-
Notifications
You must be signed in to change notification settings - Fork 9
/
Copy path03-Raw_data_B3.py
343 lines (191 loc) · 9.51 KB
/
03-Raw_data_B3.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
229
230
231
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
257
258
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
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
#!/usr/bin/env python
# coding: utf-8
# In[ ]:
import pandas as pd
import datetime
from dateutil.relativedelta import relativedelta
import numpy as np
import os
import time
import warnings
warnings.filterwarnings("ignore")
this_year = datetime.datetime.today().strftime('%Y')
today = datetime.datetime.today().strftime('%Y-%m-%d')
# # SCRAPPING B3
# In[ ]:
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
## total shares at B3 (updates each saturday)
capital_social = pd.read_html('http://bvmf.bmfbovespa.com.br/CapitalSocial/', decimal=',', thousands='.')[0]
capital_social.drop_duplicates('Código',inplace=True)
capital_social.set_index('Código',inplace=True)
if os.path.exists('raw_data_B3/capital_social/capitalsocial.pkl'):
os.remove('raw_data_B3/capital_social/capitalsocial.pkl')
capital_social.to_pickle('raw_data_B3/capital_social/capitalsocial.pkl')
##backup
capital_social.to_pickle('BACKUPS/capital_social/capitalsocial%s.pkl'%today)
# In[ ]:
## scrapping all dividends data from B3
info = pd.read_pickle('clean_data/info_companies/info_companies_geral_comSetor.pkl')
codigo = info['Codigo_CVM'].unique()
# ## SCRAPPING PREVIOUS DIVIDENDS PAGE
# In[ ]:
import threading, urllib.request
import queue
urls_to_load = []
for i in codigo:
urls_to_load.append("http://bvmf.bmfbovespa.com.br/cias-listadas/empresas-listadas/ResumoProventosDinheiro.aspx?codigoCvm=%s&tab=3.1&idioma=pt-br"%i)
for x in range(30,391,30):
def read_url(url, queue,cvm):
data = pd.read_html(url, decimal=',', thousands='.')[0]
data.to_pickle("raw_data_B3/proventos/historico/%s.pkl"%cvm)
queue.put(data)
def fetch_parallel():
result = queue.Queue()
threads = [threading.Thread(target=read_url, args = (url,result,cvm)) for url,cvm in zip(urls_to_load[x-30:x],codigo[x-30:x])]
for t in threads:
t.start()
for t in threads:
t.join()
return result
fetch_parallel()
time.sleep(5)
# In[ ]:
all_divd = pd.DataFrame()
for x in codigo:
try:
comp = pd.read_pickle("raw_data_b3/proventos/historico/%s.pkl"%x)
comp['Codigo_CVM'] = x
all_divd = pd.concat([all_divd,comp])
except:
continue
# In[ ]:
all_divd["Últ. Dia 'Com'"] = pd.to_datetime(all_divd["Últ. Dia 'Com'"], format='%d/%m/%Y')
all_divd = all_divd.loc[all_divd["Últ. Dia 'Com'"].dt.year >2006]
all_divd.drop(['Data da Aprovação (I)','Proventos por unidade ou mil','Preço por unidade ou mil',
"Data do Últ. Preço 'Com' (III)"],inplace=True,axis=1)
all_divd.rename({'Tipo do Provento (II)':'Tipo Provento',"Últ. Dia 'Com'":"Data COM","Últ. Preço 'Com'":"Preço Data COM",
'Valor do Provento (R$)':'Valor','Tipo de Ativo':'CLASSE'},inplace=True,axis=1)
all_divd.to_pickle('raw_data_b3/proventos/historico/all_proventos_hist.pkl')
all_divd.to_pickle('BACKUPS/proventos/all_proventos_hist%s.pkl'%today)
# ## SCRAPPING NEW DIVIDENDS PAGE
# In[ ]:
import threading, urllib.request
import queue
urls_to_load = []
for i in codigo:
urls_to_load.append("http://bvmf.bmfbovespa.com.br/cias-listadas/empresas-listadas/ResumoEventosCorporativos.aspx?codigoCvm=%s&tab=3&idioma=pt-br"%i)
for x in range(30,391,30):
def read_url(url, queue,cvm):
data = pd.read_html(url, decimal=',', thousands='.')
eventos_corp = pd.DataFrame()
for x in range(2,len(data)):
resum = data[x]
eventos_corp = pd.concat([eventos_corp,resum])
eventos_corp.to_pickle("raw_data_B3/proventos/eventos_corporativos/%s.pkl"%cvm)
queue.put(eventos_corp)
def fetch_parallel():
result = queue.Queue()
threads = [threading.Thread(target=read_url, args = (url,result,cvm)) for url,cvm in zip(urls_to_load[x-30:x],codigo[x-30:x])]
for t in threads:
t.start()
for t in threads:
t.join()
return result
fetch_parallel()
time.sleep(5)
# In[ ]:
all_event = pd.DataFrame()
for x in codigo:
try:
comp = pd.read_pickle("raw_data_B3/proventos/eventos_corporativos/%s.pkl"%x)
comp['Codigo_CVM'] = x
all_event = pd.concat([all_event,comp])
except:
continue
# In[ ]:
## cleaning all events b3
all_event.rename({'% / Fator de Grupamento':'Fator','Negócios com até':'Data COM','Deliberado em':'Aprovado',
'Valor (R$)':'Valor','Início de Pagamento':'Pagamento'},inplace=True,axis=1)
all_event.drop([ 'Relativo a','Observações','Aprovado'],axis=1,inplace=True)
all_event['Data COM']=pd.to_datetime(all_event['Data COM'], format='%d/%m/%Y')
all_event['CLASSE'] = [x[-3:-1] for x in all_event['Código ISIN']]
conditions = [all_event['CLASSE']=='OR',all_event['CLASSE']=='PR',all_event['CLASSE']=='PA',all_event['CLASSE']=='PB',
all_event['CLASSE']=='PC',all_event['CLASSE']=='PD',all_event['CLASSE']=='PE',all_event['CLASSE']=='PF',
all_event['CLASSE']=='PG']
choices = ['ON','PN','PNA','PNB','PNC','PND','PNE','PNF','PNG']
all_event['CLASSE'] = np.select(conditions,choices,'UNT')
all_event = all_event.loc[(all_event['Data COM'].dt.year > 2006)]
# In[ ]:
## cleaning and adjusting GRUPAMENTO
grupamento = all_event.loc[all_event['Proventos'] == 'GRUPAMENTO']
grupamento.drop(grupamento.columns.difference(['Proventos', 'Código ISIN',
'Data COM', 'Fator', 'Ativo Emitido', 'Codigo_CVM','CLASSE']),axis=1,inplace=True)
grupamento['Fator'] = grupamento['Fator'].map(int)
grupamento['str_fator'] = grupamento['Fator'].map(str)
grupamento['count'] = grupamento['str_fator'].map(len)
def divide(row):
vdd = '1'
ldd = vdd+'0'*row
return ldd
grupamento['divider'] = grupamento['count'].map(divide)
grupamento['divider'] = grupamento['divider'].map(int)
grupamento['Fator Grupamento'] = grupamento['Fator']/grupamento['divider']
grupamento = grupamento.loc[(grupamento['Data COM'].dt.year > 2006)]
grupamento.drop(['Fator', 'Ativo Emitido','str_fator', 'count', 'divider'],axis=1,inplace=True)
# In[ ]:
## cleaning and adjusting DESDOBRAMENTO
desd = all_event.loc[all_event['Proventos'] == 'DESDOBRAMENTO']
desd.drop(desd.columns.difference(['Proventos', 'Código ISIN',
'Data COM', 'Fator', 'Ativo Emitido', 'Codigo_CVM','CLASSE']),axis=1,inplace=True)
desd['Fator'] = desd['Fator'].map(int)
desd = desd.loc[(desd['Data COM'].dt.year >2005)]
desd = desd.loc[(desd['Fator'] <3000)]
desd['Fator Desdobramento'] = (desd['Fator']+100)/100
desd['Fator Desdobramento'] = desd['Fator Desdobramento'].map(int)
desd.drop(['Fator', 'Ativo Emitido'],axis=1,inplace=True)
# In[ ]:
## cleaning proventos
div = all_event.loc[all_event['Proventos'].isin(['DIVIDENDO', 'JRS CAP PROPRIO','RENDIMENTO'])]
div.drop(div.columns.difference(['Proventos', 'Código ISIN',
'Data COM', 'Codigo_CVM','CLASSE','Valor','Pagamento']),axis=1,inplace=True)
# In[ ]:
## concating and saving dados de proventos, grupamentos e desdobramentos
tudo = pd.concat([div,grupamento,desd])
tudo.to_pickle('raw_data_B3/proventos/eventos_corporativos/proventos_atuais_b3.pkl')
tudo.to_pickle('BACKUPS/proventos/proventos_atuais_b3%s.pkl'%today)
# # Merging previous and new dividends info
# In[ ]:
## criando df PROVENTOS atuais e historicos AJUSTADO
tudo= pd.read_pickle("raw_data_B3/proventos/eventos_corporativos/proventos_atuais_b3.pkl")
tudo.reset_index(inplace=True, drop=True)
divih = pd.read_pickle("raw_data_B3/proventos/historico/all_proventos_hist.pkl")
divih.rename({"Tipo Provento":"Proventos"},axis=1,inplace=True)
divih['Data COM']=pd.to_datetime(divih['Data COM'], format='%Y-%m-%d')
divih.reset_index(inplace=True, drop=True)
all_div = pd.concat([divih,tudo])
##ajustando desdobramentos magalu
all_div=all_div.append({'Proventos':"DESDOBRAMENTO",'Data COM':'2019-07-31','CLASSE':'ON','Fator Desdobramento':8,'Codigo_CVM':22470},
ignore_index=True)
all_div=all_div.append({'Proventos':"DESDOBRAMENTO",'Data COM':'2017-09-04','CLASSE':'ON','Fator Desdobramento':8,'Codigo_CVM':22470},
ignore_index=True)
## excluindo grupamento da LEVE3
all_div.drop(all_div.loc[(all_div['Codigo_CVM'] == 8575) & (all_div['Proventos'] =='GRUPAMENTO')].index,inplace=True)
all_div['Data COM']=pd.to_datetime(all_div['Data COM'], format='%Y-%m-%d')
all_div.sort_values(['Data COM'],inplace=True,ascending=False)
all_div['Fator Desdobramento'] = all_div.groupby(['Codigo_CVM', 'CLASSE'])['Fator Desdobramento'].cumprod()
all_div['Fator Grupamento'] = all_div.groupby(['Codigo_CVM', 'CLASSE'])['Fator Grupamento'].cumprod()
all_div.sort_values(['Data COM'],inplace=True)
all_div['Fator Grupamento'] = all_div.groupby(['Codigo_CVM', 'CLASSE'])['Fator Grupamento'].bfill().fillna(1)
all_div['Fator Desdobramento'] = all_div.groupby(['Codigo_CVM', 'CLASSE'])['Fator Desdobramento'].bfill().fillna(1)
all_div['Valor ajustado'] = (all_div['Valor'])/(all_div['Fator Desdobramento']*all_div['Fator Grupamento'])
all_div['Preço COM ajustado'] = (all_div['Preço Data COM'])/(all_div['Fator Desdobramento']*all_div['Fator Grupamento'])
all_div['Provento/Preço(%) ajustado'] = all_div['Valor ajustado']/all_div['Preço COM ajustado']
all_div['ano'] = all_div['Data COM'].dt.year
all_div['Pagamento']=pd.to_datetime(all_div['Pagamento'], format='%d/%m/%Y', errors='coerce')
all_div.drop_duplicates(['Codigo_CVM','CLASSE', 'Valor','Data COM'],inplace=True)
# In[ ]:
all_div.to_pickle("clean_data/dividends/proventos_b3.pkl")
all_div.to_pickle("clean_data/final_data/proventos_b3.pkl")
#backup
all_div.to_pickle("BACKUPS/proventos/proventos_b3%s.pkl"%today)