Pular para conteúdo

Anbima

fetch_tpf(date)

Busca os dados do mercado secundário de TPF direto da fonte ANBIMA.

Retorna todas as colunas publicadas pela ANBIMA, sem cache e sem filtro de colunas. Indicado para uso em jobs e pipelines de dados.

Parameters:

Name Type Description Default
date DateLike

Data de referência (ex: '2024-06-14').

 required

Returns:

Type Description
DataFrame

pl.DataFrame: DataFrame com todas as colunas da ANBIMA. Retorna DataFrame vazio se não houver dados.
Source code in pyield/anbima/tpf.py 
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
def fetch_tpf(
    date: DateLike,
) -> pl.DataFrame:
    """Busca os dados do mercado secundário de TPF direto da fonte ANBIMA.

    Retorna todas as colunas publicadas pela ANBIMA, sem cache e sem
    filtro de colunas. Indicado para uso em jobs e pipelines de dados.

    Args:
        date (DateLike): Data de referência (ex: '2024-06-14').

    Returns:
        pl.DataFrame: DataFrame com todas as colunas da ANBIMA.
            Retorna DataFrame vazio se não houver dados.
    """
    date = converter_datas(date)

    if not data_referencia_valida(date):
        return pl.DataFrame()

    df = _buscar_dados_tpf(date)
    if df.is_empty():
        return pl.DataFrame()

    return df.sort("data_referencia", "titulo", "data_vencimento")

intraday_ettj()

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:

Type Description
DataFrame

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%).

Source code in pyield/anbima/ettj_intraday.py 
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
def intraday_ettj() -> 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_intraday()

    data_ref, tabela_pre, tabela_ipca = _extrair_data_e_tabelas(texto_api)

    df_pre = _parsear_tabela_intraday(tabela_pre, "taxa_nominal")
    df_ipca = _parsear_tabela_intraday(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"
    )

last_ettj()

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:

Type Description
DataFrame

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%).

Source code in pyield/anbima/ettj_last.py 
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
def last_ettj() -> 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_ultima_ettj()
    data_ref, tabela = _extrair_data_e_tabela(texto)
    return _processar_tabela(tabela, data_ref)

last_ima(ima_type=None)

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.

Parameters:

Name Type Description Default
ima_type str

Tipo de índice IMA para filtrar os dados. Se None, retorna todos os índices. Padrão é None.

 None

Returns:

Type Description
DataFrame

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.last_ima("IMA-B")
Source code in pyield/anbima/ima.py 
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
def last_ima(ima_type: 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:
        ima_type (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.last_ima("IMA-B")  # doctest: +SKIP
    """
    texto_ima = _buscar_texto_ultimo_ima()
    df = _parsear_df(texto_ima)
    df = _processar_df(df)
    if ima_type:
        df = df.filter(pl.col("indice") == ima_type)
    return df.sort("indice", "titulo", "data_vencimento")

tpf_maturities(date, bond_type)

Recupera os vencimentos existentes para um tipo de título na data especificada.

Parameters:

Name Type Description Default
date DateLike

A data de referência para os vencimentos.

 required
bond_type BOND_TYPES

O tipo de título para filtrar (ex: 'PRE' para 'LTN' e 'NTN-F', ou especifique 'LTN' ou 'NTN-F' diretamente).

 required

Returns:

Type Description
Series

pl.Series: Uma Series contendo as datas de vencimento únicas para o(s) tipo(s) de título especificado(s).

Examples:

>>> from pyield import anbima
>>> anbima.tpf_maturities(date="22-08-2025", bond_type="PRE")
shape: (18,)
Series: 'data_vencimento' [date]
[
    2025-10-01
    2026-01-01
    2026-04-01
    2026-07-01
    2026-10-01
    …
    2030-01-01
    2031-01-01
    2032-01-01
    2033-01-01
    2035-01-01
]
Source code in pyield/anbima/tpf.py 
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
def tpf_maturities(
    date: DateLike,
    bond_type: BOND_TYPES,
) -> pl.Series:
    """Recupera os vencimentos existentes para um tipo de título na data especificada.

    Args:
        date (DateLike): A data de referência para os vencimentos.
        bond_type (BOND_TYPES): O tipo de título para filtrar (ex: 'PRE' para 'LTN'
            e 'NTN-F', ou especifique 'LTN' ou 'NTN-F' diretamente).

    Returns:
        pl.Series: Uma Series contendo as datas de vencimento únicas para o(s)
            tipo(s) de título especificado(s).

    Examples:
        >>> from pyield import anbima
        >>> anbima.tpf_maturities(date="22-08-2025", bond_type="PRE")
        shape: (18,)
        Series: 'data_vencimento' [date]
        [
            2025-10-01
            2026-01-01
            2026-04-01
            2026-07-01
            2026-10-01
            …
            2030-01-01
            2031-01-01
            2032-01-01
            2033-01-01
            2035-01-01
        ]
    """
    return tpf(date, bond_type)["data_vencimento"].unique().sort()