pyield 0.48.9__tar.gz → 0.49.0__tar.gz

{pyield-0.48.9 → pyield-0.49.0}/PKG-INFO

@@ -1,45 +1,44 @@
-Metadata-Version: 2.4
+Metadata-Version: 2.3
 Name: pyield
-Version: 0.48.9
+Version: 0.49.0
 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
-Project-URL: Source, https://github.com/crdcj/PYield
-Project-URL: Bug Tracker, https://github.com/crdcj/PYield/issues
+Keywords: fixed-income,brazil,finance,analysis,bonds
+Author: Carlos Carvalho
 Author-email: Carlos Carvalho <cr.cj@outlook.com>
 License: MIT License
-        
-        Copyright (c) 2023 Carlos Carvalho
-        
-        Permission is hereby granted, free of charge, to any person obtaining a copy
-        of this software and associated documentation files (the "Software"), to deal
-        in the Software without restriction, including without limitation the rights
-        to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
-        copies of the Software, and to permit persons to whom the Software is
-        furnished to do so, subject to the following conditions:
-        
-        The above copyright notice and this permission notice shall be included in all
-        copies or substantial portions of the Software.
-        
-        THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
-        IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
-        FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
-        AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
-        LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
-        OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
-        SOFTWARE.
-License-File: LICENSE
-Keywords: analysis,bonds,brazil,finance,fixed-income
-Classifier: Intended Audience :: Financial and Insurance Industry
-Classifier: License :: OSI Approved :: MIT License
-Classifier: Operating System :: OS Independent
+         
+         Copyright (c) 2023 Carlos Carvalho
+         
+         Permission is hereby granted, free of charge, to any person obtaining a copy
+         of this software and associated documentation files (the "Software"), to deal
+         in the Software without restriction, including without limitation the rights
+         to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+         copies of the Software, and to permit persons to whom the Software is
+         furnished to do so, subject to the following conditions:
+         
+         The above copyright notice and this permission notice shall be included in all
+         copies or substantial portions of the Software.
+         
+         THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+         IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+         FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+         AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+         LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+         OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+         SOFTWARE.
 Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Classifier: Intended Audience :: Financial and Insurance Industry
 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>=1.39.0
+Requires-Dist: lxml>=6.0.0
 Requires-Dist: requests>=2.31.0
+Requires-Dist: fastexcel>=0.19.0
+Requires-Python: >=3.12
+Project-URL: Homepage, https://github.com/crdcj/PYield
+Project-URL: Documentation, https://crdcj.github.io/PYield
+Project-URL: Source, https://github.com/crdcj/PYield
+Project-URL: Bug Tracker, https://github.com/crdcj/PYield/issues
 Description-Content-Type: text/markdown
 
 [![PyPI version](https://img.shields.io/pypi/v/pyield.svg)](https://pypi.python.org/pypi/pyield)
@@ -64,26 +63,26 @@ pip install pyield
 ## Início Rápido
 
 ```python
-from pyield import du, b3, bc, ntnb, Interpolador
+import pyield as yd
 
 # Dias úteis (base de todos os cálculos)
-du.contar("02-01-2025", "15-01-2025")  # -> 9
-du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
+yd.du.contar("02-01-2025", "15-01-2025")  # -> 9
+yd.du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
 
 # Curva de DI Futuro
-df = b3.futuro("31-05-2024", "DI1")
+df = yd.futuro.historico("31-05-2024", "DI1")
 # Colunas: data_referencia, codigo_negociacao, data_vencimento, dias_uteis, taxa_ajuste, ...
 
 # Interpolação de taxas (flat forward, convenção 252 dias úteis/ano)
-interp = Interpolador(df["dias_uteis"], df["taxa_ajuste"], metodo="flat_forward")
+interp = yd.Interpolador(df["dias_uteis"], df["taxa_ajuste"], metodo="flat_forward")
 interp(45)       # -> 0.04833...
 interp([30, 60]) # -> Series do Polars com taxas interpoladas
 
 # Precificação de títulos públicos
-ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
+yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
 
 # Indicadores do BCB
-bc.selic_over("31-05-2024")  # -> 0.000414...
+yd.selic.over("31-05-2024")  # -> 0.000414...
 ```
 
 Um notebook no Colab com mais exemplos:
@@ -113,7 +112,7 @@ 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
-du.e_dia_util("25-12-2023")  # -> False (Natal)
+du.eh_dia_util("25-12-2023")  # -> False (Natal)
 ```
 
 Todas as funções suportam operações vetorizadas com listas, Series ou arrays.
@@ -170,20 +169,16 @@ forwards(dias_uteis, taxas)  # -> Series: [0.05, 0.070095, 0.090284]
 
 | Módulo | Finalidade |
 |--------|---------|
-| `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 |
+| `du` | Cálculos com dias úteis considerando feriados brasileiros |
+| `futuro` | Dados de futuros (DI1, DDI, DAP, DOL, WDO, IND, WIN e outros) |
+| `tpf` | Taxas, vencimentos, estoque, leilões, benchmarks, RMD e negociações de TPFs |
+| `di1` | Curva DI1 interpolada e datas de negociação disponíveis |
 | `Interpolador` | Interpolação de taxas (flat_forward, linear) |
 | `forward` / `forwards` | Cálculo de taxas a termo |
 | `ltn`, `ntnb`, `ntnf`, `lft`, `ntnc` | Precificação e análise dos títulos públicos principais |
-| `ntnb1`, `ntnbprinc`, `pre` | Títulos e curvas adicionais (NTN-B1, NTN-B Principal, curva PRE) |
-| `tn.leiloes` / `tn.benchmarks` | Leilões e benchmarks de títulos públicos |
-| `anbima` | Dados da ANBIMA (preços de TPF, curvas de juros, índices IMA) |
-| `bc` | Indicadores do BCB (SELIC, PTAX, repos, VNA, leilões, negociações) |
-| `b3` | Dados da B3 (DI over, price reports, derivativos intradiários) |
+| `ntnb1`, `ntnbprinc` | Títulos adicionais (NTN-B1, NTN-B Principal) |
+| `selic` | Dados da taxa Selic, COPOM, compromissadas do BCB, CPM e probabilidades implícitas |
 | `ipca` | Dados de inflação (histórico e projeções) |
-| `selic` | Opções digitais de COPOM e probabilidades implícitas |
-| `tn.rmd` | Relatório Mensal da Dívida do Tesouro Nacional |
 | `hoje` / `agora` | Data/hora atual no Brasil (America/Sao_Paulo) |
 
 ## Títulos Públicos
@@ -210,19 +205,19 @@ ntnf.premio("30-05-2025", pontos_base=True)
 import pyield as yd
 
 # DI1 (Futuro de Depósito Interfinanceiro)
-b3.futuro("31-05-2024", "DI1")
+yd.futuro.historico("31-05-2024", "DI1")
 
 # Outros contratos disponíveis no cache histórico:
 # - Juros: DI1, DDI, FRC, FRO, DAP
 # - Moedas: DOL, WDO
 # - Índices: IND, WIN
-b3.futuro("31-05-2024", "DAP")
+yd.futuro.historico("31-05-2024", "DAP")
 
 # Múltiplas datas de uma vez
-b3.futuro(["29-05-2024", "31-05-2024"], "DI1")
+yd.futuro.historico(["29-05-2024", "31-05-2024"], "DI1")
 
-# Dados intradiários (quando o mercado estiver aberto)
-b3.futuro_intradia("DI1")  # Retorna dados ao vivo durante o horário de negociação
+# Dados intradia (quando o mercado estiver aberto)
+yd.futuro.intradia("DI1")  # Retorna dados ao vivo durante o pregão
 ```
 
 ## Tratamento de Datas
@@ -251,41 +246,53 @@ Consultas sem dados disponíveis (data futura, feriado, fim de semana ou
 fonte indisponível) retornam DataFrame vazio ou `nan`, sem lançar exceção:
 
 ```python
-from pyield import b3, bc
+import pyield as yd
 
-b3.futuro("01-01-2030", "DI1").is_empty()  # -> True (data futura)
-bc.tpf_mensal("01-01-2030").is_empty()     # -> True (mês futuro)
-bc.ptax("25-12-2025")                      # -> nan (feriado)
+yd.futuro.historico("01-01-2030", "DI1").is_empty()  # -> True
+yd.tpf.secundario_mensal("01-01-2030").is_empty()    # -> True
+yd.ptax("25-12-2025")                                # -> nan
 ```
 
-## Migração para Português (v0.48.0+)
+## Migração da API por Objeto (v0.49.0)
 
-A partir da versão 0.48.0, a API pública foi migrada para o português. Os principais renomes:
+A versão 0.49.0 reorganiza a API pública para privilegiar o objeto de análise,
+não a fonte do dado. Mapa de migração:
 
-| Antes (< 0.48) | Depois (≥ 0.48) |
+| Antes | Depois |
 |---|---|
-| `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()` |
-| `ntnb.data()` | `ntnb.dados()` |
-
-## Migração para Polars (v0.40.0+)
-
-A partir da versão 0.40.0, todas as saídas tabulares passaram de Pandas para **Polars**. Entradas vetoriais que antes aceitavam `pd.Series` e `np.ndarray` agora aceitam apenas listas, tuplas ou `pl.Series`. Para converter:
-
-```python
-# Entrada: converter coleções Pandas/NumPy antes de passar para o PYield
-pl_series = pl.from_pandas(pd_series)   # pd.Series → pl.Series (requer pandas)
-pl_series = pl.Series(np_array)         # np.ndarray → pl.Series (requer numpy)
-
-# Saída: converter DataFrame Polars para Pandas
-df_pandas = df.to_pandas(use_pyarrow_extension_array=True)
-```
+| `yd.b3.futuro(data, contrato)` | `yd.futuro.historico(data, contrato)` |
+| `yd.b3.futuro_intradia(contrato)` | `yd.futuro.intradia(contrato)` |
+| `yd.b3.futuro_datas_disponiveis(contrato)` | `yd.futuro.datas_disponiveis(contrato)` |
+| `yd.b3.futuro_enriquecer(df, contrato)` | `yd.futuro.enriquecer(df, contrato)` |
+| `yd.b3.di_over(data)` | `yd.di_over(data)` |
+| `yd.b3.di1.dados(data)` | `yd.di1.dados(data)` |
+| `yd.b3.di1.interpolar_taxa(...)` | `yd.di1.interpolar_taxa(...)` |
+| `yd.b3.di1.interpolar_taxas(...)` | `yd.di1.interpolar_taxas(...)` |
+| `yd.b3.di1.datas_disponiveis()` | `yd.di1.datas_disponiveis()` |
+| `yd.bc.ptax(data)` | `yd.ptax(data)` |
+| `yd.bc.ptax_serie(inicio, fim)` | `yd.ptax_serie(inicio, fim)` |
+| `yd.bc.selic_over(data)` | `yd.selic.over(data)` |
+| `yd.bc.selic_over_serie(...)` | `yd.selic.over_serie(...)` |
+| `yd.bc.selic_meta(data)` | `yd.selic.meta(data)` |
+| `yd.bc.selic_meta_serie(...)` | `yd.selic.meta_serie(...)` |
+| `yd.selic_over(data)` | `yd.selic.over(data)` |
+| `yd.selic_over_serie(...)` | `yd.selic.over_serie(...)` |
+| `yd.selic_meta(data)` | `yd.selic.meta(data)` |
+| `yd.selic_meta_serie(...)` | `yd.selic.meta_serie(...)` |
+| `yd.copom` | `yd.selic.copom` |
+| `yd.copom_options(data)` | `yd.selic.cpm.data(data)` |
+| `yd.compromissadas(...)` | `yd.selic.compromissadas(...)` |
+| `yd.anbima.tpf(data, titulo)` | `yd.tpf.taxas(data, titulo)` |
+| `yd.anbima.tpf_vencimentos(data, titulo)` | `yd.tpf.vencimentos(data, titulo)` |
+| `yd.anbima.imaq(data)` | `yd.tpf.estoque(data)` |
+| `yd.tn.leilao(data)` | `yd.tpf.leilao(data)` |
+| `yd.bc.tpf_intradia()` | `yd.tpf.secundario_intradia()` |
+| `yd.bc.tpf_mensal(data, extragrupo=...)` | `yd.tpf.secundario_mensal(data, extragrupo=...)` |
+| `yd.bc.vna_lft(data)` | `yd.lft.vna(data)` |
+| `yd.tn.benchmarks(...)` | `yd.tpf.benchmarks(...)` |
+| `yd.pre.taxas_zero(data)` | `yd.tpf.curva_pre(data)` |
+
+As funções antigas listadas acima foram removidas da API pública de alto nível.
 
 ## Documentação
 

{pyield-0.48.9 → pyield-0.49.0}/README.md

@@ -20,26 +20,26 @@ pip install pyield
 ## Início Rápido
 
 ```python
-from pyield import du, b3, bc, ntnb, Interpolador
+import pyield as yd
 
 # Dias úteis (base de todos os cálculos)
-du.contar("02-01-2025", "15-01-2025")  # -> 9
-du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
+yd.du.contar("02-01-2025", "15-01-2025")  # -> 9
+yd.du.deslocar("29-12-2023", 1)           # -> datetime.date(2024, 1, 2)
 
 # Curva de DI Futuro
-df = b3.futuro("31-05-2024", "DI1")
+df = yd.futuro.historico("31-05-2024", "DI1")
 # Colunas: data_referencia, codigo_negociacao, data_vencimento, dias_uteis, taxa_ajuste, ...
 
 # Interpolação de taxas (flat forward, convenção 252 dias úteis/ano)
-interp = Interpolador(df["dias_uteis"], df["taxa_ajuste"], metodo="flat_forward")
+interp = yd.Interpolador(df["dias_uteis"], df["taxa_ajuste"], metodo="flat_forward")
 interp(45)       # -> 0.04833...
 interp([30, 60]) # -> Series do Polars com taxas interpoladas
 
 # Precificação de títulos públicos
-ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
+yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
 
 # Indicadores do BCB
-bc.selic_over("31-05-2024")  # -> 0.000414...
+yd.selic.over("31-05-2024")  # -> 0.000414...
 ```
 
 Um notebook no Colab com mais exemplos:
@@ -69,7 +69,7 @@ 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
-du.e_dia_util("25-12-2023")  # -> False (Natal)
+du.eh_dia_util("25-12-2023")  # -> False (Natal)
 ```
 
 Todas as funções suportam operações vetorizadas com listas, Series ou arrays.
@@ -126,20 +126,16 @@ forwards(dias_uteis, taxas)  # -> Series: [0.05, 0.070095, 0.090284]
 
 | Módulo | Finalidade |
 |--------|---------|
-| `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 |
+| `du` | Cálculos com dias úteis considerando feriados brasileiros |
+| `futuro` | Dados de futuros (DI1, DDI, DAP, DOL, WDO, IND, WIN e outros) |
+| `tpf` | Taxas, vencimentos, estoque, leilões, benchmarks, RMD e negociações de TPFs |
+| `di1` | Curva DI1 interpolada e datas de negociação disponíveis |
 | `Interpolador` | Interpolação de taxas (flat_forward, linear) |
 | `forward` / `forwards` | Cálculo de taxas a termo |
 | `ltn`, `ntnb`, `ntnf`, `lft`, `ntnc` | Precificação e análise dos títulos públicos principais |
-| `ntnb1`, `ntnbprinc`, `pre` | Títulos e curvas adicionais (NTN-B1, NTN-B Principal, curva PRE) |
-| `tn.leiloes` / `tn.benchmarks` | Leilões e benchmarks de títulos públicos |
-| `anbima` | Dados da ANBIMA (preços de TPF, curvas de juros, índices IMA) |
-| `bc` | Indicadores do BCB (SELIC, PTAX, repos, VNA, leilões, negociações) |
-| `b3` | Dados da B3 (DI over, price reports, derivativos intradiários) |
+| `ntnb1`, `ntnbprinc` | Títulos adicionais (NTN-B1, NTN-B Principal) |
+| `selic` | Dados da taxa Selic, COPOM, compromissadas do BCB, CPM e probabilidades implícitas |
 | `ipca` | Dados de inflação (histórico e projeções) |
-| `selic` | Opções digitais de COPOM e probabilidades implícitas |
-| `tn.rmd` | Relatório Mensal da Dívida do Tesouro Nacional |
 | `hoje` / `agora` | Data/hora atual no Brasil (America/Sao_Paulo) |
 
 ## Títulos Públicos
@@ -166,19 +162,19 @@ ntnf.premio("30-05-2025", pontos_base=True)
 import pyield as yd
 
 # DI1 (Futuro de Depósito Interfinanceiro)
-b3.futuro("31-05-2024", "DI1")
+yd.futuro.historico("31-05-2024", "DI1")
 
 # Outros contratos disponíveis no cache histórico:
 # - Juros: DI1, DDI, FRC, FRO, DAP
 # - Moedas: DOL, WDO
 # - Índices: IND, WIN
-b3.futuro("31-05-2024", "DAP")
+yd.futuro.historico("31-05-2024", "DAP")
 
 # Múltiplas datas de uma vez
-b3.futuro(["29-05-2024", "31-05-2024"], "DI1")
+yd.futuro.historico(["29-05-2024", "31-05-2024"], "DI1")
 
-# Dados intradiários (quando o mercado estiver aberto)
-b3.futuro_intradia("DI1")  # Retorna dados ao vivo durante o horário de negociação
+# Dados intradia (quando o mercado estiver aberto)
+yd.futuro.intradia("DI1")  # Retorna dados ao vivo durante o pregão
 ```
 
 ## Tratamento de Datas
@@ -207,41 +203,53 @@ Consultas sem dados disponíveis (data futura, feriado, fim de semana ou
 fonte indisponível) retornam DataFrame vazio ou `nan`, sem lançar exceção:
 
 ```python
-from pyield import b3, bc
+import pyield as yd
 
-b3.futuro("01-01-2030", "DI1").is_empty()  # -> True (data futura)
-bc.tpf_mensal("01-01-2030").is_empty()     # -> True (mês futuro)
-bc.ptax("25-12-2025")                      # -> nan (feriado)
+yd.futuro.historico("01-01-2030", "DI1").is_empty()  # -> True
+yd.tpf.secundario_mensal("01-01-2030").is_empty()    # -> True
+yd.ptax("25-12-2025")                                # -> nan
 ```
 
-## Migração para Português (v0.48.0+)
+## Migração da API por Objeto (v0.49.0)
 
-A partir da versão 0.48.0, a API pública foi migrada para o português. Os principais renomes:
+A versão 0.49.0 reorganiza a API pública para privilegiar o objeto de análise,
+não a fonte do dado. Mapa de migração:
 
-| Antes (< 0.48) | Depois (≥ 0.48) |
+| Antes | Depois |
 |---|---|
-| `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()` |
-| `ntnb.data()` | `ntnb.dados()` |
-
-## Migração para Polars (v0.40.0+)
-
-A partir da versão 0.40.0, todas as saídas tabulares passaram de Pandas para **Polars**. Entradas vetoriais que antes aceitavam `pd.Series` e `np.ndarray` agora aceitam apenas listas, tuplas ou `pl.Series`. Para converter:
-
-```python
-# Entrada: converter coleções Pandas/NumPy antes de passar para o PYield
-pl_series = pl.from_pandas(pd_series)   # pd.Series → pl.Series (requer pandas)
-pl_series = pl.Series(np_array)         # np.ndarray → pl.Series (requer numpy)
-
-# Saída: converter DataFrame Polars para Pandas
-df_pandas = df.to_pandas(use_pyarrow_extension_array=True)
-```
+| `yd.b3.futuro(data, contrato)` | `yd.futuro.historico(data, contrato)` |
+| `yd.b3.futuro_intradia(contrato)` | `yd.futuro.intradia(contrato)` |
+| `yd.b3.futuro_datas_disponiveis(contrato)` | `yd.futuro.datas_disponiveis(contrato)` |
+| `yd.b3.futuro_enriquecer(df, contrato)` | `yd.futuro.enriquecer(df, contrato)` |
+| `yd.b3.di_over(data)` | `yd.di_over(data)` |
+| `yd.b3.di1.dados(data)` | `yd.di1.dados(data)` |
+| `yd.b3.di1.interpolar_taxa(...)` | `yd.di1.interpolar_taxa(...)` |
+| `yd.b3.di1.interpolar_taxas(...)` | `yd.di1.interpolar_taxas(...)` |
+| `yd.b3.di1.datas_disponiveis()` | `yd.di1.datas_disponiveis()` |
+| `yd.bc.ptax(data)` | `yd.ptax(data)` |
+| `yd.bc.ptax_serie(inicio, fim)` | `yd.ptax_serie(inicio, fim)` |
+| `yd.bc.selic_over(data)` | `yd.selic.over(data)` |
+| `yd.bc.selic_over_serie(...)` | `yd.selic.over_serie(...)` |
+| `yd.bc.selic_meta(data)` | `yd.selic.meta(data)` |
+| `yd.bc.selic_meta_serie(...)` | `yd.selic.meta_serie(...)` |
+| `yd.selic_over(data)` | `yd.selic.over(data)` |
+| `yd.selic_over_serie(...)` | `yd.selic.over_serie(...)` |
+| `yd.selic_meta(data)` | `yd.selic.meta(data)` |
+| `yd.selic_meta_serie(...)` | `yd.selic.meta_serie(...)` |
+| `yd.copom` | `yd.selic.copom` |
+| `yd.copom_options(data)` | `yd.selic.cpm.data(data)` |
+| `yd.compromissadas(...)` | `yd.selic.compromissadas(...)` |
+| `yd.anbima.tpf(data, titulo)` | `yd.tpf.taxas(data, titulo)` |
+| `yd.anbima.tpf_vencimentos(data, titulo)` | `yd.tpf.vencimentos(data, titulo)` |
+| `yd.anbima.imaq(data)` | `yd.tpf.estoque(data)` |
+| `yd.tn.leilao(data)` | `yd.tpf.leilao(data)` |
+| `yd.bc.tpf_intradia()` | `yd.tpf.secundario_intradia()` |
+| `yd.bc.tpf_mensal(data, extragrupo=...)` | `yd.tpf.secundario_mensal(data, extragrupo=...)` |
+| `yd.bc.vna_lft(data)` | `yd.lft.vna(data)` |
+| `yd.tn.benchmarks(...)` | `yd.tpf.benchmarks(...)` |
+| `yd.pre.taxas_zero(data)` | `yd.tpf.curva_pre(data)` |
+
+As funções antigas listadas acima foram removidas da API pública de alto nível.
 
 ## Documentação
 

{pyield-0.48.9 → pyield-0.49.0}/pyield/__init__.py

@@ -1,25 +1,36 @@
+# ruff: noqa: I001
+
 import logging
+from importlib.metadata import PackageNotFoundError, version
 
-from pyield import anbima, b3, bc, du, ipca, selic, tn
-from pyield.__about__ import __version__
+from pyield import du, ipca
+from pyield.b3 import futuro
 from pyield.b3 import di1
+from pyield.b3.di_over import di_over
+
+# Ordem intencional: alguns módulos importam `di1` a partir de `pyield`
+# durante a inicialização do pacote.
+from pyield import selic, tpf
+from pyield.bc.sgs import ptax, ptax_serie
 from pyield.fwd import forward, forwards
 from pyield.interpolador import Interpolador
 from pyield.relogio import agora, hoje
-from pyield.selic.cpm import data as copom_options
 from pyield.tn import lft, ltn, ntnb, ntnb1, ntnbprinc, ntnc, ntnf
 
+try:
+    __version__ = version("pyield")
+except PackageNotFoundError:
+    __version__ = "0+unknown"
+
 __all__ = [
     "__version__",
     "agora",
-    "anbima",
-    "b3",
-    "bc",
-    "copom_options",
     "di1",
+    "di_over",
     "du",
     "forward",
     "forwards",
+    "futuro",
     "hoje",
     "Interpolador",
     "ipca",
@@ -30,9 +41,12 @@ __all__ = [
     "ntnbprinc",
     "ntnc",
     "ntnf",
+    "ptax",
+    "ptax_serie",
     "selic",
-    "tn",
+    "tpf",
 ]
 
+
 # Configura o logger do pacote principal com um NullHandler
 logging.getLogger(__name__).addHandler(logging.NullHandler())

{pyield-0.48.9 → pyield-0.49.0}/pyield/_internal/br_numbers.py

@@ -1,5 +1,19 @@
 import polars as pl
 
+# 10 casas decimais após divisão por 100: limpa ruído IEEE-754 (ex:
+# 12.15 / 100 → 0.12150000000000001) sem truncar dado real. BCB e B3
+# publicam taxas com no máximo 6–8 casas decimais; 10 é margem segura.
+_CASAS_DECIMAIS_TAXA = 10
+
+
+def pct_para_decimal(expr: pl.Expr) -> pl.Expr:
+    """Converte expressão percentual (ex: 12.15) para decimal (0.1215).
+
+    Aceita qualquer ``pl.Expr``, incluindo seletores como
+    ``cs.starts_with("taxa_")``, que também são ``Expr``.
+    """
+    return expr.truediv(100).round(_CASAS_DECIMAIS_TAXA)
+
 
 def float_br(coluna: str) -> pl.Expr:
     """Converte coluna string no formato numérico brasileiro para Float64.
@@ -15,15 +29,13 @@ def float_br(coluna: str) -> pl.Expr:
     )
 
 
-def taxa_br(coluna: str, casas_pct: int = 4) -> pl.Expr:
+def taxa_br(coluna: str) -> pl.Expr:
     """Converte taxa percentual BR (string) para decimal Float64.
 
     Args:
         coluna: Nome da coluna com taxa em formato BR (ex.: "12,3456").
-        casas_pct: Casas decimais da taxa percentual de entrada. Default 4,
-            padrão do mercado brasileiro de renda fixa.
     """
-    return (float_br(coluna) / 100).round(casas_pct + 2)
+    return pct_para_decimal(float_br(coluna))
 
 
 def inteiro_br(coluna: str) -> pl.Expr:

{pyield-0.48.9 → pyield-0.49.0}/pyield/_internal/converters.py

@@ -13,7 +13,7 @@ def data_referencia_valida(date: dt.date | None) -> bool:
         return False
     from pyield import du, relogio  # noqa: PLC0415
 
-    return du.e_dia_util(date) and date <= relogio.hoje()
+    return du.eh_dia_util(date) and date <= relogio.hoje()
 
 
 def converter_datas_expr(expr: pl.Expr | str) -> pl.Expr:

{pyield-0.48.9 → pyield-0.49.0}/pyield/_internal/types.py

@@ -1,12 +1,12 @@
 import datetime as dt
 import math
 from collections.abc import Collection, Sized
-from typing import Any, Sequence, TypeAlias
+from typing import Any, TypeAlias
 
 import polars as pl
 
 DateLike: TypeAlias = str | dt.datetime | dt.date
-ArrayLike: TypeAlias = Sequence[Any] | pl.Series
+ArrayLike: TypeAlias = list[Any] | tuple[Any, ...] | pl.Series
 
 
 def _is_empty(arg: Any) -> bool:

{pyield-0.48.9 → pyield-0.49.0}/pyield/anbima/imaq.py

@@ -113,34 +113,37 @@ def _processar_df(df: pl.DataFrame, data_referencia: dt.date) -> pl.DataFrame:
     )
 
 
-def imaq(data: DateLike) -> pl.DataFrame:
-    """Consulta e processa dados de estoque IMA-Q da ANBIMA para uma data.
+def estoque(data: DateLike) -> pl.DataFrame:
+    """Busca dados de estoque de TPFs.
+
+    Fonte: IMA-Q da ANBIMA. Contém quantidade em mercado, valor de mercado
+    e variação diária da quantidade dos títulos.
 
     Args:
-        data: Data da consulta. Apenas os últimos 5 dias úteis estão
-            disponíveis; o dado do dia anterior costuma ser publicado ao longo do dia.
+        data: Data de referência.
 
     Returns:
-        DataFrame com dados processados ou DataFrame vazio se a data for
-        inválida ou não houver dados disponíveis.
+        DataFrame Polars com dados de estoque. Retorna DataFrame vazio se a
+        data for inválida ou não houver dados.
 
     Output Columns:
-        - data_referencia (Date): data de referência dos dados.
-        - titulo (String): tipo do título (LTN, NTN-B, NTN-F, LFT, …).
-        - data_vencimento (Date): data de vencimento do título.
-        - codigo_selic (Int64): código SELIC do título.
-        - isin (String): código ISIN.
-        - pu (Float64): PU do título em R$.
-        - quantidade_mercado (Int64): quantidade em mercado (unidades).
-        - valor_mercado (Int64): valor de mercado em R$.
-        - variacao_quantidade (Int64): variação diária da quantidade.
-        - status_titulo (String): status do título.
-
-    Notes:
-        Valores convertidos para unidades puras (ex: MarketQuantity × 1.000).
+        * data_referencia (Date): data de referência dos dados.
+        * titulo (String): tipo do título público.
+        * data_vencimento (Date): data de vencimento do título.
+        * codigo_selic (Int64): código SELIC do título.
+        * isin (String): código ISIN.
+        * pu (Float64): preço unitário do título em reais.
+        * quantidade_mercado (Int64): quantidade em mercado.
+        * valor_mercado (Int64): valor de mercado em reais.
+        * variacao_quantidade (Int64): variação diária da quantidade.
+        * status_titulo (String): status do título.
 
     Examples:
-        >>> yd.anbima.imaq("04-02-2026")  # doctest: +SKIP
+        >>> import datetime as dt
+        >>> data = yd.du.deslocar(dt.date.today(), -2)
+        >>> df = yd.tpf.estoque(data)
+        >>> df.shape[0] > 0
+        True
     """
     data = cv.converter_datas(data)
     if not cv.data_referencia_valida(data):