-
Notifications
You must be signed in to change notification settings - Fork 9
/
00-RUN_ONLY_FIRST_TIME---Downloading_all_data_CVM.py
352 lines (223 loc) · 8.5 KB
/
00-RUN_ONLY_FIRST_TIME---Downloading_all_data_CVM.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
343
344
345
346
347
348
#!/usr/bin/env python
# coding: utf-8
# In[ ]:
import pandas as pd
import os
import numpy as np
import datetime
from dateutil.relativedelta import relativedelta
this_year = datetime.datetime.today().strftime('%Y')
# In[ ]:
directories = ['BACKUPS',
'BACKUPS/capital_social',
'BACKUPS/final_data',
'BACKUPS/info_companies',
'BACKUPS/last_results',
'BACKUPS/medias',
'BACKUPS/pivoted_data',
'BACKUPS/price',
'BACKUPS/proventos',
'BACKUPS/results',
'BACKUPS/results/bpa',
'BACKUPS/results/bpp',
'BACKUPS/results/dfcmi',
'BACKUPS/results/dmpl',
'BACKUPS/results/dre',
'BACKUPS/results/dva',
'clean_data',
'clean_data/companies_results',
'clean_data/companies_results/BPA',
'clean_data/companies_results/BPP',
'clean_data/companies_results/DFCMI',
'clean_data/companies_results/DMPL',
'clean_data/companies_results/DRE',
'clean_data/companies_results/DVA',
'clean_data/dividends',
'clean_data/final_data',
'clean_data/info_companies',
'clean_data/pivoted_data',
'merged_data_cvm',
'merged_data_cvm/new_data',
'merged_data_cvm/new_data/DFP',
'merged_data_cvm/new_data/FCA',
'merged_data_cvm/new_data/FRE',
'merged_data_cvm/new_data/ITR',
'merged_data_cvm/old_data',
'merged_data_cvm/old_data/DFP',
'merged_data_cvm/old_data/ITR',
'PRICES',
'PRICES/monthly',
'raw_data_B3',
'raw_data_B3/capital_social',
'raw_data_B3/proventos',
'raw_data_B3/proventos/eventos_corporativos',
'raw_data_B3/proventos/historico',
'raw_data_cvm',
'raw_data_cvm/dfp',
'raw_data_cvm/dfp/DFP',
'raw_data_cvm/fca',
'raw_data_cvm/fca/FCA',
'raw_data_cvm/fre',
'raw_data_cvm/fre/FRE',
'raw_data_cvm/itr',
'raw_data_cvm/itr/ITR',
'VALUATION']
# In[ ]:
for path in directories:
isExist = os.path.exists(path)
if not isExist:
os.makedirs(path)
# # DOWNLOADING ZIP FROM CVM
#
# In[ ]:
# Downloading all annual results
"""## Acessando a base de dados e criando arquivos históricos"""
from zipfile import ZipFile
import os
import wget
url_base = 'http://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/DFP/DADOS/'
"""* criando uma lista com o nome de todos os arquivos"""
arquivos_zip = []
for ano in range(2010,2023):
arquivos_zip.append(f'dfp_cia_aberta_{ano}.zip')
arquivos_zip
"""* fazendo o download de todos os arquivos"""
path='raw_data_cvm/dfp'
isExist = os.path.exists(path)
if not isExist:
os.makedirs(path)
for arq in arquivos_zip:
wget.download(url_base+arq, out=path)
"""* extraindo os arquivos zip"""
for arq in arquivos_zip:
ZipFile(path+'/'+arq, 'r').extractall(path+'/DFP')
# In[ ]:
# Downloading all quarter results (it takes time)
"""## Acessando a base de dados e criando arquivos históricos"""
from zipfile import ZipFile
import os
import wget
url_base = 'http://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/ITR/DADOS/'
"""* criando uma lista com o nome de todos os arquivos"""
arquivos_zip = []
for ano in range(2011,2023):
arquivos_zip.append(f'itr_cia_aberta_{ano}.zip')
arquivos_zip
"""* fazendo o download de todos os arquivos"""
path='raw_data_cvm/itr'
isExist = os.path.exists(path)
if not isExist:
os.makedirs(path)
for arq in arquivos_zip:
wget.download(url_base+arq, out=path)
"""* extraindo os arquivos zip"""
for arq in arquivos_zip:
ZipFile(path+'/'+arq, 'r').extractall(path+'/ITR')
# In[ ]:
# Downloading all FRE
"""## Acessando a base de dados e criando arquivos históricos"""
from zipfile import ZipFile
import os
import wget
url_base = 'http://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FRE/DADOS/'
"""* criando uma lista com o nome de todos os arquivos"""
arquivos_zip = []
for ano in range(2010,2023):
arquivos_zip.append(f'fre_cia_aberta_{ano}.zip')
arquivos_zip
"""* fazendo o download de todos os arquivos"""
path='raw_data_cvm/fre'
isExist = os.path.exists(path)
if not isExist:
os.makedirs(path)
for arq in arquivos_zip:
wget.download(url_base+arq, out=path)
"""* extraindo os arquivos zip"""
for arq in arquivos_zip:
ZipFile(path+'/'+arq, 'r').extractall(path+'/FRE')
# In[ ]:
# Dowloading all FCA
"""## Acessando a base de dados e criando arquivos históricos"""
from zipfile import ZipFile
import os
import wget
url_base = 'http://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FCA/DADOS/'
"""* criando uma lista com o nome de todos os arquivos"""
arquivos_zip = []
for ano in range(2010,2023):
arquivos_zip.append(f'fca_cia_aberta_{ano}.zip')
arquivos_zip
"""* fazendo o download de todos os arquivos"""
path='raw_data_cvm/fca'
isExist = os.path.exists(path)
if not isExist:
os.makedirs(path)
for arq in arquivos_zip:
wget.download(url_base+arq, out=path)
"""* extraindo os arquivos zip"""
for arq in arquivos_zip:
ZipFile(path+'/'+arq, 'r').extractall(path+'/FCA')
# # Concating 2010-2016 data
# In[ ]:
## CONCATING DFP 2010-2016
nomes = ['BPA_con', 'BPA_ind', 'BPP_con', 'BPP_ind', 'DFC_MI_con', 'DFC_MI_ind', 'DRE_con', 'DRE_ind', 'DVA_con', 'DVA_ind', 'DFC_MD_con', 'DFC_MD_ind']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2010,2017):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/dfp/DFP/dfp_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo['VL_CONTA'] = arquivo['VL_CONTA'].apply(lambda x: float(x))
arquivo.to_pickle(f'merged_data_cvm/old_data/DFP/dfp_cia_aberta_{nome}_2010-2016.pkl')
# In[ ]:
## CONCATING DMPL 2010-2016
nomes = ['DMPL_con','DMPL_ind']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2010,2017):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/dfp/DFP/dfp_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo['COLUNA_DF'] =np.select([arquivo['COLUNA_DF'].isna()],['PL CON'],arquivo['COLUNA_DF'])
dmplass = ['Patrimônio Líquido Consolidado','Participação dos Não Controladores','Patrimônio Líquido','Reservas de Lucro',
'Lucros ou Prejuízos Acumulados','PL CON']
arquivo = arquivo.query("COLUNA_DF == @dmplass")
arquivo = arquivo.query("DS_CONTA == ['Saldos Iniciais','Saldos Finais']")
arquivo['VL_CONTA'] = arquivo['VL_CONTA'].apply(lambda x: float(x))
arquivo.to_pickle(f'merged_data_cvm/old_data/DFP/dfp_cia_aberta_{nome}_2010-2016.pkl')
# In[ ]:
## CONCATING ITR 2011-2016
nomes = ['BPA_con', 'BPA_ind', 'BPP_con', 'BPP_ind', 'DFC_MI_con', 'DFC_MI_ind', 'DRE_con', 'DRE_ind', 'DVA_con', 'DVA_ind', 'DFC_MD_con', 'DFC_MD_ind']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2011,2017):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/itr/ITR/itr_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo['VL_CONTA'] = arquivo['VL_CONTA'].apply(lambda x: float(x))
arquivo.to_pickle(f'merged_data_cvm/old_data//ITR/itr_cia_aberta_{nome}_2011-2016.pkl')
# In[ ]:
## CONCATING DMPL QUARTELY 2011-2016
nomes = ['DMPL_con','DMPL_ind']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2011,2017):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/itr/ITR/itr_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo['COLUNA_DF'] =np.select([arquivo['COLUNA_DF'].isna()],['PL CON'],arquivo['COLUNA_DF'])
dmplass = ['Patrimônio Líquido Consolidado','Participação dos Não Controladores','Patrimônio Líquido','Reservas de Lucro',
'Lucros ou Prejuízos Acumulados','PL CON']
arquivo = arquivo.query("COLUNA_DF == @dmplass")
arquivo = arquivo.query("DS_CONTA == ['Saldos Iniciais','Saldos Finais']")
arquivo['VL_CONTA'] = arquivo['VL_CONTA'].apply(lambda x: float(x))
arquivo.to_pickle(f'merged_data_cvm/old_data/ITR/itr_cia_aberta_{nome}_2011-2016.pkl')
# In[ ]:
## Getting ALL FRE'S FROM 2010 TO 2021
nomes = ['posicao_acionaria','distribuicao_capital']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2010,int(this_year)+1):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/fre/FRE/fre_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo.to_pickle(f'merged_data_cvm/new_data/FRE/fre_cia_aberta_{nome}_tudo.pkl')
# In[ ]:
## Getting ALL FCA'S FROM 2010 TO 2021
nomes = ['geral']
for nome in nomes:
arquivo = pd.DataFrame()
for ano in range(2010,int(this_year)+1):
arquivo = pd.concat([arquivo, pd.read_csv(f'raw_data_cvm/fca/FCA/fca_cia_aberta_{nome}_{ano}.csv', sep=';', decimal=',', encoding='ISO-8859-1')])
arquivo.to_pickle(f'merged_data_cvm/new_data/FCA/fca_cia_aberta_{nome}_tudo.pkl')
# In[ ]: