Fabiocke

import requests
from base64 import b64encode

# Função para buscar o trading name
def get_trading_name(ticker):
    # cria os parâmetros
    params = {"language":"pt-br","pageNumber":1,"pageSize":20,"company":ticker}
    #params = '{"language":"pt-br","pageNumber":1,"pageSize":20,"company":"' + ticker + '"}'
    
    # para codificar em base64 é preciso fazer a conversão dos parâmetros em bytes

Fabiocke

import pandas as pd
import requests
from io import BytesIO
from zipfile import ZipFile

# le um arquivo csv ou txt dentro  de um zip na internet e retorna um dataframe
def read_csv_from_zip(url, file, sep=';'):
    # Requisição do arquivo
    r=requests.get(url)

Fabiocke

ativo = 'BBAS3'
vencimento = '2022-12-16'
K = 36.55

df = cotacoes(ativo, 365)

S = df['Adj Close'][-1]

df['Returns'] = np.log(df['Adj Close']/df['Adj Close'].shift(1))

Fabiocke

ativo = 'BBAS3'
vencimento = '2022-12-16'
K = 45.05

# A data que está sendo executado é 17/09/2022
# em outro dia os parâmetros serão diferentes, portanto os resultados serão diferentes

# Série histórica, usaremos os últimos 365 dias. O parâmetro dias irá afetar diretamente a volatildiade (sigma)
df = cotacoes(ativo, 365)

Fabiocke

from scipy.stats import norm
import numpy as np

def d1(S, K, r, sigma, T):
    return (np.log(S/K) + (r + sigma ** 2 / 2) * T) / (sigma * np.sqrt(T))

def d2(S, K, r, sigma, T):
    return (np.log(S/K) + (r - sigma ** 2 / 2) * T) / (sigma * np.sqrt(T))

def bsm_call(S, K, r, sigma, T):

Fabiocke

import pandas as pd
from datetime import datetime, timedelta
from functools import cache

# Busca a lista de feriados no site da anbima
# O decorador salva a lista para não precisar fazer a requisição a todo momento
@cache
def feriados():
    df = pd.read_excel('http://www.anbima.com.br/feriados/arqs/feriados_nacionais.xls')
    return [i for i in df['Data'] if isinstance(i, datetime)]

Fabiocke

import requests
import pandas as pd

def selic():
    # busca o histórico diário da selic
    r=requests.get('https://api.bcb.gov.br/dados/serie/bcdata.sgs.11/dados?formato=json').json()
    df = pd.DataFrame(r).set_index('data')
    df['valor'] = df['valor'].astype(float)
    
    # anualiza as taxas, considerando 252 dias úteis no ano

Fabiocke

import requests
import pandas as pd

# Obtem os vencimentos
def vencimentos(ticker):
    url = f'https://opcoes.net.br/listaopcoes/completa?au=False&uinhc=0&idLista=ML&idAcao={ticker}&listarVencimentos=true&cotacoes=true'
    response = requests.get(url, verify=False).json()
    vctos = [[i['value'], i['text']] for i in response['data']['vencimentos']]
    return vctos

Fabiocke

import yfinance as yf
from datetime import datetime, timedelta

def cotacoes(ticker, dias):
    # formata o nome do ticker
    start = (datetime.today()-timedelta(dias)).strftime('%Y-%m-%d')
    ticker=ticker+'.SA' if ticker[-3:] != '.SA' else ticker
    
    # busca o ticker no yahoo finance
    df = yf.download(ticker, start)