def titulos(data,vencimento,taxa,resultado='pu',cupom=0.06,valor_futuro=1000,vna=1):
from helper import feriados
feriados = list(feriados.lista())
if cupom == 0.0:
du = np.busday_count(data,vencimento,holidays=feriados)/252.0
pu = valor_futuro/(1+taxa)**du
mod = du
else:
dt_cupom = vencimento
lst=[]
cupom = ((1+cupom)**(0.5)-1)*valor_futuro*vna
while dt_cupom >= data:
mes = dt_cupom.month-6
ano = dt_cupom.year
if mes < 0:
mes+=12
ano=dt_cupom.year - 1
dt_cupom = pd.to_datetime(str(ano) + '-' + str(mes) +'-' + str(vencimento.day))
lst.append({'datas_cupom':dt_cupom})
lst.append({'datas_cupom':vencimento})
df=pd.DataFrame.from_dict(lst)
df=df[df['datas_cupom']>data].sort_values(by='datas_cupom', ascending=True).reset_index(drop=True)
df['dia']=data
df['du']=np.busday_count(list(df['dia'].copy()),list(df['datas_cupom'].copy()),holidays=feriados)/252.0
df['fator']=1/(1+float(taxa))**df['du']
df['valor_de_face']=df['fator']*cupom
pu=df['valor_de_face'].sum() + df['fator'].min()*valor_futuro*vna
df['fator_mod']=((df['du']*cupom)/(1+float(taxa))**df['du'])/pu
mod = df['fator_mod'].sum() + df['fator'].min()*valor_futuro/pu
if resultado == 'pu':
return pu
else:
return mod
def buscar_proximo_dia_util(date):
"""Retorna o próximo dia útil caso o parâmetro não seja dia útil"""
while (date.weekday() == calendar.SATURDAY
or date.weekday() == calendar.SUNDAY) or (date in feriados.lista()):
date += datetime.timedelta(days=1)
return date
def buscar_dia_anterior(date):
"""Retorna o dia útil anterior"""
date -= datetime.timedelta(days=1)
while (date.weekday() == calendar.SATURDAY
or date.weekday() == calendar.SUNDAY) or (date in feriados.lista()):
date -= datetime.timedelta(days=1)
return date
def primeira_data_mes(date):
"""Retorna o primeiro dia útil do mês"""
try:
d = datetime.datetime(int(date.year), int(date.month), 1)
while d.weekday() == calendar.SATURDAY or d.weekday(
) == calendar.SUNDAY or (d.date() in feriados.lista()):
d += datetime.timedelta(days=1)
return d.date()
except Exception as e:
raise Exception("erro ao buscar primeiro dia util do mes %s" % date)
def get_last_util_day(date):
"""Retorna o último dia útil do mês"""
try:
last_day = calendar.monthrange(int(date.year), int(date.month))[1]
d = datetime.datetime(int(date.year), int(date.month), last_day)
while d.weekday() == calendar.SATURDAY or d.weekday(
) == calendar.SUNDAY or (d.date() in feriados.lista()):
d -= datetime.timedelta(days=1)
return d.date()
except Exception as e:
raise Exception("erro ao buscar ultimo dia util do mes %s" % date)
def cupons(data,vencimento):
from helper import feriados
feriados = list(feriados.lista())
dt_cupom = vencimento
lst=[]
while dt_cupom >= data:
mes = dt_cupom.month-6
ano = dt_cupom.year
if mes < 0:
mes+=12
ano=dt_cupom.year - 1
dt_cupom = pd.to_datetime(str(ano) + '-' + str(mes) +'-' + str(vencimento.day))
lst.append({'datas_cupom':dt_cupom})
return lst
def net_workdays1(data_inicial, data_final):
net_days = (data_final - data_inicial).days
lst = []
data = data_inicial
for i in range(0, net_days):
data += datetime.timedelta(days=1)
lst.append({'fds': data, 'weekday': data.weekday()})
d = pd.DataFrame.from_dict(lst)
f = len(
d[d['weekday'] > 4]) + sum(1 if (x >= data_inicial) & (x <= data_final)
& (x not in d['fds']) else 0
for x in pd.to_datetime(feriados.lista()))
net_days -= f
return net_days
def proximo_dia_util(date):
date += datetime.timedelta(days=1)
while (date.weekday() == calendar.SATURDAY
or date.weekday() == calendar.SUNDAY) or (date in feriados.lista()):
date += datetime.timedelta(days=1)
return date
# coding: utf-8
# In[11]:
import pandas as pd
import numpy as np
import datetime
from helper import feriados
feriados = list(feriados.lista())
class Ajustes_dap(object):
def __init__(self, arcv):
self.arcv = arcv
def result(self):
arcv = self.arcv
d = pd.read_excel(arcv, header=1,sheetname ='base_dados',skip_footer=1)\
.fillna(method='ffill', limit=2).fillna(0.0).reset_index(drop=True)
i = 0
while i + 2 <= len(d.columns):
try:
df
except:
df = d[d.columns[i:i + 2]].copy()
df['ticker'] = df.columns[1]
df.rename(columns={
df.columns[0]: 'data',
df.columns[1]: 'preco',
},
