pyield 0.48.6__tar.gz → 0.48.8__tar.gz

{pyield-0.48.6 → pyield-0.48.8}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pyield
-Version: 0.48.6
+Version: 0.48.8
 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-0.48.8/pyield/__about__.py

@@ -0,0 +1 @@
+__version__ = "0.48.8"

pyield-0.48.8/pyield/anbima/__init__.py

@@ -0,0 +1,9 @@
+from pyield.anbima.imaq import imaq
+from pyield.anbima.tpf import tpf, tpf_fonte, tpf_vencimentos
+
+__all__ = [
+    "imaq",
+    "tpf",
+    "tpf_vencimentos",
+    "tpf_fonte",
+]

{pyield-0.48.6 → pyield-0.48.8}/pyield/b3/boletim.py

@@ -215,19 +215,12 @@ def _parsear_xml_registros(xml_bytes: bytes) -> list[dict]:
 
 
 def _converter_para_df(registros: list[dict]) -> pl.DataFrame:
-    df = pl.DataFrame(registros)
-    # Casting usa os nomes originais do XML, que são constantes
-    tipos_coluna = {k: v for k, v in SCHEMA_PRICE_REPORT.items() if k in df.columns}
-    df = df.cast(tipos_coluna, strict=False)  # type: ignore
-    # Adiciona colunas ausentes com null e garante ordem/schema constante
-    colunas_faltantes = {
-        nome: pl.lit(None).cast(tipo)
-        for nome, tipo in SCHEMA_PRICE_REPORT.items()
-        if nome not in df.columns
-    }
-    if colunas_faltantes:
-        df = df.with_columns(**colunas_faltantes)
-    return df.select(SCHEMA_PRICE_REPORT.keys())
+    # Schema explícito garante que todas as colunas existam no DataFrame,
+    # mesmo que os primeiros registros não tenham todas as chaves.
+    # (pl.DataFrame infere colunas de ~50 primeiras linhas por padrão.)
+    schema_str = {nome: pl.String for nome in SCHEMA_PRICE_REPORT}
+    df = pl.DataFrame(registros, schema=schema_str)
+    return df.cast(SCHEMA_PRICE_REPORT, strict=False)  # type: ignore
 
 
 def _processar_xml_extraido(xml_bytes: bytes) -> pl.DataFrame:

{pyield-0.48.6 → pyield-0.48.8}/pyield/b3/di1.py

@@ -236,11 +236,9 @@ def interpolar_taxas(
             extrapolar=extrapolar,
         )
 
-        # 4. A mágica: map_batches passa a Series inteira para o interpolador
-        # O interpolador retorna uma Series, que o Polars alinha perfeitamente
         df_parcial = df_parcial.with_columns(
             pl.col("dias_uteis")
-            .map_batches(interpolador_du)  # Passa Series -> Recebe Series
+            .map_elements(interpolador_du, return_dtype=pl.Float64)
             .alias("taxa_interpolada")
         )
 

pyield-0.48.8/pyield/bc/_olinda.py

@@ -0,0 +1,33 @@
+"""Helpers compartilhados para acesso à API OData do BCB (olinda.bcb.gov.br)."""
+
+import polars as pl
+import requests
+
+from pyield._internal.retry import retry_padrao
+
+
+def montar_url(url_base: str, parametros: dict[str, str]) -> str:
+    """Monta URL OData com parâmetros opcionais e formato CSV.
+
+    Args:
+        url_base: URL base do endpoint OData (com '?' no final).
+        parametros: Dicionário ``{nome_param: valor}`` já formatado.
+            Parâmetros com valor vazio são ignorados.
+    """
+    partes = [f"@{k}='{v}'" for k, v in parametros.items() if v]
+    return url_base + "&".join(partes) + "&$format=text/csv"
+
+
+@retry_padrao
+def buscar_csv(url: str) -> bytes:
+    """Busca CSV da API OData do BCB com retry automático."""
+    r = requests.get(url, timeout=10)
+    r.raise_for_status()
+    return r.content
+
+
+def parsear_csv(dados: bytes) -> pl.DataFrame:
+    """Lê CSV OData como DataFrame sem inferência de tipos."""
+    if not dados.strip():
+        return pl.DataFrame()
+    return pl.read_csv(dados, infer_schema=False, null_values=["null", ""])

{pyield-0.48.6 → pyield-0.48.8}/pyield/bc/compromissada.py

@@ -13,63 +13,27 @@ ac1b013d13d6fb1d9d9e251b8000121e, 2025-08-21   , 12:00     , TodoMercado
 """
 
 import polars as pl
-import requests
 
 import pyield._internal.converters as cv
 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
+from pyield.bc._olinda import buscar_csv, montar_url, parsear_csv
 
 URL_BASE_API = "https://olinda.bcb.gov.br/olinda/servico/leiloes_selic/versao/v1/odata/leiloes_compromissadas(dataLancamentoInicio=@dataLancamentoInicio,dataLancamentoFim=@dataLancamentoFim,horaInicio=@horaInicio,dataLiquidacao=@dataLiquidacao,dataRetorno=@dataRetorno,publicoPermitidoLeilao=@publicoPermitidoLeilao,nomeTipoOferta=@nomeTipoOferta)?"
 
 
-def _montar_url(
+def _montar_parametros(
     inicio: DateLike | None,
     fim: DateLike | None,
-) -> str:
-    """Monta URL de consulta conforme parâmetros opcionais de período.
-
-    Regras da API:
-        - 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
+) -> dict[str, str]:
+    """Converte parâmetros opcionais de período em dicionário para a URL."""
+    params: dict[str, str] = {}
     if inicio:
-        inicio_dt = cv.converter_datas(inicio)
-        inicio_str = inicio_dt.strftime("%Y-%m-%d")
-        url += f"@dataLancamentoInicio='{inicio_str}'"
-
+        params["dataLancamentoInicio"] = cv.converter_datas(inicio).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
-
-    return url
-
-
-@retry_padrao
-def _buscar_csv_api(url: str) -> bytes:
-    """Executa requisição HTTP e retorna o corpo CSV como string.
-
-    Decorado com ``retry_padrao`` para resiliência a falhas transitórias.
-    Levanta exceções de status HTTP para tratamento a montante.
-    """
-    r = requests.get(url, timeout=10)
-    r.raise_for_status()
-    return r.content
-
-
-def _ler_csv(csv_bytes: bytes) -> pl.DataFrame:
-    """Lê o CSV (bytes) em um DataFrame Polars sem inferência de tipos."""
-    return pl.read_csv(
-        csv_bytes,
-        infer_schema=False,
-        null_values=["null", ""],
-    )
+        params["dataLancamentoFim"] = cv.converter_datas(fim).strftime("%Y-%m-%d")
+    return params
 
 
 def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
@@ -80,14 +44,14 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
         data_liquidacao=pl.col("dataLiquidacao").str.to_date("%Y-%m-%d"),
         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=du.contar_expr("dataLiquidacao", "dataRetorno"),
-        numero_comunicado=pl.col("numeroComunicado").cast(pl.Int64),
+        prazo_dc=pl.col("prazoDiasCorridos").cast(pl.Int64),
+        prazo_du=du.contar_expr("dataLiquidacao", "dataRetorno"),
+        comunicado=pl.col("numeroComunicado").cast(pl.Int64),
         tipo_oferta=pl.col("nomeTipoOferta"),
-        publico_permitido=pl.col("publicoPermitidoLeilao"),
-        volume_aceito=1000 * pl.col("volumeAceito").cast(pl.Int64),
+        publico=pl.col("publicoPermitidoLeilao"),
+        financeiro_aceito=1000 * pl.col("volumeAceito").cast(pl.Float64),
         taxa_corte=pl.when(vol_zero).then(None).otherwise(taxa_br("taxaCorte")),
-        percentual_aceito=pl.when(vol_zero)
+        pct_aceito=pl.when(vol_zero)
         .then(0.0)
         .otherwise(100 - float_br("percentualCorte")),
     ).sort("data_leilao", "hora_inicio", "tipo_oferta")
@@ -117,36 +81,41 @@ def compromissadas(
         - 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
-                    (du.contar).
-        - numero_comunicado (Int64): número do comunicado/aviso do BC (pode ser nulo).
+        - prazo_dc (Int64): dias corridos até a data de retorno.
+        - prazo_du (Int64): dias úteis entre liquidação e retorno.
+        - 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).
+        - publico (String): público permitido no leilão (SomenteDealer, TodoMercado).
+        - financeiro_aceito (Float64): financeiro aceito no leilão em reais (convertido de milhares).
+        - taxa_corte (Float64): taxa de corte (ex. 0.1490 = 14,90%). Nula se financeiro_aceito = 0.
+        - pct_aceito (Float64): percentual do volume ofertado efetivamente aceito (0-100).
           100 = nenhuma rejeição. 0 indica nada aceito (volume_aceito = 0).
 
     Notes:
         - Dados ordenados por: data_leilao, hora_inicio, tipo_oferta.
 
     Examples:
+        >>> import polars as pl
+        >>> _ = pl.Config.set_tbl_width_chars(210)
+        >>> _ = pl.Config.set_tbl_cols(-1)
         >>> from pyield import bc
         >>> 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 │
-        │ ---         ┆ ---             ┆ ---          ┆ ---         ┆   ┆ ---               ┆ ---           ┆ ---        ┆ ---               │
-        │ date        ┆ date            ┆ date         ┆ time        ┆   ┆ str               ┆ i64           ┆ f64        ┆ f64               │
-        ╞═════════════╪═════════════════╪══════════════╪═════════════╪═══╪═══════════════════╪═══════════════╪════════════╪═══════════════════╡
-        │ 2025-08-21  ┆ 2025-08-21      ┆ 2025-08-22   ┆ 09:00:00    ┆ … ┆ SomenteDealer     ┆ 647707406000  ┆ 0.149      ┆ 100.0             │
-        │ 2025-08-21  ┆ 2025-08-22      ┆ 2025-11-21   ┆ 12:00:00    ┆ … ┆ TodoMercado       ┆ 5000000000    ┆ 0.9978     ┆ 35.87             │
-        └─────────────┴─────────────────┴──────────────┴─────────────┴───┴───────────────────┴───────────────┴────────────┴───────────────────┘
+        ┌─────────────┬─────────────────┬──────────────┬─────────────┬──────────┬──────────┬────────────┬────────────────────┬───────────────┬───────────────────┬────────────┬────────────┐
+        │ data_leilao ┆ data_liquidacao ┆ data_retorno ┆ hora_inicio ┆ prazo_dc ┆ prazo_du ┆ comunicado ┆ tipo_oferta        ┆ publico       ┆ financeiro_aceito ┆ taxa_corte ┆ pct_aceito │
+        │ ---         ┆ ---             ┆ ---          ┆ ---         ┆ ---      ┆ ---      ┆ ---        ┆ ---                ┆ ---           ┆ ---               ┆ ---        ┆ ---        │
+        │ date        ┆ date            ┆ date         ┆ time        ┆ i64      ┆ i64      ┆ i64        ┆ str                ┆ str           ┆ f64               ┆ f64        ┆ f64        │
+        ╞═════════════╪═════════════════╪══════════════╪═════════════╪══════════╪══════════╪════════════╪════════════════════╪═══════════════╪═══════════════════╪════════════╪════════════╡
+        │ 2025-08-21  ┆ 2025-08-21      ┆ 2025-08-22   ┆ 09:00:00    ┆ 1        ┆ 1        ┆ null       ┆ Tomador            ┆ SomenteDealer ┆ 6.4771e11         ┆ 0.149      ┆ 100.0      │
+        │ 2025-08-21  ┆ 2025-08-22      ┆ 2025-11-21   ┆ 12:00:00    ┆ 91       ┆ 64       ┆ 43716      ┆ Compromissada 1047 ┆ TodoMercado   ┆ 5.0000e9          ┆ 0.9978     ┆ 35.87      │
+        └─────────────┴─────────────────┴──────────────┴─────────────┴──────────┴──────────┴────────────┴────────────────────┴───────────────┴───────────────────┴────────────┴────────────┘
+        >>> _ = pl.Config.restore_defaults()
+        >>> _ = pl.Config.set_tbl_width_chars(150)
     """
-    url = _montar_url(inicio=inicio, fim=fim)
-    csv_api = _buscar_csv_api(url)
-    df = _ler_csv(csv_api)
+    params = _montar_parametros(inicio, fim)
+    url = montar_url(URL_BASE_API, params)
+    dados = buscar_csv(url)
+    df = parsear_csv(dados)
     if df.is_empty():
         return pl.DataFrame()
     return _processar_df(df)

{pyield-0.48.6 → pyield-0.48.8}/pyield/bc/leiloes.py

@@ -12,13 +12,12 @@ from typing import Literal
 
 import polars as pl
 import polars.selectors as cs
-import requests
 
 import pyield._internal.converters as cv
 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
+from pyield.bc._olinda import buscar_csv, montar_url, parsear_csv
 from pyield.bc.sgs import ptax_serie
 from pyield.tn.ntnb import duration as duration_b
 from pyield.tn.ntnf import duration as duration_f
@@ -74,39 +73,17 @@ CHAVES_ORDENACAO = ["data_leilao", "tipo_leilao", "titulo", "data_vencimento"]
 URL_BASE_API = "https://olinda.bcb.gov.br/olinda/servico/leiloes_selic/versao/v1/odata/leiloesTitulosPublicos(dataMovimentoInicio=@dataMovimentoInicio,dataMovimentoFim=@dataMovimentoFim,dataLiquidacao=@dataLiquidacao,codigoTitulo=@codigoTitulo,dataVencimento=@dataVencimento,edital=@edital,tipoPublico=@tipoPublico,tipoOferta=@tipoOferta)?"
 
 
-MAPA_TIPO_LEILAO = {"venda": "Venda", "compra": "Compra"}
-
-
-def _montar_url(
+def _montar_parametros(
     inicio: DateLike | None = None,
     fim: DateLike | None = None,
-    tipo_leilao: Literal["venda", "compra"] | None = None,
-) -> str:
-    url = URL_BASE_API
+) -> dict[str, str]:
+    """Converte parâmetros opcionais de período em dicionário para a URL."""
+    params: dict[str, str] = {}
     if inicio:
-        inicio = cv.converter_datas(inicio)
-        url += f"@dataMovimentoInicio='{inicio:%Y-%m-%d}'"
+        params["dataMovimentoInicio"] = cv.converter_datas(inicio).strftime("%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"
-    return url
-
-
-@retry_padrao
-def _buscar_csv(url: str) -> bytes:
-    resposta = requests.get(url, timeout=10)
-    resposta.raise_for_status()
-    return resposta.content
-
-
-def _parsear_df(dados: bytes) -> pl.DataFrame:
-    """Lê CSV como strings."""
-    if not dados.strip():
-        return pl.DataFrame()
-    return pl.read_csv(dados, infer_schema=False, null_values=["null"])
+        params["dataMovimentoFim"] = cv.converter_datas(fim).strftime("%Y-%m-%d")
+    return params
 
 
 def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
@@ -147,9 +124,7 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
             pu_corte=float_br("cotacaoCorte"),
             taxa_media=taxa_br("taxaMedia"),
             taxa_corte=taxa_br("taxaCorte"),
-            financeiro_total=(float_br("financeiro") * 1_000_000)
-            .round(0)
-            .cast(pl.Int64),
+            financeiro_total=float_br("financeiro") * 1_000_000,
             quantidade_ofertada_1v=pl.col("quantidadeOfertada").cast(pl.Int64),
             quantidade_aceita_1v=pl.col("quantidadeAceita").cast(pl.Int64),
             quantidade_liquidada_1v=pl.col("quantidadeLiquidada").cast(pl.Int64),
@@ -182,9 +157,7 @@ def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
                 (pl.col("quantidade_aceita_1v") / pl.col("quantidade_aceita_total"))
                 * pl.col("financeiro_total")
             )
-            .otherwise(0)
-            .round(0)
-            .cast(pl.Int64),
+            .otherwise(0.0),
         )
         .with_columns(
             financeiro_2v=pl.col("financeiro_total") - pl.col("financeiro_1v"),
@@ -319,9 +292,9 @@ def leiloes(
         * quantidade_aceita_1v (Int64): qtd aceita 1ª volta.
         * quantidade_aceita_2v (Int64): qtd aceita 2ª volta.
         * quantidade_aceita_total (Int64): qtd total aceita.
-        * financeiro_1v (Int64): financeiro 1ª volta em R$.
-        * financeiro_2v (Int64): financeiro 2ª volta em R$.
-        * financeiro_total (Int64): financeiro total em R$.
+        * financeiro_1v (Float64): financeiro 1ª volta em R$.
+        * financeiro_2v (Float64): financeiro 2ª volta em R$.
+        * financeiro_total (Float64): financeiro total em R$.
 
     Notes:
         1v = primeira volta (rodada), 2v = segunda volta.
@@ -333,24 +306,23 @@ def leiloes(
         ┌─────────────┬─────────────────┬─────────────┬───────────────┬───┬─────────────────────────┬───────────────┬───────────────┬──────────────────┐
         │ data_leilao ┆ data_liquidacao ┆ tipo_leilao ┆ numero_edital ┆ … ┆ quantidade_aceita_total ┆ financeiro_1v ┆ financeiro_2v ┆ financeiro_total │
         │ ---         ┆ ---             ┆ ---         ┆ ---           ┆   ┆ ---                     ┆ ---           ┆ ---           ┆ ---              │
-        │ date        ┆ date            ┆ str         ┆ i64           ┆   ┆ i64                     ┆ i64           ┆ i64           ┆ i64              │
+        │ date        ┆ date            ┆ str         ┆ i64           ┆   ┆ i64                     ┆ f64           ┆ f64           ┆ f64              │
         ╞═════════════╪═════════════════╪═════════════╪═══════════════╪═══╪═════════════════════════╪═══════════════╪═══════════════╪══════════════════╡
-        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 192           ┆ … ┆ 150000                  ┆ 2572400000    ┆ 0             ┆ 2572400000       │
-        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 192           ┆ … ┆ 751003                  ┆ 12804476147   ┆ 17123853      ┆ 12821600000      │
-        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 193           ┆ … ┆ 300759                  ┆ 1289936461    ┆ 3263539       ┆ 1293200000       │
-        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 194           ┆ … ┆ 500542                  ┆ 2071654327    ┆ 2245673       ┆ 2073900000       │
-        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 194           ┆ … ┆ 500000                  ┆ 2010700000    ┆ 0             ┆ 2010700000       │
+        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 192           ┆ … ┆ 150000                  ┆ 2.5724e9      ┆ 0.0           ┆ 2.5724e9         │
+        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 192           ┆ … ┆ 751003                  ┆ 1.2804e10     ┆ 1.7124e7      ┆ 1.2822e10        │
+        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 193           ┆ … ┆ 300759                  ┆ 1.2899e9      ┆ 3.2635e6      ┆ 1.2932e9         │
+        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 194           ┆ … ┆ 500542                  ┆ 2.0717e9      ┆ 2.2457e6      ┆ 2.0739e9         │
+        │ 2025-08-19  ┆ 2025-08-20      ┆ Venda       ┆ 194           ┆ … ┆ 500000                  ┆ 2.0107e9      ┆ 0.0           ┆ 2.0107e9         │
         └─────────────┴─────────────────┴─────────────┴───────────────┴───┴─────────────────────────┴───────────────┴───────────────┴──────────────────┘
     """
-    url = _montar_url(
-        inicio=inicio,
-        fim=fim,
-        tipo_leilao=tipo_leilao,
-    )
-    dados = _buscar_csv(url)
-    df = _parsear_df(dados)
+    url = montar_url(URL_BASE_API, _montar_parametros(inicio, fim))
+    dados = buscar_csv(url)
+    df = parsear_csv(dados)
     if df.is_empty():
         return pl.DataFrame()
     df = _processar_df(df)
     df = _adicionar_dv01_usd(df)
-    return df.select(ORDEM_COLUNAS_FINAL).sort(CHAVES_ORDENACAO)
+    df = df.select(ORDEM_COLUNAS_FINAL).sort(CHAVES_ORDENACAO)
+    if tipo_leilao:
+        df = df.filter(pl.col("tipo_leilao").str.to_lowercase() == tipo_leilao.lower())
+    return df

{pyield-0.48.6 → pyield-0.48.8}/pyield/bc/sgs.py

@@ -59,7 +59,7 @@ class SerieSGS(Enum):
 @ttl_cache()
 @retry_padrao
 def _chamar_api(url_api: str) -> list[dict[str, str]]:
-    resposta = requests.get(url_api, timeout=10)
+    resposta = requests.get(url_api, timeout=30)
     resposta.raise_for_status()
     return resposta.json()
 

pyield-0.48.8/pyield/tn/__init__.py

@@ -0,0 +1,20 @@
+from pyield.tn import lft, ltn, ntnb, ntnb1, ntnbprinc, ntnc, ntnf, pre
+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",
+    "lft",
+    "ltn",
+    "ntnb",
+    "ntnb1",
+    "ntnbprinc",
+    "ntnc",
+    "ntnf",
+    "pre",
+    "premio_pre",
+    "rmd",
+]

pyield-0.48.6/pyield/__about__.py

@@ -1 +0,0 @@
-__version__ = "0.48.6"

pyield-0.48.6/pyield/anbima/__init__.py

@@ -1,15 +0,0 @@
-from pyield.anbima.ettj_intradia import ettj_intradia
-from pyield.anbima.ettj_ultima import ettj_ultima
-from pyield.anbima.ima_ultimo import ima_ultimo
-from pyield.anbima.imaq import imaq
-from pyield.anbima.tpf import tpf, tpf_fonte, tpf_vencimentos
-
-__all__ = [
-    "ima_ultimo",
-    "imaq",
-    "tpf",
-    "tpf_vencimentos",
-    "tpf_fonte",
-    "ettj_ultima",
-    "ettj_intradia",
-]

pyield-0.48.6/pyield/anbima/ettj_intradia.py

@@ -1,83 +0,0 @@
-import datetime as dt
-
-import polars as pl
-import requests
-
-from pyield._internal.br_numbers import float_br, taxa_br
-from pyield._internal.cache import ttl_cache
-from pyield._internal.retry import retry_padrao
-
-URL_ETTJ_INTRADIA = (
-    "https://www.anbima.com.br/informacoes/curvas-intradiarias/cIntra-down.asp"
-)
-
-# Dados ETTJ: taxas com 4 casas decimais em percentual (ex.: 14,2644%).
-
-
-@ttl_cache()
-@retry_padrao
-def _buscar_texto_intradia() -> str:
-    carga_requisicao = {"Dt_Ref": "", "saida": "csv"}
-    resposta = requests.post(URL_ETTJ_INTRADIA, data=carga_requisicao, timeout=10)
-    resposta.raise_for_status()
-    resposta.encoding = "latin1"
-    return resposta.text
-
-
-def _extrair_data_e_tabelas(texto: str) -> tuple[dt.date, str, str]:
-    """Separa o texto bruto em data de referência e as duas tabelas CSV."""
-    # Cada seção (PREFIXADOS e IPCA) é separada por linha em branco
-    secao_pre, secao_ipca = texto.strip().replace("\r\n", "\n").split("\n\n")
-
-    # Estrutura de cada seção: título, data, header+dados
-    linhas_pre = secao_pre.splitlines()
-    data_ref = dt.datetime.strptime(linhas_pre[1], "%d/%m/%Y").date()
-    tabela_pre = "\n".join(linhas_pre[2:])
-
-    linhas_ipca = secao_ipca.splitlines()
-    tabela_ipca = "\n".join(linhas_ipca[2:])
-
-    return data_ref, tabela_pre, tabela_ipca
-
-
-def _parsear_tabela_intradia(texto: str, nome_taxa: str) -> pl.DataFrame:
-    return pl.read_csv(texto.encode(), separator=";", infer_schema=False).select(
-        vertice=float_br("Vertices").cast(pl.Int64),
-        **{nome_taxa: taxa_br("D0")},
-    )
-
-
-def ettj_intradia() -> pl.DataFrame:
-    """Obtém e processa a curva de juros intradiária da ANBIMA.
-
-    Busca os dados mais recentes da curva de juros intradiária publicada pela
-    ANBIMA, contendo taxas reais (indexadas ao IPCA), taxas nominais e inflação
-    implícita em diversos vértices. A curva é publicada por volta das 12h30 BRT.
-
-    Returns:
-        pl.DataFrame: DataFrame com os dados intradiários da ETTJ.
-
-    Output Columns:
-        - data_referencia (Date): data de referência da curva de juros.
-        - vertice (Int64): vértice em dias úteis.
-        - taxa_nominal (Float64): taxa de juros nominal zero-cupom.
-        - taxa_real (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
-        - inflacao_implicita (Float64): taxa de inflação implícita (breakeven).
-
-    Notes:
-        Todas as taxas são expressas em formato decimal (ex: 0.12 para 12%).
-    """
-    texto_api = _buscar_texto_intradia()
-
-    data_ref, tabela_pre, tabela_ipca = _extrair_data_e_tabelas(texto_api)
-
-    df_pre = _parsear_tabela_intradia(tabela_pre, "taxa_nominal")
-    df_ipca = _parsear_tabela_intradia(tabela_ipca, "taxa_real")
-    expr_inflacao_impl = (pl.col("taxa_nominal") + 1) / (pl.col("taxa_real") + 1) - 1
-    df = df_pre.join(df_ipca, on="vertice", how="right").with_columns(
-        data_referencia=data_ref,
-        inflacao_implicita=expr_inflacao_impl.round(6),
-    )
-    return df.select(
-        "data_referencia", "vertice", "taxa_nominal", "taxa_real", "inflacao_implicita"
-    )

pyield-0.48.6/pyield/anbima/ettj_ultima.py

@@ -1,76 +0,0 @@
-import datetime as dt
-
-import polars as pl
-import requests
-
-from pyield._internal.br_numbers import float_br, taxa_br
-from pyield._internal.cache import ttl_cache
-from pyield._internal.retry import retry_padrao
-
-URL_ETTJ_ULTIMA = "https://www.anbima.com.br/informacoes/est-termo/CZ-down.asp"
-
-# Dados ETTJ: taxas com 4 casas decimais em percentual (ex.: 14,2644%).
-
-
-@ttl_cache()
-@retry_padrao
-def _buscar_texto_ettj_ultima() -> str:
-    """Busca o texto bruto da curva de juros na ANBIMA."""
-    carga_requisicao = {
-        "Idioma": "PT",
-        "Dt_Ref": "",
-        "saida": "csv",
-    }
-    resposta = requests.post(URL_ETTJ_ULTIMA, data=carga_requisicao, timeout=10)
-    resposta.raise_for_status()
-    resposta.encoding = "latin1"
-    return resposta.text
-
-
-def _extrair_data_e_tabela(texto: str) -> tuple[dt.date, str]:
-    """Separa o texto bruto em data de referência e a tabela CSV principal."""
-    # Seções separadas por linha em branco: betas, ETTJ, circular, erros
-    secoes = texto.strip().replace("\r\n", "\n").split("\n\n")
-    # A data está na primeira linha da primeira seção (ex.: "20/03/2026;Beta 1;...")
-    data_str = secoes[0].splitlines()[0][:10]
-    data_ref = dt.datetime.strptime(data_str, "%d/%m/%Y").date()
-    # A tabela ETTJ é a segunda seção; pular o título (primeira linha)
-    linhas_ettj = secoes[1].splitlines()
-    tabela = "\n".join(linhas_ettj[1:])
-    return data_ref, tabela
-
-
-def _processar_tabela(texto: str, data_referencia: dt.date) -> pl.DataFrame:
-    """Lê o CSV e converte para DataFrame com taxas decimais."""
-    return pl.read_csv(texto.encode(), separator=";", infer_schema=False).select(
-        data_referencia=data_referencia,
-        vertice=float_br("Vertices").cast(pl.Int64),
-        taxa_nominal=taxa_br("ETTJ PREF"),
-        taxa_real=taxa_br("ETTJ IPCA"),
-        inflacao_implicita=taxa_br("Inflação Implícita"),
-    )
-
-
-def ettj_ultima() -> pl.DataFrame:
-    """Obtém e processa a última curva de juros (ETTJ) publicada pela ANBIMA.
-
-    Busca os dados mais recentes da curva de juros de fechamento publicada pela
-    ANBIMA, contendo taxas reais (indexadas ao IPCA), taxas nominais e inflação
-    implícita em diversos vértices.
-
-    Returns:
-        pl.DataFrame: DataFrame com os dados da ETTJ de fechamento.
-
-    Output Columns:
-        - data_referencia (Date): data de referência da curva de juros.
-        - vertice (Int64): vértice em dias úteis.
-        - taxa_nominal (Float64): taxa de juros nominal zero-cupom.
-        - taxa_real (Float64): taxa de juros real zero-cupom (indexada ao IPCA).
-        - inflacao_implicita (Float64): taxa de inflação implícita (breakeven).
-
-    Notes:
-        Todas as taxas são expressas em formato decimal (ex: 0.12 para 12%).
-    """
-    texto = _buscar_texto_ettj_ultima()
-    data_ref, tabela = _extrair_data_e_tabela(texto)
-    return _processar_tabela(tabela, data_ref)

pyield-0.48.6/pyield/anbima/ima_ultimo.py

@@ -1,129 +0,0 @@
-from typing import Literal
-
-import polars as pl
-import requests
-
-from pyield._internal.br_numbers import float_br, inteiro_m, taxa_br
-from pyield._internal.cache import ttl_cache
-from pyield._internal.retry import retry_padrao
-
-TiposIMA = Literal[
-    "IRF-M 1",
-    "IRF-M 1+",
-    "IRF-M",
-    "IMA-B 5",
-    "IMA-B 5+",
-    "IMA-B",
-    "IMA-S",
-    "IMA-GERAL-EX-C",
-    "IMA-GERAL",
-]
-
-
-URL_IMA_ULTIMO = "https://www.anbima.com.br/informacoes/ima/arqs/ima_completo.txt"
-
-
-@ttl_cache()
-@retry_padrao
-def _buscar_texto_ima_ultimo() -> str:
-    resposta = requests.get(URL_IMA_ULTIMO, timeout=3)
-    resposta.raise_for_status()
-    resposta.encoding = "latin1"
-    return resposta.text
-
-
-def _parsear_df(texto: str) -> pl.DataFrame:
-    texto_csv = texto.split("2@COMPOSIÇÃO DE CARTEIRA")[1].strip()
-    return pl.read_csv(
-        texto_csv.encode(),
-        separator="@",
-        infer_schema=False,
-        null_values="--",
-    )
-
-
-def _processar_df(df: pl.DataFrame) -> pl.DataFrame:
-    mduration_expr = pl.col("duration") / (1 + pl.col("taxa_indicativa"))
-    dv01_mercado_expr = pl.col("dv01") * pl.col("quantidade_mercado")
-    df = (
-        df.with_columns(
-            pu=float_br("PU (R$)"),
-            duration=pl.col("Duration (d.u.)").cast(pl.Int64).truediv(252),
-            taxa_indicativa=taxa_br("Taxa Indicativa (% a.a.)", 4),
-            quantidade_mercado=inteiro_m("Quantidade (1.000 títulos)"),
-        )
-        .with_columns(dv01=0.0001 * pl.col("pu") * mduration_expr)
-        .select(
-            data_referencia=pl.col("Data de Referência").str.to_date("%d/%m/%Y"),
-            indice=pl.col("INDICE"),
-            titulo=pl.col("Títulos"),
-            data_vencimento=pl.col("Data de Vencimento").str.to_date("%d/%m/%Y"),
-            codigo_selic=pl.col("Código SELIC").cast(pl.Int64),
-            isin=pl.col("Código ISIN"),
-            dias_uteis=pl.col("Prazo (d.u.)").cast(pl.Int64),
-            duration=pl.col("duration"),
-            taxa_indicativa=pl.col("taxa_indicativa"),
-            pu=pl.col("pu"),
-            pu_juros=float_br("PU de Juros (R$)"),
-            dv01=pl.col("dv01"),
-            pmr=float_br("PMR"),
-            peso=float_br("Peso (%)"),
-            convexidade=float_br("Convexidade"),
-            quantidade_teorica=float_br("Quantidade Teórica (1.000 títulos)"),
-            operacoes=pl.col("Número de Operações *").cast(pl.Int64),
-            quantidade_negociada=inteiro_m("Quant. Negociada (1.000 títulos) *"),
-            valor_negociado=inteiro_m("Valor Negociado (R$ mil) *"),
-            dv01_mercado=dv01_mercado_expr.round(0).cast(pl.Int64),
-            quantidade_mercado=pl.col("quantidade_mercado"),
-            valor_mercado=inteiro_m("Carteira a Mercado (R$ mil)"),
-        )
-    )
-    return df
-
-
-def ima_ultimo(indice: TiposIMA | None = None) -> pl.DataFrame:
-    """Obtém os últimos dados de composição de carteira IMA disponíveis na ANBIMA.
-
-    Busca e processa os dados do arquivo IMA completo publicado pela ANBIMA,
-    retornando um DataFrame estruturado.
-
-    Args:
-        indice (str, optional): Tipo de índice IMA para filtrar os dados.
-            Se None, retorna todos os índices. Padrão é None.
-
-    Returns:
-        pl.DataFrame: DataFrame com os dados do IMA.
-
-    Output Columns:
-        - data_referencia (Date): data de referência.
-        - indice (String): índice IMA (ex: 'IMA-B', 'IRF-M').
-        - titulo (String): título (ex: 'LTN', 'NTN-B').
-        - data_vencimento (Date): data de vencimento do título.
-        - codigo_selic (Int64): código do título no sistema SELIC.
-        - isin (String): código ISIN.
-        - dias_uteis (Int64): dias úteis até o vencimento.
-        - duration (Float64): duration do título em anos úteis (252 d.u./ano).
-        - taxa_indicativa (Float64): taxa indicativa em decimal (ex: 0.10 para 10%).
-        - pu (Float64): preço unitário (PU) em R$.
-        - pu_juros (Float64): PU de juros em R$.
-        - dv01 (Float64): DV01 em R$.
-        - pmr (Float64): prazo médio de repactuação.
-        - peso (Float64): peso do título no índice (%).
-        - convexidade (Float64): convexidade do título.
-        - quantidade_teorica (Float64): quantidade teórica (em 1.000 títulos).
-        - operacoes (Int64): número de operações.
-        - quantidade_negociada (Int64): quantidade negociada (unidades).
-        - valor_negociado (Int64): valor negociado em R$.
-        - dv01_mercado (Int64): DV01 de mercado em R$.
-        - quantidade_mercado (Int64): quantidade em carteira (unidades).
-        - valor_mercado (Int64): valor de mercado em R$.
-
-    Examples:
-        >>> yd.anbima.ima_ultimo("IMA-B")  # doctest: +SKIP
-    """
-    texto_ima = _buscar_texto_ima_ultimo()
-    df = _parsear_df(texto_ima)
-    df = _processar_df(df)
-    if indice:
-        df = df.filter(pl.col("indice") == indice)
-    return df.sort("indice", "titulo", "data_vencimento")

pyield-0.48.6/pyield/tn/__init__.py

@@ -1,7 +0,0 @@
-from pyield.tn import pre
-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", "pre", "premio_pre", "rmd"]

{pyield-0.48.6 → pyield-0.48.8}/pyield/__init__.py

@@ -10,7 +10,6 @@ from pyield.selic.cpm import data as copom_options
 from pyield.tn import lft, ltn, ntnb, ntnb1, ntnbprinc, ntnc, ntnf
 
 __all__ = [
-    "Interpolador",
     "__version__",
     "agora",
     "anbima",
@@ -22,6 +21,7 @@ __all__ = [
     "forward",
     "forwards",
     "hoje",
+    "Interpolador",
     "ipca",
     "lft",
     "ltn",