pyield 0.48.2__tar.gz → 0.48.4__tar.gz

{pyield-0.48.2 → pyield-0.48.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pyield
-Version: 0.48.2
+Version: 0.48.4
 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
@@ -64,11 +64,11 @@ pip install pyield
 ## Início Rápido
 
 ```python
-from pyield import dus, b3, bc, ntnb, Interpolador
+from pyield import du, b3, bc, ntnb, Interpolador
 
 # Dias úteis (base de todos os cálculos)
-dus.contar("02-01-2025", "15-01-2025")  # -> 9
-dus.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
+du.contar("02-01-2025", "15-01-2025")  # -> 9
+du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
 
 # Curva de DI Futuro
 df = b3.futuro("31-05-2024", "DI1")
@@ -92,28 +92,28 @@ Um notebook no Colab com mais exemplos:
 
 ## Blocos Principais
 
-### Dias Úteis (`dus`)
+### Dias Úteis (`du`)
 
-O módulo `dus` é a base do PYield. Todos os cálculos com datas (preço, duration, taxas a termo) dependem da contagem correta de dias úteis com feriados brasileiros.
+O módulo `du` é a base do PYield. Todos os cálculos com datas (preço, duration, taxas a termo) dependem da contagem correta de dias úteis com feriados brasileiros.
 
 ```python
-from pyield import dus
+from pyield import du
 
 # Conta dias úteis (início inclusivo, fim exclusivo)
-dus.contar("29-12-2023", "02-01-2024")  # -> 1
+du.contar("29-12-2023", "02-01-2024")  # -> 1
 
 # Avança N dias úteis
-dus.deslocar("29-12-2023", 1)  # -> datetime.date(2024, 1, 2)
+du.deslocar("29-12-2023", 1)  # -> datetime.date(2024, 1, 2)
 
 # Ajusta dia não útil para o próximo dia útil
-dus.deslocar("30-12-2023", 0)  # -> datetime.date(2024, 1, 2)
+du.deslocar("30-12-2023", 0)  # -> datetime.date(2024, 1, 2)
 
 # Gera intervalo de dias úteis
-dus.gerar("22-12-2023", "02-01-2024")
+du.gerar("22-12-2023", "02-01-2024")
 # -> Series: [2023-12-22, 2023-12-26, 2023-12-27, 2023-12-28, 2023-12-29, 2024-01-02]
 
 # Verifica se a data é dia útil
-dus.e_dia_util("25-12-2023")  # -> False (Natal)
+du.e_dia_util("25-12-2023")  # -> False (Natal)
 ```
 
 Todas as funções suportam operações vetorizadas com listas, Series ou arrays.
@@ -170,7 +170,7 @@ forwards(dias_uteis, taxas)  # -> Series: [0.05, 0.070095, 0.090284]
 
 | Módulo | Finalidade |
 |--------|---------|
-| `dus` | Calendário de dias úteis com feriados brasileiros |
+| `du` | Calendário de dias úteis com feriados brasileiros |
 | `b3.futuro` | Dados históricos de futuros da B3 (DI1, DDI, DAP, DOL, WDO, IND, WIN e outros) |
 | `b3.di1` | Curva DI1 interpolada e datas de negociação disponíveis |
 | `Interpolador` | Interpolação de taxas (flat_forward, linear) |
@@ -241,10 +241,10 @@ Tratamento de nulos: funções escalares retornam `float('nan')` para entradas a
 (propaga nos cálculos). Funções vetorizadas propagam `null` elemento a elemento.
 
 ```python
-from pyield import ntnb, dus
+from pyield import ntnb, du
 
 ntnb.cotacao(None, "15-05-2035", 0.06149)  # -> nan
-dus.contar(["01-01-2024", None], "01-02-2024")  # -> Series: [22, null]
+du.contar(["01-01-2024", None], "01-02-2024")  # -> Series: [22, null]
 ```
 
 Consultas sem dados disponíveis (data futura, feriado, fim de semana ou
@@ -264,11 +264,11 @@ A partir da versão 0.48.0, a API pública foi migrada para o português. Os pri
 
 | Antes (< 0.48) | Depois (≥ 0.48) |
 |---|---|
-| `yd.bday` | `yd.dus` |
-| `bday.count()` | `dus.contar()` |
-| `bday.offset()` | `dus.deslocar()` |
-| `bday.generate()` | `dus.gerar()` |
-| `bday.is_business_day()` | `dus.e_dia_util()` |
+| `yd.bday` | `yd.du` |
+| `bday.count()` | `du.contar()` |
+| `bday.offset()` | `du.deslocar()` |
+| `bday.generate()` | `du.gerar()` |
+| `bday.is_business_day()` | `du.e_dia_util()` |
 | `Interpolator(method, bdays, rates)` | `Interpolador(dias_uteis, taxas, metodo=...)` |
 | `extrapolate=True` | `extrapolar=True` |
 | `ntnb.quotation()` | `ntnb.cotacao()` |

{pyield-0.48.2 → pyield-0.48.4}/README.md

@@ -20,11 +20,11 @@ pip install pyield
 ## Início Rápido
 
 ```python
-from pyield import dus, b3, bc, ntnb, Interpolador
+from pyield import du, b3, bc, ntnb, Interpolador
 
 # Dias úteis (base de todos os cálculos)
-dus.contar("02-01-2025", "15-01-2025")  # -> 9
-dus.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
+du.contar("02-01-2025", "15-01-2025")  # -> 9
+du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
 
 # Curva de DI Futuro
 df = b3.futuro("31-05-2024", "DI1")
@@ -48,28 +48,28 @@ Um notebook no Colab com mais exemplos:
 
 ## Blocos Principais
 
-### Dias Úteis (`dus`)
+### Dias Úteis (`du`)
 
-O módulo `dus` é a base do PYield. Todos os cálculos com datas (preço, duration, taxas a termo) dependem da contagem correta de dias úteis com feriados brasileiros.
+O módulo `du` é a base do PYield. Todos os cálculos com datas (preço, duration, taxas a termo) dependem da contagem correta de dias úteis com feriados brasileiros.
 
 ```python
-from pyield import dus
+from pyield import du
 
 # Conta dias úteis (início inclusivo, fim exclusivo)
-dus.contar("29-12-2023", "02-01-2024")  # -> 1
+du.contar("29-12-2023", "02-01-2024")  # -> 1
 
 # Avança N dias úteis
-dus.deslocar("29-12-2023", 1)  # -> datetime.date(2024, 1, 2)
+du.deslocar("29-12-2023", 1)  # -> datetime.date(2024, 1, 2)
 
 # Ajusta dia não útil para o próximo dia útil
-dus.deslocar("30-12-2023", 0)  # -> datetime.date(2024, 1, 2)
+du.deslocar("30-12-2023", 0)  # -> datetime.date(2024, 1, 2)
 
 # Gera intervalo de dias úteis
-dus.gerar("22-12-2023", "02-01-2024")
+du.gerar("22-12-2023", "02-01-2024")
 # -> Series: [2023-12-22, 2023-12-26, 2023-12-27, 2023-12-28, 2023-12-29, 2024-01-02]
 
 # Verifica se a data é dia útil
-dus.e_dia_util("25-12-2023")  # -> False (Natal)
+du.e_dia_util("25-12-2023")  # -> False (Natal)
 ```
 
 Todas as funções suportam operações vetorizadas com listas, Series ou arrays.
@@ -126,7 +126,7 @@ forwards(dias_uteis, taxas)  # -> Series: [0.05, 0.070095, 0.090284]
 
 | Módulo | Finalidade |
 |--------|---------|
-| `dus` | Calendário de dias úteis com feriados brasileiros |
+| `du` | Calendário de dias úteis com feriados brasileiros |
 | `b3.futuro` | Dados históricos de futuros da B3 (DI1, DDI, DAP, DOL, WDO, IND, WIN e outros) |
 | `b3.di1` | Curva DI1 interpolada e datas de negociação disponíveis |
 | `Interpolador` | Interpolação de taxas (flat_forward, linear) |
@@ -197,10 +197,10 @@ Tratamento de nulos: funções escalares retornam `float('nan')` para entradas a
 (propaga nos cálculos). Funções vetorizadas propagam `null` elemento a elemento.
 
 ```python
-from pyield import ntnb, dus
+from pyield import ntnb, du
 
 ntnb.cotacao(None, "15-05-2035", 0.06149)  # -> nan
-dus.contar(["01-01-2024", None], "01-02-2024")  # -> Series: [22, null]
+du.contar(["01-01-2024", None], "01-02-2024")  # -> Series: [22, null]
 ```
 
 Consultas sem dados disponíveis (data futura, feriado, fim de semana ou
@@ -220,11 +220,11 @@ A partir da versão 0.48.0, a API pública foi migrada para o português. Os pri
 
 | Antes (< 0.48) | Depois (≥ 0.48) |
 |---|---|
-| `yd.bday` | `yd.dus` |
-| `bday.count()` | `dus.contar()` |
-| `bday.offset()` | `dus.deslocar()` |
-| `bday.generate()` | `dus.gerar()` |
-| `bday.is_business_day()` | `dus.e_dia_util()` |
+| `yd.bday` | `yd.du` |
+| `bday.count()` | `du.contar()` |
+| `bday.offset()` | `du.deslocar()` |
+| `bday.generate()` | `du.gerar()` |
+| `bday.is_business_day()` | `du.e_dia_util()` |
 | `Interpolator(method, bdays, rates)` | `Interpolador(dias_uteis, taxas, metodo=...)` |
 | `extrapolate=True` | `extrapolar=True` |
 | `ntnb.quotation()` | `ntnb.cotacao()` |

pyield-0.48.4/pyield/__about__.py

@@ -0,0 +1 @@
+__version__ = "0.48.4"

{pyield-0.48.2 → pyield-0.48.4}/pyield/__init__.py

@@ -1,6 +1,6 @@
 import logging
 
-from pyield import anbima, b3, bc, dus, ipca, selic, tn
+from pyield import anbima, b3, bc, du, ipca, selic, tn
 from pyield.__about__ import __version__
 from pyield.b3 import di1
 from pyield.fwd import forward, forwards
@@ -18,7 +18,7 @@ __all__ = [
     "bc",
     "copom_options",
     "di1",
-    "dus",
+    "du",
     "forward",
     "forwards",
     "hoje",

{pyield-0.48.2 → pyield-0.48.4}/pyield/_internal/converters.py

@@ -11,9 +11,9 @@ def data_referencia_valida(date: dt.date | None) -> bool:
     """Verifica se a data é dia útil e não está no futuro."""
     if date is None:
         return False
-    from pyield import dus, relogio  # noqa: PLC0415
+    from pyield import du, relogio  # noqa: PLC0415
 
-    return dus.e_dia_util(date) and date <= relogio.hoje()
+    return du.e_dia_util(date) and date <= relogio.hoje()
 
 
 def converter_datas_expr(expr: pl.Expr | str) -> pl.Expr:

{pyield-0.48.2 → pyield-0.48.4}/pyield/anbima/tpf.py

@@ -19,7 +19,7 @@ from typing import Literal
 import polars as pl
 import requests
 
-from pyield import dus
+from pyield import du
 from pyield._internal.br_numbers import float_br, taxa_br
 from pyield._internal.converters import converter_datas, data_referencia_valida
 from pyield._internal.data_cache import obter_dataset_cacheado
@@ -74,8 +74,8 @@ def _montar_nome_arquivo(data: dt.date) -> str:
 
 
 def _montar_url_arquivo(data: dt.date) -> str:
-    ultimo_dia_util = dus.ultimo_dia_util()
-    qtd_dias_uteis = dus.contar(data, ultimo_dia_util)
+    ultimo_dia_util = du.ultimo_dia_util()
+    qtd_dias_uteis = du.contar(data, ultimo_dia_util)
     if qtd_dias_uteis > DIAS_RETENCAO_PUBLICA:
         # Para datas com mais de 5 dias úteis, apenas os dados da RTM estão disponíveis
         logger.info("Tentando buscar dados RTM para %s", data.strftime("%d/%m/%Y"))

{pyield-0.48.2 → pyield-0.48.4}/pyield/b3/_validar_pregao.py

@@ -1,6 +1,6 @@
 import datetime as dt
 
-from pyield import dus, relogio
+from pyield import du, relogio
 
 # Pregão abre às 9:00, porém os dados intradia têm atraso de 15 minutos.
 # Esperar 1 minuto adicional para garantir que estejam disponíveis (9:16h).
@@ -18,7 +18,7 @@ def data_negociacao_valida(data_negociacao: dt.date) -> bool:
     """
     if data_negociacao > relogio.hoje():
         return False
-    if not dus.e_dia_util(data_negociacao):
+    if not du.e_dia_util(data_negociacao):
         return False
 
     # Não tem pregão na véspera de Natal e Ano Novo

{pyield-0.48.2 → pyield-0.48.4}/pyield/b3/di1.py

@@ -1,7 +1,7 @@
 import polars as pl
 
 import pyield._internal.converters as cv
-from pyield import b3, dus, interpolador
+from pyield import b3, du, interpolador
 from pyield._internal.data_cache import obter_dataset_cacheado
 from pyield._internal.types import ArrayLike, DateLike, any_is_collection, any_is_empty
 from pyield.b3.futuro import futuro_datas_disponiveis as _listar_datas
@@ -74,7 +74,7 @@ def dados(
             .unique(subset=["data_vencimento", "data_referencia"])
             .select(
                 data_ref_tpf=pl.col("data_referencia"),
-                data_vencimento=dus.deslocar_expr("data_vencimento", 0),
+                data_vencimento=du.deslocar_expr("data_vencimento", 0),
             )
             .sort("data_ref_tpf", "data_vencimento")
         )
@@ -207,7 +207,7 @@ def interpolar_taxas(
 
     # Inicializa taxa_interpolada como None
     df_entrada = df_entrada.with_columns(
-        dias_uteis=dus.contar_expr("data_referencia", "data_vencimento"),
+        dias_uteis=du.contar_expr("data_referencia", "data_vencimento"),
         taxa_interpolada=None,
     )
 

{pyield-0.48.2 → pyield-0.48.4}/pyield/b3/futuro/contratos.py

@@ -1,6 +1,6 @@
 import polars as pl
 
-from pyield import dus
+from pyield import du
 
 # Lista de contratos que negociam por taxa (juros/cupom).
 # Nestes contratos, as colunas OHLC são taxas e precisam ser divididas por 100.
@@ -71,6 +71,6 @@ def adicionar_vencimento(
         ).alias("data_vencimento")
     )
     # Garante que a data de vencimento é um dia útil
-    df = df.with_columns(data_vencimento=dus.deslocar_expr("data_vencimento", 0))
+    df = df.with_columns(data_vencimento=du.deslocar_expr("data_vencimento", 0))
 
     return df

{pyield-0.48.2 → pyield-0.48.4}/pyield/b3/futuro/historico.py

@@ -3,7 +3,7 @@ import datetime as dt
 import polars as pl
 import polars.selectors as cs
 
-from pyield import dus
+from pyield import du
 from pyield._internal.data_cache import obter_dataset_cacheado
 from pyield.b3.futuro.contratos import (
     CONTRATOS_TAXA,
@@ -107,7 +107,7 @@ def _obter_cache_filtrado(contrato: str) -> pl.DataFrame:
 
 def _enriquecer_dados(df: pl.DataFrame, contrato: str) -> pl.DataFrame:
     df = df.with_columns(
-        dias_uteis=dus.contar_expr("data_referencia", "data_vencimento"),
+        dias_uteis=du.contar_expr("data_referencia", "data_vencimento"),
         dias_corridos=(
             pl.col("data_vencimento") - pl.col("data_referencia")
         ).dt.total_days(),

{pyield-0.48.2 → pyield-0.48.4}/pyield/b3/futuro/intradia.py

@@ -1,7 +1,7 @@
 import polars as pl
 import polars.selectors as cs
 
-from pyield import dus
+from pyield import du
 from pyield.b3._validar_pregao import intradia_disponivel
 from pyield.b3.derivativos_intradia import derivativo_intradia
 from pyield.b3.futuro.contratos import CONTRATOS_TAXA, expr_dv01
@@ -92,11 +92,11 @@ def _processar_intradia(df: pl.DataFrame, contrato: str) -> pl.DataFrame:
         df = df.rename(_PRECO_PARA_TAXA_INTRADIA, strict=False)
     df = df.drop_nulls("data_vencimento").sort("data_vencimento")
 
-    data_negociacao = dus.ultimo_dia_util()
+    data_negociacao = du.ultimo_dia_util()
     df = df.with_columns(
         data_referencia=data_negociacao,
         dias_corridos=(pl.col("data_vencimento") - data_negociacao).dt.total_days(),
-        dias_uteis=dus.contar_expr(data_negociacao, "data_vencimento"),
+        dias_uteis=du.contar_expr(data_negociacao, "data_vencimento"),
     ).filter(pl.col("dias_corridos") > 0)
 
     if contrato in CONTRATOS_TAXA:

{pyield-0.48.2 → pyield-0.48.4}/pyield/bc/compromissada.py

@@ -16,7 +16,7 @@ import polars as pl
 import requests
 
 import pyield._internal.converters as cv
-from pyield import dus
+from pyield import du
 from pyield._internal.br_numbers import float_br, taxa_br
 from pyield._internal.retry import retry_padrao
 from pyield._internal.types import DateLike
@@ -25,25 +25,25 @@ URL_BASE_API = "https://olinda.bcb.gov.br/olinda/servico/leiloes_selic/versao/v1
 
 
 def _montar_url(
-    data_inicial: DateLike | None,
-    data_final: DateLike | None,
+    inicio: DateLike | None,
+    fim: DateLike | None,
 ) -> str:
     """Monta URL de consulta conforme parâmetros opcionais de período.
 
     Regras da API:
-        - Apenas data_inicial: retorna de data_inicial até o fim da série.
-        - Apenas data_final: retorna do início da série até data_final.
+        - Apenas inicio: retorna de inicio até o fim da série.
+        - Apenas fim: retorna do início da série até fim.
         - Ambos ausentes: retorna a série completa.
     """
     url = URL_BASE_API
-    if data_inicial:
-        inicio = cv.converter_datas(data_inicial)
-        inicio_str = inicio.strftime("%Y-%m-%d")
+    if inicio:
+        inicio_dt = cv.converter_datas(inicio)
+        inicio_str = inicio_dt.strftime("%Y-%m-%d")
         url += f"@dataLancamentoInicio='{inicio_str}'"
 
-    if data_final:
-        fim = cv.converter_datas(data_final)
-        fim_str = fim.strftime("%Y-%m-%d")
+    if fim:
+        fim_dt = cv.converter_datas(fim)
+        fim_str = fim_dt.strftime("%Y-%m-%d")
         url += f"&@dataLancamentoFim='{fim_str}'"
 
     url += "&$format=text/csv"  # Adiciona o formato CSV ao final
@@ -81,7 +81,7 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
         data_retorno=pl.col("dataRetorno").str.to_date("%Y-%m-%d"),
         hora_inicio=pl.col("horaInicio").str.to_time("%H:%M"),
         prazo_dias_corridos=pl.col("prazoDiasCorridos").cast(pl.Int64),
-        prazo_dias_uteis=dus.contar_expr("dataLiquidacao", "dataRetorno"),
+        prazo_dias_uteis=du.contar_expr("dataLiquidacao", "dataRetorno"),
         numero_comunicado=pl.col("numeroComunicado").cast(pl.Int64),
         tipo_oferta=pl.col("nomeTipoOferta"),
         publico_permitido=pl.col("publicoPermitidoLeilao"),
@@ -94,19 +94,19 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
 
 
 def compromissadas(
-    data_inicial: DateLike | None = None,
-    data_final: DateLike | None = None,
+    inicio: DateLike | None = None,
+    fim: DateLike | None = None,
 ) -> pl.DataFrame:
     """Consulta e retorna leilões de operações compromissadas do BCB.
 
     Semântica dos parâmetros de período (API OData):
-        - data_inicial somente: dados de data_inicial até o fim da série.
-        - data_final somente: dados do início da série até data_final.
+        - inicio somente: dados de inicio até o fim da série.
+        - fim somente: dados do início da série até fim.
         - ambos omitidos: série histórica completa.
 
     Args:
-        data_inicial: Data inicial (inclusive) ou None.
-        data_final: Data final (inclusive) ou None.
+        inicio: Data inicial (inclusive) ou None.
+        fim: Data final (inclusive) ou None.
 
     Returns:
         DataFrame com colunas normalizadas em português e tipos
@@ -119,7 +119,7 @@ def compromissadas(
         - 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
-                    (dus.contar).
+                    (du.contar).
         - 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).
@@ -133,7 +133,7 @@ def compromissadas(
 
     Examples:
         >>> from pyield import bc
-        >>> bc.compromissadas(data_inicial="21-08-2025", data_final="21-08-2025")
+        >>> bc.compromissadas(inicio="21-08-2025", fim="21-08-2025")
         shape: (2, 12)
         ┌─────────────┬─────────────────┬──────────────┬─────────────┬───┬───────────────────┬───────────────┬────────────┬───────────────────┐
         │ data_leilao ┆ data_liquidacao ┆ data_retorno ┆ hora_inicio ┆ … ┆ publico_permitido ┆ volume_aceito ┆ taxa_corte ┆ percentual_aceito │
@@ -144,7 +144,7 @@ def compromissadas(
         │ 2025-08-21  ┆ 2025-08-22      ┆ 2025-11-21   ┆ 12:00:00    ┆ … ┆ TodoMercado       ┆ 5000000000    ┆ 0.9978     ┆ 35.87             │
         └─────────────┴─────────────────┴──────────────┴─────────────┴───┴───────────────────┴───────────────┴────────────┴───────────────────┘
     """
-    url = _montar_url(data_inicial=data_inicial, data_final=data_final)
+    url = _montar_url(inicio=inicio, fim=fim)
     csv_api = _buscar_csv_api(url)
     df = _ler_csv(csv_api)
     if df.is_empty():

{pyield-0.48.2 → pyield-0.48.4}/pyield/bc/copom.py

@@ -20,7 +20,7 @@ import logging
 import polars as pl
 import requests
 
-from pyield import dus, relogio
+from pyield import du, relogio
 from pyield._internal.converters import converter_datas
 from pyield._internal.retry import retry_padrao
 from pyield._internal.types import DateLike
@@ -146,8 +146,8 @@ def calendar(
 
     Notes
     -----
-    ExpiryDate is computed with ``dus.deslocar_expr("EndDate", 1)``, using
-    the Brazilian holiday calendar already embedded in ``pyield.dus``.
+    ExpiryDate is computed with ``du.deslocar_expr("EndDate", 1)``, using
+    the Brazilian holiday calendar already embedded in ``pyield.du``.
 
     Examples
     --------
@@ -169,7 +169,7 @@ def calendar(
 
     # ExpiryDate: next business day after the meeting ends.
     # Vectorized via deslocar_expr — consistent with the rest of the codebase.
-    df = df.with_columns(ExpiryDate=dus.deslocar_expr("EndDate", 1))
+    df = df.with_columns(ExpiryDate=du.deslocar_expr("EndDate", 1))
 
     # Optional date-range filter on EndDate
     if start is not None:

{pyield-0.48.2 → pyield-0.48.4}/pyield/bc/leiloes.py

@@ -15,7 +15,7 @@ import polars.selectors as cs
 import requests
 
 import pyield._internal.converters as cv
-from pyield import dus
+from pyield import du
 from pyield._internal.br_numbers import float_br, taxa_br
 from pyield._internal.retry import retry_padrao
 from pyield._internal.types import DateLike
@@ -78,17 +78,17 @@ MAPA_TIPO_LEILAO = {"venda": "Venda", "compra": "Compra"}
 
 
 def _montar_url(
-    data_inicial: DateLike | None = None,
-    data_final: DateLike | None = None,
+    inicio: DateLike | None = None,
+    fim: DateLike | None = None,
     tipo_leilao: Literal["venda", "compra"] | None = None,
 ) -> str:
     url = URL_BASE_API
-    if data_inicial:
-        data_inicial = cv.converter_datas(data_inicial)
-        url += f"@dataMovimentoInicio='{data_inicial:%Y-%m-%d}'"
-    if data_final:
-        data_final = cv.converter_datas(data_final)
-        url += f"&@dataMovimentoFim='{data_final:%Y-%m-%d}'"
+    if inicio:
+        inicio = cv.converter_datas(inicio)
+        url += f"@dataMovimentoInicio='{inicio:%Y-%m-%d}'"
+    if fim:
+        fim = cv.converter_datas(fim)
+        url += f"&@dataMovimentoFim='{fim:%Y-%m-%d}'"
     if tipo_leilao:
         url += f"&@tipoOferta='{MAPA_TIPO_LEILAO[tipo_leilao.lower()]}'"
     url += "&$format=text/csv"
@@ -174,7 +174,7 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
             quantidade_liquidada_total=pl.sum_horizontal(
                 "quantidade_liquidada_1v", "quantidade_liquidada_2v"
             ),
-            dias_uteis=dus.contar_expr("data_liquidacao", "data_vencimento"),
+            dias_uteis=du.contar_expr("data_liquidacao", "data_vencimento"),
         )
         .with_columns(
             financeiro_1v=pl.when(pl.col("quantidade_aceita_1v") != 0)
@@ -231,11 +231,11 @@ def _buscar_ptax(df: pl.DataFrame) -> pl.DataFrame:
     assert isinstance(data_inicio, dt.date)
     assert isinstance(data_fim, dt.date)
 
-    ultimo_dia_util = dus.ultimo_dia_util()
+    ultimo_dia_util = du.ultimo_dia_util()
     if data_inicio >= ultimo_dia_util:
-        data_inicio = dus.deslocar(ultimo_dia_util, -1)
+        data_inicio = du.deslocar(ultimo_dia_util, -1)
 
-    df_ptax = ptax_serie(data_inicial=data_inicio, data_final=data_fim)
+    df_ptax = ptax_serie(inicio=data_inicio, fim=data_fim)
     if df_ptax.is_empty():
         return pl.DataFrame()
 
@@ -265,21 +265,21 @@ def _adicionar_dv01_usd(df: pl.DataFrame) -> pl.DataFrame:
 
 
 def leiloes(
-    data_inicial: DateLike | None = None,
-    data_final: DateLike | None = None,
+    inicio: DateLike | None = None,
+    fim: DateLike | None = None,
     tipo_leilao: Literal["venda", "compra"] | None = None,
 ) -> pl.DataFrame:
     """Dados de leilões de títulos públicos federais do BCB.
 
     Fonte: Banco Central do Brasil. Disponível desde 12/11/2012.
 
-    Se ambos `data_inicial` e `data_final` forem omitidos, retorna a série
+    Se ambos `inicio` e `fim` forem omitidos, retorna a série
     histórica completa. Se apenas um for informado, a API do BCB
     usa o início ou fim do histórico como limite.
 
     Args:
-        data_inicial: Data de início. Padrão é ``None``.
-        data_final: Data de fim. Padrão é ``None``.
+        inicio: Data de início. Padrão é ``None``.
+        fim: Data de fim. Padrão é ``None``.
         tipo_leilao: Tipo de leilão (``"venda"`` ou ``"compra"``).
             Padrão é ``None`` (todos).
 
@@ -328,7 +328,7 @@ def leiloes(
 
     Examples:
         >>> from pyield import bc
-        >>> bc.leiloes(data_inicial="19-08-2025", data_final="19-08-2025")
+        >>> bc.leiloes(inicio="19-08-2025", fim="19-08-2025")
         shape: (5, 34)
         ┌─────────────┬─────────────────┬─────────────┬───────────────┬───┬─────────────────────────┬───────────────┬───────────────┬──────────────────┐
         │ data_leilao ┆ data_liquidacao ┆ tipo_leilao ┆ numero_edital ┆ … ┆ quantidade_aceita_total ┆ financeiro_1v ┆ financeiro_2v ┆ financeiro_total │
@@ -343,8 +343,8 @@ def leiloes(
         └─────────────┴─────────────────┴─────────────┴───────────────┴───┴─────────────────────────┴───────────────┴───────────────┴──────────────────┘
     """
     url = _montar_url(
-        data_inicial=data_inicial,
-        data_final=data_final,
+        inicio=inicio,
+        fim=fim,
         tipo_leilao=tipo_leilao,
     )
     dados = _buscar_csv(url)