-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathcurvas_historicas.py
228 lines (171 loc) · 8.41 KB
/
curvas_historicas.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
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
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
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
import requests, os, random, shutil
import numpy as np
import pandas as pd
from pandas import ExcelWriter
from bs4 import BeautifulSoup
from time import sleep
from pprint import pprint
def nss(coef: list, dias):
"""
Função que calcula as curvas de juros futuros anuailizadas e discretas para os cupons pré, ipca, igpm e tr,
utilizando o modelo NelsonSiegelSvensson.
Obs.: Os coeficientes do modelo são obtidos no site da SUSEP na primeira semana de todo mês
y = x/252
t = exp(y) - 1
x: dias úteis (base de 252 dias úteis)
y: taxa de juros futuros contínua
t: taxa de juros futuros discreta
"""
termo_1 = (coef[0]) + (coef[1] * ((1.0-np.exp(-dias*coef[4])) / (dias*coef[4])))
termo_2 = (coef[2]*((((1.0-np.exp(-dias*coef[4])) / (dias*coef[4]))) - (np.exp(-dias*coef[4]))))
termo_3 = (coef[3]*((((1.0-np.exp(-dias*coef[5])) / (dias*coef[5]))) - (np.exp(-dias*coef[5]))))
return np.exp(termo_1 + termo_2 + termo_3) - 1
def lista_anomes(links):
"""
Extrai, ordena e retira dupicados de anomes(aaaamm) da lista de links inserida.
Retornando uma lista com os anomes ordenados.
"""
lista_anomes_duplic = list()
for i in range(len(links)):
anomes = links[i].split(".tx")[0][-6:]
lista_anomes_duplic.append(anomes)
lista_anomes = set(lista_anomes_duplic)
lista_anomes = sorted(list(lista_anomes), reverse = True)
return lista_anomes
def clean_and_join(links, anomes):
"""
Baixa cada um dos coeficientes da SUSEP e da ANBIMA.
Efetua a limpeza de cada um dos coeficientes, agrupando em um único dataframe em .csv
"""
for i in list(range(0,len(links))):
anomes_data = links[i].split(".tx")[0][-6:]
n = links.index(links[i])
print('Tratando coeficientes de ' + anomes_data + ' ...')
if (n % 2 == 0):
trata_coef_susep(links[i], anomes_data)
else:
trata_txt_anbima(links[i], anomes_data)
print('Coeficientes de ' + anomes_data + ' tratados')
print('\n')
for i in anomes:
s = pd.read_csv('coef_susep_{}.csv'.format(i), sep = ";", usecols=[1,2])
a = pd.read_csv('coef_anb_{}.csv'.format(i), sep = ";", usecols=[0,1,2])
coef = a.join(s)
# coef = s.merge(a, left_index= True, right_index= True)
coef.to_csv("coef_{}.csv".format(i), sep = ";", index= False)
sleep(random.randint(1,3))
def trata_coef_susep(link, anomes: str):
coef = pd.read_csv(link, sep = ";", encoding = "ISO-8859-1")
coef.drop("data.base", 1, inplace = True)
coef.set_index('tipo', inplace = True) # Seta como index do dataframe a variável que contem os nomes dos coeficientes
coef = coef.transpose()
if int(anomes) >= 201603:
coef.drop("Cupom Cambial", 1, inplace = True)
else:
coef.drop("Cupom Cambial", 1, inplace = True)
coef.drop("Cupom de IPCA", 1, inplace = True)
coef.drop("PRÉ-FIXADA", 1, inplace = True)
coef.iloc[3,coef.columns.get_loc("Cupom de TR")] = 0 # Ajusta os coeficientes fixos da curva tr
coef.iloc[5,coef.columns.get_loc("Cupom de TR")] = 1
coef.columns = ['igpm', 'tr'] # Renomeia as colunas dos dataframes
coef.to_csv("coef_susep_{}.csv".format(anomes), sep = ";")
sleep(random.randint(1,3))
def trata_txt_anbima(link, anomes: str):
# s = requests.Session()
# s.proxies = {'https': 'https://177.25.204.75'}
txt_anbima = requests.get(link).text # lê o arquivo .txt da curva e extrai seu conteúdo como texto
coef_anbima = txt_anbima.split("\n")[2:5] # Seleciona as 3 linhas correspondentes aos coeficientes e seus nomes
names = coef_anbima[0].split("@")[2:] # Separa em novas listas novamente pelo @ e retira as duas primeiras observações de cada lista
pre = coef_anbima[1].split("@")[2:]
ipca = coef_anbima[2].split("@")[2:]
names = [sub.replace("\r","") for sub in names] # Retira os caracteres ruins de cada elemento das listas
pre = [sub.replace("\r","") for sub in pre]
ipca = [sub.replace("\r","") for sub in ipca]
pre = [sub.replace("E-02","e-02") for sub in pre] # Adequa a notação científica para fazer a
ipca = [sub.replace("E-02","e-02") for sub in ipca] # conversão adequada de string para float (numérico)
pre = [float(p) for p in pre] # Faz a conversão de string para número
ipca = [float(i) for i in ipca]
valores = {"prefixado": pre, "ipca": ipca} # Estrutura o objeto dicionário para criar o dataframe
df = pd.DataFrame(valores, index = names, columns = ["prefixado","ipca"]) # Cria o dataframe
df = df.rename(index = {'Beta 1': 'beta.0', 'Beta 2':'beta.1', 'Beta 3':'beta.2', 'Beta 4':'beta.3', 'Lambda 1':'lambda.1', 'Lambda 2':'lambda.2'})
df.to_csv("coef_anb_{}.csv".format(anomes), sep = ";")
sleep(random.randint(1,3))
# inputs
base_dir = "C:/Users/augus/Documents/dev_Py/Py/ETTJ_SUSEP/testes" # diretório base
nperiodos = 1401
URL = "http://www.susep.gov.br/setores-susep/cgsoa/coris/dicem/modelo-de-interpolacao-e-extrapolacao-da-ettj"
headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"}
os.chdir(base_dir)
# Faz a requisição da pagina web e extrai o html em um objeto BeautifulSoup
page = requests.get(URL, headers=headers)
soup = BeautifulSoup(page.content, 'html.parser')
# gera uma lista com todos as tags 'a' e extrai uma lista com todos os links
arq_txts = list(soup.find('table').find_all('a'))
links = [i.get('href') for i in arq_txts]
# remove os elementos 'None' da lista e separa os links em 3 arquivos para as requisicoes
for i in links:
if (i == None):
links.remove(i)
links_a = links[0:34]
links_b = links[34:68]
links_c = links[68:]
# extrai os anomes dos links como lista e separa em 3 arquivos para as requisicoes
anomes = lista_anomes(links)
anomes_a = anomes[:17]
anomes_b = anomes[17:34]
anomes_c = anomes[34:]
# extrai os coeficietes dos links, limpa e agrupa de acordo com cada anomes e curva
clean_and_join(links_a, anomes_a)
clean_and_join(links_b, anomes_b)
clean_and_join(links_c, anomes_c)
############## Geração das curvas ##############
nseq = list(range(0, nperiodos)) # cria uma sequencia de 0 a 'nperiodos'
dias = (np.arange(start = 21.0, stop = (nperiodos*21), step = 21.0) / 252.0)
dias = np.insert(dias, 0, (1.0/252.0)) # Lista com os inputs do modelo NelsonSiegelSvensson
base_df = {
"nseq": nseq,
"dias": dias*252
}
df_ipca = pd.DataFrame(base_df)
df_pre = pd.DataFrame(base_df)
df_igpm = pd.DataFrame(base_df)
df_tr = pd.DataFrame(base_df)
for i in anomes[::-1]:
coeficientes = pd.read_csv('coef_{}.csv'.format(i), sep = ";")
curva_ipca = nss(coeficientes["ipca"], dias)
curva_ipca = pd.Series(curva_ipca, name = "{}".format(i))
df_ipca['{}'.format(i)] = curva_ipca
print('curva ipca de ' + curva_ipca.name + ' gerada')
curva_pre = nss(coeficientes["prefixado"], dias)
curva_pre = pd.Series(curva_pre, name = "{}".format(i))
df_pre['{}'.format(i)] = curva_pre
print('curva pre de ' + curva_pre.name + ' gerada')
curva_igpm = nss(coeficientes["igpm"], dias)
curva_igpm = pd.Series(curva_igpm, name = "{}".format(i))
df_igpm['{}'.format(i)] = curva_igpm
print('curva igpm de ' + curva_igpm.name + ' gerada')
curva_tr = nss(coeficientes["tr"], dias)
curva_tr = pd.Series(curva_tr, name = "{}".format(i))
df_tr['{}'.format(i)] = curva_tr
print('curva tr de ' + curva_tr.name + ' gerada')
writer = ExcelWriter(base_dir + '/historico_curvas.xlsx')
df_pre.to_excel(writer, "curvas_pre", index = False)
df_ipca.to_excel(writer, "curvas_ipca", index = False)
df_igpm.to_excel(writer, "curvas_igpm", index = False)
df_tr.to_excel(writer, "curvas_tr", index = False)
writer.save()
if 'coeficientes' in os.listdir():
shutil.rmtree(base_dir + '/coeficientes')
os.mkdir('coeficientes')
else:
os.mkdir('coeficientes')
for i in os.listdir():
if i.startswith('coef_susep_') or i.startswith('coef_anb_'):
os.remove(i)
if i.startswith('coef_20'):
shutil.move(i, 'coeficientes/' + i)
print('\n\n')
print("#"*10 + " Histórico das curvas finalizado " + "#"*10)
print('O arquivo ' + 'historico_curvas.xlsx ' + 'está no caminho: ' + '\n' + base_dir)
print('Os coeficientes de cada anomes estão no caminho: ' + '\n' + base_dir + '/coeficientes')
print("\n")