-F  ┆ 2033-01-01      ┆ 11.51  │
-        │ NTN-F  ┆ 2035-01-01      ┆ 22.0   │
-        └────────┴─────────────────┴────────┘
-    """
-    # Busca taxas dos títulos (LTN e NTN-F) e adiciona taxa_di
-    df = utils.obter_tpf(data, "PRE").select(
-        "titulo", "data_vencimento", "taxa_indicativa"
-    )
-    if df.is_empty():
-        return df.select(
-            pl.lit("").alias("titulo"),
-            pl.lit(None, dtype=pl.Date).alias("data_vencimento"),
-            pl.lit(None, dtype=pl.Float64).alias("premio"),
-        ).clear()
-    data_ref = cv.converter_datas(data)
-    df = utils.adicionar_taxa_di(df, data_ref)
-    df = (
-        df.with_columns(premio=pl.col("taxa_indicativa") - pl.col("taxa_di"))
-        .select("titulo", "data_vencimento", "premio")
-        .sort("titulo", "data_vencimento")
-    )
-
-    if pontos_base:
-        df = df.with_columns(pl.col("premio") * 10_000)
-
-    return df

{pyield-0.48.0 → pyield-0.48.1}/pyield/tn/utils.py

@@ -6,6 +6,7 @@ from typing import overload
 
 import polars as pl
 
+import pyield._internal.converters as cv
 from pyield._internal.types import DateLike
 from pyield.anbima.tpf import TipoTPF
 
@@ -298,3 +299,77 @@ def encontrar_raiz(func_diferenca_preco: Callable[[float], float]) -> float:
 
     a, b = intervalo
     return _metodo_bissecao(func_diferenca_preco, a, b)
+
+
+def premio_pre(
+    data: DateLike,
+    pontos_base: bool = False,
+) -> pl.DataFrame:
+    """Calcula o prêmio dos títulos prefixados (LTN e NTN-F) sobre o DI.
+
+    Em linguagem de mercado, esse valor é chamado de prêmio. Em termos
+    descritivos, trata-se do spread sobre o DI.
+
+    Definição do prêmio:
+        premio = taxa indicativa do PRE - taxa de ajuste do DI
+
+    Quando ``pontos_base=False`` a coluna retorna essa diferença em formato
+    decimal (ex: 0.000439 ≈ 4.39 bps). Quando ``pontos_base=True`` o valor
+    é automaticamente multiplicado por 10_000 e exibido diretamente em
+    basis points.
+
+    Args:
+        data: Data da consulta para buscar as taxas.
+        pontos_base: Se True, retorna o prêmio já convertido em basis
+            points. Padrão False.
+
+    Returns:
+        pl.DataFrame: DataFrame com as colunas do prêmio.
+
+    Output Columns:
+        - titulo (String): Tipo do título.
+        - data_vencimento (Date): Data de vencimento.
+        - premio (Float64): prêmio em decimal ou bps conforme parâmetro
+            (spread sobre o DI).
+
+    Examples:
+        >>> from pyield.tn import utils
+        >>> utils.premio_pre("30-05-2025", pontos_base=True)
+        shape: (18, 3)
+        ┌────────┬─────────────────┬────────┐
+        │ titulo ┆ data_vencimento ┆ premio │
+        │ ---    ┆ ---             ┆ ---    │
+        │ str    ┆ date            ┆ f64    │
+        ╞════════╪═════════════════╪════════╡
+        │ LTN    ┆ 2025-07-01      ┆ 4.39   │
+        │ LTN    ┆ 2025-10-01      ┆ -9.0   │
+        │ LTN    ┆ 2026-01-01      ┆ -4.88  │
+        │ LTN    ┆ 2026-04-01      ┆ -4.45  │
+        │ LTN    ┆ 2026-07-01      ┆ 0.81   │
+        │ …      ┆ …               ┆ …      │
+        │ NTN-F  ┆ 2027-01-01      ┆ -3.31  │
+        │ NTN-F  ┆ 2029-01-01      ┆ 14.21  │
+        │ NTN-F  ┆ 2031-01-01      ┆ 21.61  │
+        │ NTN-F  ┆ 2033-01-01      ┆ 11.51  │
+        │ NTN-F  ┆ 2035-01-01      ┆ 22.0   │
+        └────────┴─────────────────┴────────┘
+    """
+    df = obter_tpf(data, "PRE").select("titulo", "data_vencimento", "taxa_indicativa")
+    if df.is_empty():
+        return df.select(
+            pl.lit("").alias("titulo"),
+            pl.lit(None, dtype=pl.Date).alias("data_vencimento"),
+            pl.lit(None, dtype=pl.Float64).alias("premio"),
+        ).clear()
+    data_ref = cv.converter_datas(data)
+    df = adicionar_taxa_di(df, data_ref)
+    df = (
+        df.with_columns(premio=pl.col("taxa_indicativa") - pl.col("taxa_di"))
+        .select("titulo", "data_vencimento", "premio")
+        .sort("titulo", "data_vencimento")
+    )
+
+    if pontos_base:
+        df = df.with_columns(pl.col("premio") * 10_000)
+
+    return df

pyield-0.48.0/pyield/__about__.py

@@ -1 +0,0 @@
-__version__ = "0.48.0"

pyield-0.48.0/pyield/tn/__init__.py

@@ -1,19 +0,0 @@
-from pyield.tn.benchmark import benchmarks
-from pyield.tn.leiloes import leilao
-from pyield.tn.pre import premio
-from pyield.tn.rmd import rmd
-
-__all__ = [
-    "benchmarks",
-    "leilao",
-    "lft",
-    "ltn",
-    "ntnb",
-    "ntnb1",
-    "ntnbprinc",
-    "ntnc",
-    "ntnf",
-    "pre",
-    "premio",
-    "rmd",
-]