pyield 0.55.0__tar.gz → 0.55.2__tar.gz

{pyield-0.55.0 → pyield-0.55.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pyield
-Version: 0.55.0
+Version: 0.55.2
 Summary: Polars-powered toolkit for Brazilian fixed income analysis
 Keywords: fixed-income,brazil,finance,analysis,bonds
 Author: Carlos Carvalho
@@ -306,136 +306,20 @@ yd.ptax("25-12-2025")                                # -> nan
 
 Documentação completa: [crdcj.github.io/PYield](https://crdcj.github.io/PYield/)
 
-## Quebras de API
-
-Quebras acumuladas por versão desde a v0.52.0.
-
-### v0.55.0
-
-- `yd.lft.vna(...)`, `yd.lft.cotacao(...)`, `yd.lft.pu(...)`, `yd.ltn.pu(...)`,
-  `yd.ntnb.vna(...)`, `yd.ntnb.vna_projetado(...)`, `yd.ntnb.cotacao(...)`,
-  `yd.ntnb.pu(...)`, `yd.ntnbp.cotacao(...)`, `yd.ntnbp.pu(...)`,
-  `yd.ntnb1.cotacao(...)`, `yd.ntnb1.pu(...)`, `yd.ntnc.vna(...)`,
-  `yd.ntnc.vna_projetado(...)`, `yd.ntnc.cotacao(...)`, `yd.ntnc.pu(...)` e
-  `yd.ntnf.pu(...)` retornam `Decimal`, preservando exatamente os valores com
-  seis casas definidos pela fonte ou pela metodologia. Entradas numéricas
-  aceitam `float` ou `Decimal`.
-
-### v0.54.5
-
-- `yd.ntnf.fluxos_caixa(...)` não aceita mais `ajustar_datas_pagamento`. Os
-  cronogramas públicos de NTN-B, NTN-B1, NTN-C e NTN-F usam datas contratuais,
-  sem ajuste para dias úteis. Para obter datas efetivas de processamento, use
-  `yd.du.deslocar(..., 0)`.
-
-### v0.54.2
-
-- `yd.tpf.taxas_historicas(...)` foi adicionado para consultas por período ou
-  de todo o histórico disponível de taxas indicativas.
-- `yd.tpf.taxas(..., completo=True)` foi removido. `yd.tpf.taxas(...)` mantém
-  a visão estável de TPF; para acessar todas as colunas processadas da fonte,
-  use `pyield.anbima.taxas.buscar(data)` ou `pyield.anbima.taxas.ler(fonte)`.
-
-### v0.54.0
-
-- LFT, NTN-B, NTN-C e NTN-B1 passaram a expor **cotação e valores de fluxo em
-  base 1** (fator decimal), em vez de base 100 (escala percentual da ANBIMA).
-  A precisão numérica é preservada: o truncamento de 4 casas na escala ANBIMA
-  equivale a 6 casas em base 1.
-
-  ```python
-  # Antes
-  yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
-  yd.lft.pu(15785.324502, 99.9291)                       # -> 15774.132706
-
-  # Agora
-  yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> Decimal('0.993651')
-  yd.lft.pu(15785.324502, 0.999291)             # -> Decimal('15774.132706')
-  ```
-
-  Também afeta `fluxos_caixa(...)` de NTN-B e NTN-C: o cupom semestral passou
-  de `2,956301` para `0,02956301` (NTN-C 6% a.a.) e o pagamento final passou
-  de `102,956301` para `1,02956301`. Chamadas a `pu(vna, cotacao)` que
-  dividiam por 100 (`cotacao / 100`) devem passar diretamente o fator em
-  base 1. O PU final permanece na mesma escala financeira.
-- `yd.ntnbprinc` (e `yd.tpf.ntnbprinc`) foi renomeado para `yd.ntnbp` (e
-  `yd.tpf.ntnbp`), alinhando o namespace público aos nomes curtos usados no
-  restante da biblioteca (`ntnb`, `ntnb1`, `ntnbp`, `ntnc`, `ntnf`).
-- `yd.tpf.premio_pre` foi renomeado para `yd.tpf.premios_pre`, coerente com o
-  retorno tabular (`DataFrame` com múltiplos prêmios).
-- Entradas escalares de data inválidas agora **levantam `ValueError`** em
-  qualquer função pública que aceite `DateLike`. Antes, chamadas como
-  `yd.du.deslocar("31-02-2024", 1)` retornavam `None` silenciosamente. Em
-  operações vetorizadas o parse continua tolerante: elementos inválidos viram
-  `null` para preservar o pipeline Polars. Strings vazias ou só com espaços
-  continuam sendo tratadas como nulas.
-
-### v0.53.0
-
-- As funções secundárias de TPF migraram do `yd.tpf` para o namespace dedicado
-  `yd.tpf.secundario`:
-
-  - `yd.tpf.secundario_intradia(...)` → `yd.tpf.secundario.intradia(...)`
-  - `yd.tpf.secundario_mensal(...)` → `yd.tpf.secundario.mensal(...)`
-
-### v0.52.0
-
-- `Interpolador(...)` e `Interpolador.interpolar(...)` agora aceitam **apenas
-  inteiro escalar**. Chamadas com lista/`pl.Series` (`interp([30, 60])`),
-  antes suportadas via sobrecarga vetorial, agora levantam `TypeError`.
-  Substitua por `Interpolador.interpolar_expr` em pipelines Polars ou pela
-  função top-level `yd.interpolar(...)` (curva única ou multi-curva).
-- `yd.interpolar(...)` passou a usar `extrapolar=False` como padrão, alinhado
-  com `Interpolador`. Antes era `True`. Chamadas que dependiam da
-  extrapolação implícita na ponta longa precisam passar `extrapolar=True`
-  explicitamente.
-- As funções `dv01(...)` dos títulos públicos agora recebem `pu` como argumento
-  explícito. Chamadas antigas que passavam apenas data, vencimento e taxa, ou
-  que passavam VNA no caso da NTN-B, precisam ser atualizadas.
-- `ntnf.taxas_zero(...)` mudou os nomes dos parâmetros de curva para o padrão
-  `vencimentos_*` / `taxas_*`. Chamadas por posição continuam com a mesma
-  ordem; chamadas por keyword precisam usar os novos nomes.
-
-#### `Interpolador(...)` não aceita mais lista/Series
-
-O ``__call__`` e o método ``interpolar`` da classe agora são estritamente
-escalares. O caminho vetorial foi dividido em duas APIs com semântica clara:
+## Compatibilidade e mudanças da API
 
-```python
-# Antes (v0.51.x)
-interp = yd.Interpolador(dus, taxas, metodo="flat_forward")
-interp([15, 45, 75])  # pl.Series
-
-# Agora, dentro de um pipeline Polars
-df.with_columns(taxa=interp.interpolar_expr("du"))
-
-# Agora, ad-hoc (curva única ou multi-curva)
-yd.interpolar(
-    dus_alvo=pl.Series([15, 45, 75]),
-    dus_curva=pl.Series(dus),
-    taxas_curva=pl.Series(taxas),
-)
-```
-
-#### `dv01(...)` agora recebe PU
-
-As funções `dv01(...)` dos títulos públicos recebem o PU usado como base para o
-cálculo, não mais o VNA ou apenas a taxa. Se necessário, calcule o PU antes:
-
-```python
-pu = yd.ntnb.pu(vna, yd.ntnb.cotacao(data, vencimento, taxa))
-dv01 = yd.ntnb.dv01(data, vencimento, taxa, pu)
-```
-
-#### `ntnf.taxas_zero(...)` usa nomes por conceito
+A versão atual é `v0.55.0`. As mudanças abaixo exigem atualização de código:
 
-Os parâmetros de curva da NTN-F foram renomeados para manter o padrão
-`vencimentos_*` / `taxas_*`:
+| Versão | Mudança principal |
+|---|---|
+| `v0.55.0` | Funções de PU, cotação e VNA dos títulos passaram a retornar `Decimal` com seis casas. Entradas numéricas aceitam `float` ou `Decimal`. |
+| `v0.54.5` | `fluxos_caixa` não aceita mais `ajustar_datas_pagamento`; os cronogramas usam datas contratuais. |
+| `v0.54.2` | `taxas_historicas` foi adicionada e `tpf.taxas(completo=True)` foi removida. |
+| `v0.54.0` | Cotações e fluxos de LFT, NTN-B, NTN-C e NTN-B1 passaram de base 100 para base 1; `ntnbprinc` virou `ntnbp`; `premio_pre` virou `premios_pre`; datas escalares inválidas passaram a levantar `ValueError`. |
+| `v0.53.0` | O mercado secundário de TPF passou para `yd.tpf.secundario.intradia` e `yd.tpf.secundario.mensal`. |
+| `v0.52.0` | `Interpolador` passou a ser escalar; use `interpolar_expr` ou `yd.interpolar` para vetores. `dv01` passou a exigir `pu` e `ntnf.taxas_zero` adotou nomes `vencimentos_*` / `taxas_*`. |
 
-- `ltn_vencimentos` → `vencimentos_ltn`
-- `ltn_taxas` → `taxas_ltn`
-- `ntnf_vencimentos` → `vencimentos_ntnf`
-- `ntnf_taxas` → `taxas_ntnf`
+O histórico completo está disponível nas [releases do GitHub](https://github.com/crdcj/PYield/releases).
 
 ## Testes
 

{pyield-0.55.0 → pyield-0.55.2}/README.md

@@ -281,136 +281,20 @@ yd.ptax("25-12-2025")                                # -> nan
 
 Documentação completa: [crdcj.github.io/PYield](https://crdcj.github.io/PYield/)
 
-## Quebras de API
-
-Quebras acumuladas por versão desde a v0.52.0.
-
-### v0.55.0
-
-- `yd.lft.vna(...)`, `yd.lft.cotacao(...)`, `yd.lft.pu(...)`, `yd.ltn.pu(...)`,
-  `yd.ntnb.vna(...)`, `yd.ntnb.vna_projetado(...)`, `yd.ntnb.cotacao(...)`,
-  `yd.ntnb.pu(...)`, `yd.ntnbp.cotacao(...)`, `yd.ntnbp.pu(...)`,
-  `yd.ntnb1.cotacao(...)`, `yd.ntnb1.pu(...)`, `yd.ntnc.vna(...)`,
-  `yd.ntnc.vna_projetado(...)`, `yd.ntnc.cotacao(...)`, `yd.ntnc.pu(...)` e
-  `yd.ntnf.pu(...)` retornam `Decimal`, preservando exatamente os valores com
-  seis casas definidos pela fonte ou pela metodologia. Entradas numéricas
-  aceitam `float` ou `Decimal`.
-
-### v0.54.5
-
-- `yd.ntnf.fluxos_caixa(...)` não aceita mais `ajustar_datas_pagamento`. Os
-  cronogramas públicos de NTN-B, NTN-B1, NTN-C e NTN-F usam datas contratuais,
-  sem ajuste para dias úteis. Para obter datas efetivas de processamento, use
-  `yd.du.deslocar(..., 0)`.
-
-### v0.54.2
-
-- `yd.tpf.taxas_historicas(...)` foi adicionado para consultas por período ou
-  de todo o histórico disponível de taxas indicativas.
-- `yd.tpf.taxas(..., completo=True)` foi removido. `yd.tpf.taxas(...)` mantém
-  a visão estável de TPF; para acessar todas as colunas processadas da fonte,
-  use `pyield.anbima.taxas.buscar(data)` ou `pyield.anbima.taxas.ler(fonte)`.
-
-### v0.54.0
-
-- LFT, NTN-B, NTN-C e NTN-B1 passaram a expor **cotação e valores de fluxo em
-  base 1** (fator decimal), em vez de base 100 (escala percentual da ANBIMA).
-  A precisão numérica é preservada: o truncamento de 4 casas na escala ANBIMA
-  equivale a 6 casas em base 1.
-
-  ```python
-  # Antes
-  yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> 99.3651
-  yd.lft.pu(15785.324502, 99.9291)                       # -> 15774.132706
-
-  # Agora
-  yd.ntnb.cotacao("31-05-2024", "15-05-2035", 0.061490)  # -> Decimal('0.993651')
-  yd.lft.pu(15785.324502, 0.999291)             # -> Decimal('15774.132706')
-  ```
-
-  Também afeta `fluxos_caixa(...)` de NTN-B e NTN-C: o cupom semestral passou
-  de `2,956301` para `0,02956301` (NTN-C 6% a.a.) e o pagamento final passou
-  de `102,956301` para `1,02956301`. Chamadas a `pu(vna, cotacao)` que
-  dividiam por 100 (`cotacao / 100`) devem passar diretamente o fator em
-  base 1. O PU final permanece na mesma escala financeira.
-- `yd.ntnbprinc` (e `yd.tpf.ntnbprinc`) foi renomeado para `yd.ntnbp` (e
-  `yd.tpf.ntnbp`), alinhando o namespace público aos nomes curtos usados no
-  restante da biblioteca (`ntnb`, `ntnb1`, `ntnbp`, `ntnc`, `ntnf`).
-- `yd.tpf.premio_pre` foi renomeado para `yd.tpf.premios_pre`, coerente com o
-  retorno tabular (`DataFrame` com múltiplos prêmios).
-- Entradas escalares de data inválidas agora **levantam `ValueError`** em
-  qualquer função pública que aceite `DateLike`. Antes, chamadas como
-  `yd.du.deslocar("31-02-2024", 1)` retornavam `None` silenciosamente. Em
-  operações vetorizadas o parse continua tolerante: elementos inválidos viram
-  `null` para preservar o pipeline Polars. Strings vazias ou só com espaços
-  continuam sendo tratadas como nulas.
-
-### v0.53.0
-
-- As funções secundárias de TPF migraram do `yd.tpf` para o namespace dedicado
-  `yd.tpf.secundario`:
-
-  - `yd.tpf.secundario_intradia(...)` → `yd.tpf.secundario.intradia(...)`
-  - `yd.tpf.secundario_mensal(...)` → `yd.tpf.secundario.mensal(...)`
-
-### v0.52.0
-
-- `Interpolador(...)` e `Interpolador.interpolar(...)` agora aceitam **apenas
-  inteiro escalar**. Chamadas com lista/`pl.Series` (`interp([30, 60])`),
-  antes suportadas via sobrecarga vetorial, agora levantam `TypeError`.
-  Substitua por `Interpolador.interpolar_expr` em pipelines Polars ou pela
-  função top-level `yd.interpolar(...)` (curva única ou multi-curva).
-- `yd.interpolar(...)` passou a usar `extrapolar=False` como padrão, alinhado
-  com `Interpolador`. Antes era `True`. Chamadas que dependiam da
-  extrapolação implícita na ponta longa precisam passar `extrapolar=True`
-  explicitamente.
-- As funções `dv01(...)` dos títulos públicos agora recebem `pu` como argumento
-  explícito. Chamadas antigas que passavam apenas data, vencimento e taxa, ou
-  que passavam VNA no caso da NTN-B, precisam ser atualizadas.
-- `ntnf.taxas_zero(...)` mudou os nomes dos parâmetros de curva para o padrão
-  `vencimentos_*` / `taxas_*`. Chamadas por posição continuam com a mesma
-  ordem; chamadas por keyword precisam usar os novos nomes.
-
-#### `Interpolador(...)` não aceita mais lista/Series
-
-O ``__call__`` e o método ``interpolar`` da classe agora são estritamente
-escalares. O caminho vetorial foi dividido em duas APIs com semântica clara:
+## Compatibilidade e mudanças da API
 
-```python
-# Antes (v0.51.x)
-interp = yd.Interpolador(dus, taxas, metodo="flat_forward")
-interp([15, 45, 75])  # pl.Series
-
-# Agora, dentro de um pipeline Polars
-df.with_columns(taxa=interp.interpolar_expr("du"))
-
-# Agora, ad-hoc (curva única ou multi-curva)
-yd.interpolar(
-    dus_alvo=pl.Series([15, 45, 75]),
-    dus_curva=pl.Series(dus),
-    taxas_curva=pl.Series(taxas),
-)
-```
-
-#### `dv01(...)` agora recebe PU
-
-As funções `dv01(...)` dos títulos públicos recebem o PU usado como base para o
-cálculo, não mais o VNA ou apenas a taxa. Se necessário, calcule o PU antes:
-
-```python
-pu = yd.ntnb.pu(vna, yd.ntnb.cotacao(data, vencimento, taxa))
-dv01 = yd.ntnb.dv01(data, vencimento, taxa, pu)
-```
-
-#### `ntnf.taxas_zero(...)` usa nomes por conceito
+A versão atual é `v0.55.0`. As mudanças abaixo exigem atualização de código:
 
-Os parâmetros de curva da NTN-F foram renomeados para manter o padrão
-`vencimentos_*` / `taxas_*`:
+| Versão | Mudança principal |
+|---|---|
+| `v0.55.0` | Funções de PU, cotação e VNA dos títulos passaram a retornar `Decimal` com seis casas. Entradas numéricas aceitam `float` ou `Decimal`. |
+| `v0.54.5` | `fluxos_caixa` não aceita mais `ajustar_datas_pagamento`; os cronogramas usam datas contratuais. |
+| `v0.54.2` | `taxas_historicas` foi adicionada e `tpf.taxas(completo=True)` foi removida. |
+| `v0.54.0` | Cotações e fluxos de LFT, NTN-B, NTN-C e NTN-B1 passaram de base 100 para base 1; `ntnbprinc` virou `ntnbp`; `premio_pre` virou `premios_pre`; datas escalares inválidas passaram a levantar `ValueError`. |
+| `v0.53.0` | O mercado secundário de TPF passou para `yd.tpf.secundario.intradia` e `yd.tpf.secundario.mensal`. |
+| `v0.52.0` | `Interpolador` passou a ser escalar; use `interpolar_expr` ou `yd.interpolar` para vetores. `dv01` passou a exigir `pu` e `ntnf.taxas_zero` adotou nomes `vencimentos_*` / `taxas_*`. |
 
-- `ltn_vencimentos` → `vencimentos_ltn`
-- `ltn_taxas` → `taxas_ltn`
-- `ntnf_vencimentos` → `vencimentos_ntnf`
-- `ntnf_taxas` → `taxas_ntnf`
+O histórico completo está disponível nas [releases do GitHub](https://github.com/crdcj/PYield/releases).
 
 ## Testes
 

{pyield-0.55.0 → pyield-0.55.2}/pyield/selic/copom.py

@@ -151,10 +151,10 @@ def calendar(
 
     Examples:
         >>> import pyield as yd
-        >>> cal = yd.selic.copom.calendar()
-        >>> "ExpiryDate" in cal.columns
+        >>> cal = yd.selic.copom.calendar()  # doctest: +SKIP
+        >>> "ExpiryDate" in cal.columns  # doctest: +SKIP
         True
-        >>> cal["EndDate"].is_sorted()
+        >>> cal["EndDate"].is_sorted()  # doctest: +SKIP
         True
     """
     past = _fetch_past_meetings()
@@ -192,8 +192,8 @@ def next_meeting(reference: DateLike | None = None) -> pl.DataFrame:
 
     Examples:
         >>> import pyield as yd
-        >>> row = yd.selic.copom.next_meeting()
-        >>> len(row)
+        >>> row = yd.selic.copom.next_meeting()  # doctest: +SKIP
+        >>> len(row)  # doctest: +SKIP
         1
     """
     ref = relogio.hoje() if reference is None else converter_datas(reference)

{pyield-0.55.0 → pyield-0.55.2}/pyield/selic/cpm.py

@@ -254,8 +254,8 @@ def data(date: DateLike) -> pl.DataFrame:
 
     Examples:
         >>> import pyield as yd
-        >>> df = yd.selic.cpm.data("29-01-2025")
-        >>> df.is_empty() or set(df.schema.keys()) >= {
+        >>> df = yd.selic.cpm.data("29-01-2025")  # doctest: +SKIP
+        >>> df.is_empty() or set(df.schema.keys()) >= {  # doctest: +SKIP
         ...     "data_referencia",
         ...     "codigo_negociacao",
         ...     "data_fim_reuniao",

{pyield-0.55.0 → pyield-0.55.2}/pyield/selic/probabilities.py

@@ -253,11 +253,13 @@ def all_meetings(
     Examples:
         >>> import pyield as yd
         >>> import polars as pl
-        >>> df = yd.selic.probabilities.all_meetings("29-01-2025")
-        >>> df.is_empty() or df["ranking_reuniao"].min() == 1
+        >>> df = yd.selic.probabilities.all_meetings("29-01-2025")  # doctest: +SKIP
+        >>> df.is_empty() or df["ranking_reuniao"].min() == 1  # doctest: +SKIP
         True
-        >>> sums = df.group_by("data_expiracao").agg(pl.col("prob").sum())
-        >>> df.is_empty() or (sums["prob"] - 1.0).abs().max() < 1e-9
+        >>> sums = df.group_by("data_expiracao").agg(
+        ...     pl.col("prob").sum()
+        ... )  # doctest: +SKIP
+        >>> df.is_empty() or (sums["prob"] - 1.0).abs().max() < 1e-9  # doctest: +SKIP
         True
     """
     raw = cpm.data(date)
@@ -318,10 +320,12 @@ def meeting(
 
     Examples:
         >>> import pyield as yd
-        >>> df = yd.selic.probabilities.meeting("29-01-2025")
-        >>> df.is_empty() or abs(df["prob"].sum() - 1.0) < 1e-9
+        >>> df = yd.selic.probabilities.meeting("29-01-2025")  # doctest: +SKIP
+        >>> df.is_empty() or abs(df["prob"].sum() - 1.0) < 1e-9  # doctest: +SKIP
         True
-        >>> df.is_empty() or df["prob_acumulada"].tail(1).item() == 1.0
+        >>> df.is_empty() or df["prob_acumulada"].tail(
+        ...     1
+        ... ).item() == 1.0  # doctest: +SKIP
         True
     """
     df = all_meetings(date, option_type=option_type)

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/_zero_td.py

@@ -210,7 +210,8 @@ def taxas_zero(
             Padrão False, retornando apenas os vencimentos informados.
 
     Returns:
-        pl.DataFrame: Curva zero calibrada pelo método TD.
+        pl.DataFrame: Curva zero calibrada pelo método TD. Retorna vazio quando
+            não restarem vencimentos posteriores à liquidação.
 
     Output Columns:
         - data_vencimento (Date): Data do vértice da curva.
@@ -228,6 +229,16 @@ def taxas_zero(
     liquidacao, vencimentos, taxas = _validar_entradas_taxas_zero(
         data_liquidacao, vencimentos, taxas
     )
+    if vencimentos.is_empty():
+        return pl.DataFrame(
+            schema={
+                "data_vencimento": pl.Date,
+                "dias_uteis": pl.Int64,
+                "taxa_zero": pl.Float64,
+                "taxa_forward": pl.Float64,
+            }
+        )
+
     titulos = pl.DataFrame({"data_vencimento": vencimentos, "taxa_tir": taxas}).sort(
         "data_vencimento"
     )

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/lft.py

@@ -122,6 +122,8 @@ def cotacao(
 
     Returns:
         Decimal: Fator de cotação em base 1, truncado em 6 casas decimais.
+            Retorna ``Decimal("NaN")`` quando o prazo até o vencimento não é
+            positivo.
 
     Notes:
         A STN apresenta a cotação na escala percentual (base 100). Esta
@@ -152,6 +154,8 @@ def cotacao(
     taxa = utils.normalizar_taxa_precificacao(taxa)
     # Número de dias úteis entre liquidação (inclusivo) e vencimento (exclusivo)
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return Decimal("NaN")
 
     # Número de períodos truncado conforme regras da STN
     anos_truncados = utils.truncar(dias_uteis / 252, 14)
@@ -201,6 +205,10 @@ def taxa(
     if pu_float <= 0:
         return float("nan")
 
+    dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return float("nan")
+
     def diferenca_preco(taxa: float) -> float:
         preco = _calcular_pu(vna, cotacao(data_liquidacao, data_vencimento, taxa))
         return float(preco) - pu_float

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/ltn.py

@@ -128,7 +128,8 @@ def pu(
         taxa: Taxa de desconto (YTM) do título em formato decimal.
 
     Returns:
-        Decimal: PU da LTN truncado em seis casas decimais.
+        Decimal: PU da LTN truncado em seis casas decimais. Retorna
+            ``Decimal("NaN")`` quando o prazo até o vencimento não é positivo.
 
     References:
         - Secretaria do Tesouro Nacional. Metodologia de Cálculo dos Títulos
@@ -148,6 +149,8 @@ def pu(
     taxa = utils.normalizar_taxa_precificacao(taxa)
     # Calcula dias úteis entre liquidação e vencimento
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return Decimal("NaN")
 
     # Calcula anos úteis truncados conforme a STN
     anos_truncados = utils.truncar(dias_uteis / 252, 14)
@@ -196,6 +199,8 @@ def taxa(
         return float("nan")
 
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return float("nan")
     anos_truncados = utils.truncar(dias_uteis / 252, 14)
     taxa_calculada = (VALOR_FACE / preco_float) ** (1 / anos_truncados) - 1
     return utils.truncar(taxa_calculada, 8)
@@ -271,7 +276,8 @@ def dv01(
         pu: PU usado como base para o cálculo.
 
     Returns:
-        float: DV01, variação de preço para 1 bp.
+        float: DV01, variação de preço para 1 bp. Retorna ``NaN`` quando o
+            prazo até o vencimento não é positivo.
 
     Examples:
         >>> from pyield import ltn
@@ -285,6 +291,8 @@ def dv01(
     taxa = utils.normalizar_taxa_precificacao(taxa)
     taxa_mais_1bp = round(taxa + 0.0001, 8)
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return float("nan")
     anos_truncados = utils.truncar(dias_uteis / 252, 14)
     preco_1 = utils.truncar(VALOR_FACE / (1 + taxa) ** anos_truncados, 6)
     preco_2 = utils.truncar(
@@ -308,7 +316,8 @@ def duration_expr(
     Returns:
         pl.Expr: Expressão sem alias com a duration em anos úteis.
     """
-    return du.contar_expr(data_liquidacao, data_vencimento) / 252
+    dias_uteis = du.contar_expr(data_liquidacao, data_vencimento)
+    return pl.when(dias_uteis > 0).then(dias_uteis / 252).otherwise(float("nan"))
 
 
 def dv01_expr(

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/ntnb.py

@@ -484,7 +484,8 @@ def taxas_zero(
             Padrão False.
 
     Returns:
-        pl.DataFrame: DataFrame com as taxas zero.
+        pl.DataFrame: DataFrame com as taxas zero. Retorna vazio quando não
+            restarem vencimentos posteriores à liquidação.
 
     Output Columns:
         - data_vencimento (Date): Data de vencimento.
@@ -561,6 +562,14 @@ def taxas_zero(
     data_liquidacao, vencimentos, taxas = _validar_entradas_taxas_zero(
         data_liquidacao, vencimentos, taxas
     )
+    if vencimentos.is_empty():
+        return pl.DataFrame(
+            schema={
+                "data_vencimento": pl.Date,
+                "dias_uteis": pl.Int64,
+                "taxa_zero": pl.Float64,
+            }
+        )
 
     df = _criar_df_bootstrap(data_liquidacao, taxas, vencimentos)
 

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/ntnbp.py

@@ -27,7 +27,8 @@ def cotacao(
         taxa_tir: Taxa interna de retorno anualizada do título.
 
     Returns:
-        Decimal: Cotação em base 1, truncada em 6 casas decimais.
+        Decimal: Cotação em base 1, truncada em 6 casas decimais. Retorna
+            ``Decimal("NaN")`` se a liquidação for igual ou posterior ao vencimento.
 
     Examples:
         >>> from pyield import ntnbp
@@ -38,6 +39,8 @@ def cotacao(
         return Decimal("NaN")
 
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return Decimal("NaN")
     anos_uteis = utils.truncar(dias_uteis / 252, 14)
     fator_desconto = 1 / (1 + float(taxa_tir)) ** anos_uteis
     return truncar_decimal(fator_desconto, 6)
@@ -108,12 +111,16 @@ def taxa(
 
     Returns:
         float: TIR de mercado anualizada, arredondada em quatro casas decimais.
+            Retorna ``NaN`` se a liquidação for igual ou posterior ao vencimento.
     """
     if any_is_empty(data_liquidacao, data_vencimento):
         return float("nan")
 
-    curva = _normalizar_curva_zero(curva_zero)
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return float("nan")
+
+    curva = _normalizar_curva_zero(curva_zero)
     taxa_zero = interpolador.Interpolador(
         curva["dias_uteis"],
         curva["taxa_zero"],
@@ -141,7 +148,8 @@ def dv01(
         pu: PU usado como base para o cálculo.
 
     Returns:
-        float: DV01 (Dollar Value of 01), variação de preço para 1 bp.
+        float: DV01 (Dollar Value of 01), variação de preço para 1 bp. Retorna
+            ``NaN`` se a liquidação for igual ou posterior ao vencimento.
 
     Examples:
         >>> from pyield import ntnbp as bp
@@ -154,6 +162,8 @@ def dv01(
         return float("nan")
 
     dias_uteis = du.contar(data_liquidacao, data_vencimento)
+    if dias_uteis <= 0:
+        return float("nan")
     anos_uteis = utils.truncar(dias_uteis / 252, 14)
     fator_preco = (1 + taxa_tir) ** anos_uteis
     fator_preco_1bp = (1 + taxa_tir + 0.0001) ** anos_uteis

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/titulos/ntnf.py

@@ -346,6 +346,35 @@ def pu(
     return truncar_decimal(_calcular_pu(data_liquidacao, data_vencimento, taxa), 6)
 
 
+def _filtrar_vertices_futuros(
+    liquidacao: dt.date,
+    vencimentos: pl.Series,
+    taxas: pl.Series,
+    nome_curva: str,
+) -> tuple[pl.Series, pl.Series]:
+    """Remove vértices sem prazo preservando o alinhamento com as taxas."""
+    if len(vencimentos) != len(taxas):
+        raise ValueError(
+            f"Vencimentos e taxas de {nome_curva} devem ter o mesmo tamanho."
+        )
+
+    df = pl.DataFrame(
+        {"data_vencimento": vencimentos, "taxa": taxas},
+        schema={"data_vencimento": pl.Date, "taxa": pl.Float64},
+    ).filter(pl.col("data_vencimento") > liquidacao)
+
+    removidos = len(vencimentos) - df.height
+    if removidos > 0:
+        logger.warning(
+            "Vencimentos de %s menores ou iguais à liquidação foram ignorados: "
+            "%s removidos.",
+            nome_curva,
+            removidos,
+        )
+
+    return df["data_vencimento"], df["taxa"]
+
+
 def taxas_zero(  # noqa
     data_liquidacao: DateLike,
     vencimentos_ltn: DatesLike,
@@ -385,6 +414,10 @@ def taxas_zero(  # noqa
         - dias_uteis (Int64): Dias úteis entre liquidação e vencimento.
         - taxa_zero (Float64): Taxa zero (zero cupom).
 
+    Notes:
+        Vencimentos menores ou iguais à liquidação são ignorados antes da
+        construção dos interpoladores.
+
     Examples:
         >>> from pyield import ntnf, ltn
         >>> df_ltn = ltn.dados("03-09-2024")
@@ -431,6 +464,27 @@ def taxas_zero(  # noqa
     else:
         serie_ntnf_taxas = taxas_ntnf
 
+    vencimentos_ltn, serie_ltn_taxas = _filtrar_vertices_futuros(
+        liquidacao,
+        vencimentos_ltn,
+        serie_ltn_taxas,
+        "LTN",
+    )
+    vencimentos_ntnf, serie_ntnf_taxas = _filtrar_vertices_futuros(
+        liquidacao,
+        vencimentos_ntnf,
+        serie_ntnf_taxas,
+        "NTN-F",
+    )
+    if vencimentos_ltn.is_empty() or vencimentos_ntnf.is_empty():
+        return pl.DataFrame(
+            schema={
+                "data_vencimento": pl.Date,
+                "dias_uteis": pl.Int64,
+                "taxa_zero": pl.Float64,
+            }
+        )
+
     # 2. Criar interpoladores (aceitam pl.Series diretamente)
     interpolador_ltn = ip.Interpolador(
         dias_uteis=du.contar(liquidacao, vencimentos_ltn),

pyield-0.55.2/pyield/tpf/vna/__init__.py

@@ -0,0 +1,5 @@
+"""Cálculos de VNA por tipo de título público."""
+
+from pyield.tpf.vna.calculo import calcular_vna
+
+__all__ = ["calcular_vna"]

pyield-0.55.0/pyield/tpf/vna/_utils.py → pyield-0.55.2/pyield/tpf/vna/calculo.py

@@ -1,4 +1,4 @@
-"""Operações compartilhadas pelos cálculos de VNA."""
+"""Cálculos genéricos de VNA."""
 
 import datetime as dt
 
@@ -20,7 +20,29 @@ def calcular_vna(
     *,
     fator_variacao: float | None = None,
 ) -> float:
-    """Obtém o VNA publicado ou calcula o pró-rata entre pontos publicados."""
+    """Obtém o VNA publicado ou calcula o pró-rata entre pontos publicados.
+
+    Args:
+        df: DataFrame com as colunas ``data`` (Date) e ``vna`` (Float64),
+            contendo no máximo um ponto publicado por data.
+        data: Data para a qual o VNA será obtido ou interpolado.
+        fator_variacao: Fator multiplicativo entre o ponto inicial e o final.
+            Se omitido, é calculado pela razão entre os VNAs dos dois pontos.
+
+    Returns:
+        Float: VNA publicado ou calculado por pró-rata exponencial. Retorna
+        ``float('nan')`` quando não houver pontos publicados dos dois lados da
+        data ou quando ela estiver fora do intervalo disponível.
+
+    Notes:
+        Um ponto publicado exatamente na data tem prioridade e ignora
+        ``fator_variacao``. O expoente do pró-rata é truncado em catorze casas
+        e o resultado em seis casas.
+
+    Raises:
+        ValueError: Se o VNA-base não for positivo ou a variação for menor ou
+            igual a -100%.
+    """
     ponto_exato = df.filter(pl.col("data") == data)
     if ponto_exato.height == 1:
         return float(ponto_exato.item(0, "vna"))
@@ -73,3 +95,6 @@ def calcular_vna_projetado(
         projecao_percentual / 100,
         expoente,
     )
+
+
+__all__ = ["calcular_vna"]

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/vna/ntnb.py

@@ -10,7 +10,8 @@ import pyield._internal.converters as conversores
 from pyield._internal.numbers import truncar, truncar_decimal
 from pyield._internal.types import DateLike, any_is_empty
 from pyield.ipca import historico as _ipca
-from pyield.tpf.vna import _download, _utils
+from pyield.tpf.vna import _download
+from pyield.tpf.vna import calculo as _vna
 
 _DIA_INICIO_VIGENCIA = 15
 _QTD_MARCOS_VIGENCIA = 2
@@ -23,7 +24,7 @@ def _processar(df_bruto: pl.DataFrame) -> pl.DataFrame:
     """Normaliza as duas colunas da planilha de NTN-B."""
     return (
         df_bruto.select(
-            data=_utils.expressao_data(),
+            data=_vna.expressao_data(),
             vna=pl.col("column_2").cast(pl.Float64, strict=False),
         )
         .filter(pl.col("data").is_not_null(), pl.col("vna").is_not_null())
@@ -94,7 +95,7 @@ def vna(data: DateLike | None = None) -> Decimal:
     if math.isnan(fator_ipca):
         return Decimal("NaN")
     return truncar_decimal(
-        _utils.calcular_vna(
+        _vna.calcular_vna(
             df,
             data_convertida,
             fator_variacao=fator_ipca,
@@ -174,12 +175,12 @@ def vna_projetado(
     """
     if any_is_empty(data, vna_base, inflacao):
         return Decimal("NaN")
-    if inflacao <= _utils.LIMITE_INFERIOR_PERCENTUAL:
+    if inflacao <= _vna.LIMITE_INFERIOR_PERCENTUAL:
         raise ValueError("A inflação deve ser maior que -100%.")
     data_convertida = conversores.converter_datas(data)
     inicio, fim = _obter_vigencia(data_convertida)
     expoente = (data_convertida - inicio).days / (fim - inicio).days
     return truncar_decimal(
-        _utils.calcular_vna_projetado(float(vna_base), float(inflacao), expoente),
+        _vna.calcular_vna_projetado(float(vna_base), float(inflacao), expoente),
         6,
     )

{pyield-0.55.0 → pyield-0.55.2}/pyield/tpf/vna/ntnc.py

@@ -8,7 +8,8 @@ import polars as pl
 import pyield._internal.converters as conversores
 from pyield._internal.numbers import truncar_decimal
 from pyield._internal.types import DateLike, any_is_empty
-from pyield.tpf.vna import _download, _utils
+from pyield.tpf.vna import _download
+from pyield.tpf.vna import calculo as _vna
 
 _URL_PUBLICACAO = (
     "https://www.tesourotransparente.gov.br/publicacoes/valor-nominal-de-ntn-c/"
@@ -24,7 +25,7 @@ def _processar(df_bruto: pl.DataFrame) -> pl.DataFrame:
     series = []
     for coluna, anos in _ANOS_VENCIMENTO.items():
         serie = df_bruto.select(
-            data=_utils.expressao_data(),
+            data=_vna.expressao_data(),
             anos_vencimento=pl.lit(anos, dtype=pl.List(pl.Int64)),
             vna=pl.col(coluna).cast(pl.Float64, strict=False),
         ).filter(
@@ -100,7 +101,7 @@ def vna(
     df = vnas().filter(
         pl.col("anos_vencimento").list.contains(vencimento_convertido.year)
     )
-    return truncar_decimal(_utils.calcular_vna(df, data_convertida), 6)
+    return truncar_decimal(_vna.calcular_vna(df, data_convertida), 6)
 
 
 def _obter_vigencia(data: dt.date) -> tuple[dt.date, dt.date]:
@@ -153,12 +154,12 @@ def vna_projetado(
     """
     if any_is_empty(data, vna_base, inflacao):
         return Decimal("NaN")
-    if inflacao <= _utils.LIMITE_INFERIOR_PERCENTUAL:
+    if inflacao <= _vna.LIMITE_INFERIOR_PERCENTUAL:
         raise ValueError("A inflação deve ser maior que -100%.")
     data_convertida = conversores.converter_datas(data)
     inicio, fim = _obter_vigencia(data_convertida)
     expoente = (data_convertida - inicio).days / (fim - inicio).days
     return truncar_decimal(
-        _utils.calcular_vna_projetado(float(vna_base), float(inflacao), expoente),
+        _vna.calcular_vna_projetado(float(vna_base), float(inflacao), expoente),
         6,
     )

{pyield-0.55.0 → pyield-0.55.2}/pyproject.toml

@@ -25,7 +25,7 @@ dependencies = [
     "fastexcel>=0.19.0",
     "tzdata>=2024.1; platform_system == 'Windows'",
 ]
-version = "0.55.0"
+version = "0.55.2"
 
 [[project.authors]]
 name = "Carlos Carvalho"

{pyield-0.55.0 → pyield-0.55.2}/pyproject.toml.orig

@@ -20,7 +20,7 @@ dependencies = [
     "fastexcel>=0.19.0",
     "tzdata>=2024.1; platform_system == 'Windows'",
 ]
-version = "0.55.0"
+version = "0.55.2"
 
 [project.urls]
 Homepage = "https://github.com/crdcj/PYield"

pyield-0.55.0/pyield/tpf/vna/__init__.py

@@ -1 +0,0 @@
-"""Cálculos de VNA por tipo de título público."""