Operando o IDIV com base em Médias Móveis (9x21) no Pandas

• Este JNB é uma continuaçao de um estudo feito em um JNB anterior:
  https://rafsz.github.io/Python+Pandas21/MAs_9x21_23mar22_18h.html

• Este JNB tem 4 etapas:

1. Pegando as cotações de uma lista de ações até um dia D e guardando em um Pandas df
2. Calculando as Médias Móveis (MMs) e obtendo as mensagens de BUY (comprar), STOP(stopar, zerar a posição), Hold (segurar, manter a posição) ou Wait (aguardar, não comprar)
3. Inserindo as mensagens de BUY, STOP, Hold ou WAIT no df original e salvando no excel

I. Pegando as cotações e guardando em um Pandas df

# importando as Bibliotecas que vamos usar
import yfinance as yf
import pandas as pd

# Neste JNB vamos usar uma lista de acoes tiradas do IDIV - o índice de boas pagadoras de dividendos da B3 
# O arq excel com a composição deste índice pode ser baixado em:  
# https://www.b3.com.br/pt_br/market-data-e-indices/indices/indices-de-segmentos-e-setoriais/indice-dividendos-idiv-composicao-da-carteira.htm
# Na composição do IDIV de 22.mar.22 consta o papel AURE3, que veio substituir a CESP
# https://www.infomoney.com.br/cotacoes/b3/acao/auren-energia-aure3/
# Como o histórico deste papel começa só em 28/03, não temos com calcular a sua média móvel de 21 dias ainda...  Portanto, ele foi retirado da nossa lista.

# O arq CSV baixado do site da B3 foi editado no LibreOffice e salvo como xlsx (Excel)
# Lendo o arq excel simplificado com 3 colunas com a composicao do IDIV e salvando num Pandas df
dfidiva = pd.read_excel("B3_IDIV_31-03-22-editadosemAURE3.xlsx")

# visualizando o df
display (dfidiva)

	Código	Ação	Part. (%)
0	ABCB4	ABC BRASIL	0.597
1	BRSR6	BANRISUL	1.149
2	BBSE3	BBSEGURIDADE	3.669
3	BBDC3	BRADESCO	3.627
4	BBDC4	BRADESCO	3.736
5	BRAP4	BRADESPAR	4.174
6	BBAS3	BRASIL	3.306
7	AGRO3	BRASILAGRO	0.834
8	CCRO3	CCR SA	2.765
9	CMIG3	CEMIG	2.745
10	CMIG4	CEMIG	3.344
11	CSMG3	COPASA	1.407
12	CPLE3	COPEL	1.077
13	CPLE6	COPEL	2.852
14	CPFE3	CPFL ENERGIA	3.134
15	CYRE3	CYRELA REALT	2.556
16	DIRR3	DIRECIONAL	0.476
17	ELET3	ELETROBRAS	2.827
18	ELET6	ELETROBRAS	3.077
19	ENAT3	ENAUTA PART	0.829
20	ENBR3	ENERGIAS BR	2.719
21	EGIE3	ENGIE BRASIL	2.585
22	ROMI3	INDS ROMI	0.271
23	MYPK3	IOCHP-MAXION	0.902
24	ITSA4	ITAUSA	3.632
25	ITUB3	ITAUUNIBANCO	3.219
26	ITUB4	ITAUUNIBANCO	3.060
27	JHSF3	JHSF PART	0.995
28	MRVE3	MRV	1.947
29	PSSA3	PORTO SEGURO	1.949
30	QUAL3	QUALICORP	2.357
31	SAPR4	SANEPAR	0.425
32	SANB11	SANTANDER BR	4.587
33	CSNA3	SID NACIONAL	2.641
34	SYNE3	SYN PROP TEC	0.117
35	TAEE11	TAESA	4.819
36	TGMA3	TEGMA	0.274
37	VIVT3	TELEF BRASIL	5.948
38	TRPL4	TRAN PAULIST	4.315
39	UNIP6	UNIPAR	2.354
40	WIZS3	WIZ S.A.	0.350

# transformando a Coluna de Tickers em uma Lista de Tickers
# https://www.delftstack.com/howto/python-pandas/pandas-column-to-list/
lidiva = dfidiva['Código'].tolist()
print(lidiva)
print(len(lidiva))

['ABCB4', 'BRSR6', 'BBSE3', 'BBDC3', 'BBDC4', 'BRAP4', 'BBAS3', 'AGRO3', 'CCRO3', 'CMIG3', 'CMIG4', 'CSMG3', 'CPLE3', 'CPLE6', 'CPFE3', 'CYRE3', 'DIRR3', 'ELET3', 'ELET6', 'ENAT3', 'ENBR3', 'EGIE3', 'ROMI3', 'MYPK3', 'ITSA4', 'ITUB3', 'ITUB4', 'JHSF3', 'MRVE3', 'PSSA3', 'QUAL3', 'SAPR4', 'SANB11', 'CSNA3', 'SYNE3', 'TAEE11', 'TGMA3', 'VIVT3', 'TRPL4', 'UNIP6', 'WIZS3']
41

# criando uma nova lista para ter o histórico de mudanças
# inserindo a terminacao .SA que o YFinance pede
lidivb = []
for ticker in lidiva:
    lidivb.append(ticker+'.SA')
print(lidivb)
print(len(lidivb))

['ABCB4.SA', 'BRSR6.SA', 'BBSE3.SA', 'BBDC3.SA', 'BBDC4.SA', 'BRAP4.SA', 'BBAS3.SA', 'AGRO3.SA', 'CCRO3.SA', 'CMIG3.SA', 'CMIG4.SA', 'CSMG3.SA', 'CPLE3.SA', 'CPLE6.SA', 'CPFE3.SA', 'CYRE3.SA', 'DIRR3.SA', 'ELET3.SA', 'ELET6.SA', 'ENAT3.SA', 'ENBR3.SA', 'EGIE3.SA', 'ROMI3.SA', 'MYPK3.SA', 'ITSA4.SA', 'ITUB3.SA', 'ITUB4.SA', 'JHSF3.SA', 'MRVE3.SA', 'PSSA3.SA', 'QUAL3.SA', 'SAPR4.SA', 'SANB11.SA', 'CSNA3.SA', 'SYNE3.SA', 'TAEE11.SA', 'TGMA3.SA', 'VIVT3.SA', 'TRPL4.SA', 'UNIP6.SA', 'WIZS3.SA']
41

# Pegando as cotacoes de Fechamento Ajustado e guardando num df
# Queremos do início do ano até 6a-feira 01/04, então a data final vai ser o dia seguinte
dfidivb = yf.download(lidivb, start="2022-01-01", end = "2022-04-02")["Adj Close"]
dfidivb.shape

[*********************100%***********************]  41 of 41 completed

(64, 41)

# Verificando se tem algum valor nulo no df
dfidivb.isna().sum()

ABCB4.SA     1
AGRO3.SA     1
BBAS3.SA     1
BBDC3.SA     1
BBDC4.SA     1
BBSE3.SA     1
BRAP4.SA     1
BRSR6.SA     1
CCRO3.SA     1
CMIG3.SA     1
CMIG4.SA     1
CPFE3.SA     1
CPLE3.SA     1
CPLE6.SA     1
CSMG3.SA     1
CSNA3.SA     1
CYRE3.SA     1
DIRR3.SA     1
EGIE3.SA     1
ELET3.SA     1
ELET6.SA     1
ENAT3.SA     1
ENBR3.SA     1
ITSA4.SA     1
ITUB3.SA     1
ITUB4.SA     1
JHSF3.SA     1
MRVE3.SA     1
MYPK3.SA     1
PSSA3.SA     1
QUAL3.SA     1
ROMI3.SA     1
SANB11.SA    1
SAPR4.SA     1
SYNE3.SA     1
TAEE11.SA    1
TGMA3.SA     1
TRPL4.SA     1
UNIP6.SA     1
VIVT3.SA     1
WIZS3.SA     1
dtype: int64

# Verificando quais são as datas que têm valores nulos
nan_values = dfidivb[dfidivb.isna().any(axis=1)]
print (nan_values)

            ABCB4.SA  AGRO3.SA  BBAS3.SA  BBDC3.SA  BBDC4.SA  BBSE3.SA  \
Date                                                                     
2022-03-01       NaN       NaN       NaN       NaN       NaN       NaN   

            BRAP4.SA  BRSR6.SA  CCRO3.SA  CMIG3.SA  ...  ROMI3.SA  SANB11.SA  \
Date                                                ...                        
2022-03-01       NaN       NaN       NaN       NaN  ...       NaN        NaN   

            SAPR4.SA  SYNE3.SA  TAEE11.SA  TGMA3.SA  TRPL4.SA  UNIP6.SA  \
Date                                                                      
2022-03-01       NaN       NaN        NaN       NaN       NaN       NaN   

            VIVT3.SA  WIZS3.SA  
Date                            
2022-03-01       NaN       NaN  

[1 rows x 41 columns]

# O valor com NaN é 01/03/22, 3a de Carnaval
# Vamos eliminar os valores nulos e verificar se o "shape" caiu para (63, 41) (isto é, 63 linhas, 41 colunas, uma para cada ação)
dfidivb = dfidivb.dropna(axis = 0, how ='any')
dfidivb.shape

(63, 41)

II. Calculando as Médias Móveis (MMs) e obtendo as mensagens de BUY, STOP, Hold ou Wait

# Vamos calcular as Médias Móveis (MM) e substituir os valores das cotações pela diferença da MM09 para a MM21
# Esta diferença vai nos indicar se a MM09 está acima (valor positivo) da MM21 ou abaixo (valor negativo)
for (col) in dfidivb:
    dfidivb[col] = (dfidivb[col].rolling(9).mean()) - (dfidivb[col].rolling(21).mean())

dfidivb.head(30)

	ABCB4.SA	AGRO3.SA	BBAS3.SA	BBDC3.SA	BBDC4.SA	BBSE3.SA	BRAP4.SA	BRSR6.SA	CCRO3.SA	CMIG3.SA	...	ROMI3.SA	SANB11.SA	SAPR4.SA	SYNE3.SA	TAEE11.SA	TGMA3.SA	TRPL4.SA	UNIP6.SA	VIVT3.SA	WIZS3.SA
Date
2022-01-03	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-04	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-05	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-06	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-07	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-10	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-11	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-12	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-13	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-14	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-17	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-18	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-19	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-20	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-21	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-24	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-25	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-26	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-27	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-28	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2022-01-31	0.098807	-0.403601	1.396232	0.602734	0.850413	0.897241	0.490635	0.522625	0.573492	0.278279	...	0.025846	0.651979	0.150635	0.156825	0.880793	0.414603	0.179206	-2.365397	0.785170	0.283333
2022-02-01	0.091950	-0.335911	1.393613	0.625814	0.895265	1.040751	0.240159	0.508018	0.673651	0.350292	...	0.166443	0.654661	0.168730	0.199841	0.923174	0.607143	0.178254	-1.442699	0.801597	0.393492
2022-02-02	0.117041	-0.314393	1.338620	0.641607	0.922408	1.178154	0.064286	0.478189	0.701905	0.378498	...	0.221717	0.688563	0.166667	0.222222	0.880634	0.650794	0.187619	-0.464921	0.844401	0.442698
2022-02-03	0.124210	-0.252979	1.275001	0.678624	0.988198	1.304564	-0.033016	0.429140	0.699365	0.377710	...	0.227789	0.696797	0.172698	0.243333	0.802222	0.657143	0.161428	0.200793	0.927957	0.465873
2022-02-04	0.146963	-0.066644	1.202139	0.706780	1.028031	1.398151	0.030476	0.380706	0.675555	0.367625	...	0.204901	0.761500	0.166508	0.247778	0.683174	0.678730	0.129524	0.837777	0.978817	0.486508
2022-02-07	0.142132	0.114909	1.020524	0.672578	0.982371	1.521051	0.162540	0.282147	0.646508	0.327601	...	0.158970	0.651295	0.160794	0.213175	0.589523	0.639048	0.103809	1.389047	0.935064	0.486349
2022-02-08	0.178133	0.325302	0.900218	0.652150	0.929580	1.617996	0.316825	0.192813	0.580635	0.280643	...	0.115280	0.545893	0.151111	0.159683	0.505555	0.613333	0.059524	2.052698	0.982133	0.475079
2022-02-09	0.167068	0.566028	0.720760	0.521308	0.742437	1.592653	0.533810	0.087796	0.484127	0.208158	...	0.055364	0.288811	0.135714	0.112222	0.448413	0.582698	0.000159	2.806983	1.001245	0.460794
2022-02-10	0.164574	0.792110	0.554241	0.366734	0.531720	1.533570	0.805238	-0.003383	0.404444	0.143867	...	0.096296	0.132797	0.123651	0.069683	0.377778	0.613651	-0.039683	3.521110	0.942804	0.447143
2022-02-11	0.199795	0.918674	0.460738	0.210429	0.320374	1.384164	1.113333	-0.097329	0.293968	-0.023006	...	-0.070619	0.039981	0.102698	0.017936	0.228095	0.506508	-0.089048	4.001427	0.827816	0.372857

30 rows × 41 columns

# Verificando se tem algum valor nulo no df
dfidivb.isna().sum()

ABCB4.SA     20
AGRO3.SA     20
BBAS3.SA     20
BBDC3.SA     20
BBDC4.SA     20
BBSE3.SA     20
BRAP4.SA     20
BRSR6.SA     20
CCRO3.SA     20
CMIG3.SA     20
CMIG4.SA     20
CPFE3.SA     20
CPLE3.SA     20
CPLE6.SA     20
CSMG3.SA     20
CSNA3.SA     20
CYRE3.SA     20
DIRR3.SA     20
EGIE3.SA     20
ELET3.SA     20
ELET6.SA     20
ENAT3.SA     20
ENBR3.SA     20
ITSA4.SA     20
ITUB3.SA     20
ITUB4.SA     20
JHSF3.SA     20
MRVE3.SA     20
MYPK3.SA     20
PSSA3.SA     20
QUAL3.SA     20
ROMI3.SA     20
SANB11.SA    20
SAPR4.SA     20
SYNE3.SA     20
TAEE11.SA    20
TGMA3.SA     20
TRPL4.SA     20
UNIP6.SA     20
VIVT3.SA     20
WIZS3.SA     20
dtype: int64

# Ou seja, as 20 primieras datas estão com NaN uma vez que a MM21 não pode ser calculada

# Eliminando as linhas NA do novo df
dfidivb = dfidivb.dropna(axis = 0, how ='any')
dfidivb.head(10)

	ABCB4.SA	AGRO3.SA	BBAS3.SA	BBDC3.SA	BBDC4.SA	BBSE3.SA	BRAP4.SA	BRSR6.SA	CCRO3.SA	CMIG3.SA	...	ROMI3.SA	SANB11.SA	SAPR4.SA	SYNE3.SA	TAEE11.SA	TGMA3.SA	TRPL4.SA	UNIP6.SA	VIVT3.SA	WIZS3.SA
Date
2022-03-21	0.187172	0.440808	-0.178100	0.116757	0.315359	-0.014286	1.762857	0.163944	0.103175	0.452086	...	-0.644569	1.578730	-0.008889	-0.049048	1.121905	0.038095	0.196190	4.051429	1.080141	0.123175
2022-03-22	0.254498	0.330233	-0.131690	0.183137	0.389433	0.130158	1.636031	0.193526	0.170635	0.560184	...	-0.496404	1.823810	-0.017937	-0.029048	1.074285	-0.081587	0.237460	4.271587	1.334361	0.259524
2022-03-23	0.337720	0.179312	-0.013748	0.264737	0.474763	0.253174	1.407143	0.251792	0.262857	0.690342	...	-0.371892	2.090794	-0.013968	0.009365	1.031428	-0.152698	0.326667	4.211111	1.604908	0.365079
2022-03-24	0.397409	-0.010310	0.169089	0.362050	0.578500	0.403333	1.203809	0.302956	0.436667	0.835627	...	-0.174526	2.275397	-0.009683	0.064762	1.099524	-0.082381	0.430000	4.258413	1.820207	0.483810
2022-03-25	0.432163	-0.175426	0.342719	0.455716	0.674470	0.561905	1.066666	0.371238	0.643810	1.001712	...	0.037523	2.379841	-0.000159	0.097302	1.252857	0.037778	0.563968	4.286826	1.967811	0.588730
2022-03-28	0.542502	-0.224588	0.545233	0.544318	0.764259	0.723333	0.929365	0.441032	0.824286	1.163071	...	0.236480	2.489048	0.015714	0.157302	1.396508	0.172222	0.723968	4.116826	2.031355	0.690317
2022-03-29	0.591906	-0.219657	0.655700	0.596783	0.816172	0.855079	0.669364	0.472938	0.920000	1.261310	...	0.418915	2.447302	0.026667	0.233810	1.476508	0.297143	0.820635	3.659524	2.043068	0.760952
2022-03-30	0.603750	-0.323807	0.744267	0.632118	0.855076	0.944286	0.373174	0.490880	0.926667	1.286874	...	0.522029	2.380952	0.034921	0.296190	1.488413	0.439524	0.879365	2.946031	2.002511	0.793810
2022-03-31	0.554970	-0.406590	0.845937	0.652553	0.876227	1.073333	0.089365	0.495737	0.922064	1.329191	...	0.555692	2.263492	0.046032	0.303333	1.484762	0.494127	0.912540	2.311904	1.857835	0.780635
2022-04-01	0.537671	-0.496843	0.869853	0.639074	0.845143	1.190318	-0.236984	0.499903	0.958571	1.359707	...	0.665757	2.097460	0.061429	0.292381	1.476984	0.644127	0.915873	1.562381	1.723420	0.739682

10 rows × 41 columns

dfidivb.tail(10)

	ABCB4.SA	AGRO3.SA	BBAS3.SA	BBDC3.SA	BBDC4.SA	BBSE3.SA	BRAP4.SA	BRSR6.SA	CCRO3.SA	CMIG3.SA	...	ROMI3.SA	SANB11.SA	SAPR4.SA	SYNE3.SA	TAEE11.SA	TGMA3.SA	TRPL4.SA	UNIP6.SA	VIVT3.SA	WIZS3.SA
Date
2022-03-21	0.187172	0.440808	-0.178100	0.116757	0.315359	-0.014286	1.762857	0.163944	0.103175	0.452086	...	-0.644569	1.578730	-0.008889	-0.049048	1.121905	0.038095	0.196190	4.051429	1.080141	0.123175
2022-03-22	0.254498	0.330233	-0.131690	0.183137	0.389433	0.130158	1.636031	0.193526	0.170635	0.560184	...	-0.496404	1.823810	-0.017937	-0.029048	1.074285	-0.081587	0.237460	4.271587	1.334361	0.259524
2022-03-23	0.337720	0.179312	-0.013748	0.264737	0.474763	0.253174	1.407143	0.251792	0.262857	0.690342	...	-0.371892	2.090794	-0.013968	0.009365	1.031428	-0.152698	0.326667	4.211111	1.604908	0.365079
2022-03-24	0.397409	-0.010310	0.169089	0.362050	0.578500	0.403333	1.203809	0.302956	0.436667	0.835627	...	-0.174526	2.275397	-0.009683	0.064762	1.099524	-0.082381	0.430000	4.258413	1.820207	0.483810
2022-03-25	0.432163	-0.175426	0.342719	0.455716	0.674470	0.561905	1.066666	0.371238	0.643810	1.001712	...	0.037523	2.379841	-0.000159	0.097302	1.252857	0.037778	0.563968	4.286826	1.967811	0.588730
2022-03-28	0.542502	-0.224588	0.545233	0.544318	0.764259	0.723333	0.929365	0.441032	0.824286	1.163071	...	0.236480	2.489048	0.015714	0.157302	1.396508	0.172222	0.723968	4.116826	2.031355	0.690317
2022-03-29	0.591906	-0.219657	0.655700	0.596783	0.816172	0.855079	0.669364	0.472938	0.920000	1.261310	...	0.418915	2.447302	0.026667	0.233810	1.476508	0.297143	0.820635	3.659524	2.043068	0.760952
2022-03-30	0.603750	-0.323807	0.744267	0.632118	0.855076	0.944286	0.373174	0.490880	0.926667	1.286874	...	0.522029	2.380952	0.034921	0.296190	1.488413	0.439524	0.879365	2.946031	2.002511	0.793810
2022-03-31	0.554970	-0.406590	0.845937	0.652553	0.876227	1.073333	0.089365	0.495737	0.922064	1.329191	...	0.555692	2.263492	0.046032	0.303333	1.484762	0.494127	0.912540	2.311904	1.857835	0.780635
2022-04-01	0.537671	-0.496843	0.869853	0.639074	0.845143	1.190318	-0.236984	0.499903	0.958571	1.359707	...	0.665757	2.097460	0.061429	0.292381	1.476984	0.644127	0.915873	1.562381	1.723420	0.739682

10 rows × 41 columns

# Agora que temos o df com a indicação por data se cada papel estava "cruzado pra cima" ou "cruzado pra baixo", podemos obter as mensagens de Compra, Venda, etc.

# Funções para "printar" as mensagens coloridas aqui na tela do JNB
def prRed(skk): print("\033[91m {}\033[00m" .format(skk))
def prGreen(skk): print("\033[92m {}\033[00m" .format(skk))
def prYellow(skk): print("\033[93m {}\033[00m" .format(skk))
def prCyan(skk): print("\033[96m {}\033[00m" .format(skk))
def prLightGray(skk): print("\033[97m {}\033[00m" .format(skk))

# A Função principal: que vai nos mostrar a mensagem de acordo com a sitaução das MMs de cada papel, comparando D e D-1
# Vou chamar a atenção pras mensagens BUY e STOP, que são as mais importantes
def alertacolor (acao):
    if (dfidivb.at[dfidivb.index[a],acao] > 0) and (dfidivb.at[dfidivb.index[b],acao] < 0):
        prGreen('  B-U-Y  !!!! ')
    elif (dfidivb.at[dfidivb.index[a],acao] < 0) and (dfidivb.at[dfidivb.index[b],acao] > 0):
        prRed('  StoOoOop!!')
    elif (dfidivb.at[dfidivb.index[a],acao] > 0) and (dfidivb.at[dfidivb.index[b],acao] > 0):
        prGreen('  hold ')
    else:
        prYellow('  wait...')

# Chamando esta função para a nossa lista de papéis
for papel in lidivb:
    a = -1
    b = a-1
    prCyan (papel+': ')
    alertacolor(papel)
    print(' ')

 ABCB4.SA: 
   hold 
 
 BRSR6.SA: 
   hold 
 
 BBSE3.SA: 
   hold 
 
 BBDC3.SA: 
   hold 
 
 BBDC4.SA: 
   hold 
 
 BRAP4.SA: 
   StoOoOop!!
 
 BBAS3.SA: 
   hold 
 
 AGRO3.SA: 
   wait...
 
 CCRO3.SA: 
   hold 
 
 CMIG3.SA: 
   hold 
 
 CMIG4.SA: 
   hold 
 
 CSMG3.SA: 
   hold 
 
 CPLE3.SA: 
   hold 
 
 CPLE6.SA: 
   hold 
 
 CPFE3.SA: 
   hold 
 
 CYRE3.SA: 
   hold 
 
 DIRR3.SA: 
   hold 
 
 ELET3.SA: 
   hold 
 
 ELET6.SA: 
   hold 
 
 ENAT3.SA: 
   hold 
 
 ENBR3.SA: 
   hold 
 
 EGIE3.SA: 
   hold 
 
 ROMI3.SA: 
   hold 
 
 MYPK3.SA: 
   hold 
 
 ITSA4.SA: 
   hold 
 
 ITUB3.SA: 
   hold 
 
 ITUB4.SA: 
   hold 
 
 JHSF3.SA: 
   hold 
 
 MRVE3.SA: 
   hold 
 
 PSSA3.SA: 
   hold 
 
 QUAL3.SA: 
   hold 
 
 SAPR4.SA: 
   hold 
 
 SANB11.SA: 
   hold 
 
 CSNA3.SA: 
   wait...
 
 SYNE3.SA: 
   hold 
 
 TAEE11.SA: 
   hold 
 
 TGMA3.SA: 
   hold 
 
 VIVT3.SA: 
   hold 
 
 TRPL4.SA: 
   hold 
 
 UNIP6.SA: 
   hold 
 
 WIZS3.SA: 
   hold 
 

III. Inserindo as mensagens de BUY, STOP, Hold ou Wait no df original e salvando no formato excel

# Vamos criar uma funcao similar à "alertacolour" somente para obter as mensagens
def alertasimples (acao):
    if (dfidivb.at[dfidivb.index[a],acao] > 0) and (dfidivb.at[dfidivb.index[b],acao] < 0):
        return('BUY')
    elif (dfidivb.at[dfidivb.index[a],acao] < 0) and (dfidivb.at[dfidivb.index[b],acao] > 0):
        return('STOP!')
    elif (dfidivb.at[dfidivb.index[a],acao] > 0) and (dfidivb.at[dfidivb.index[b],acao] > 0):
        return('hold')
    else:
        return('wait')

# Vamos usar a nova função pra criar um dicionário que casa os codigos com as mensagens
# https://www.geeksforgeeks.org/use-get-method-to-create-a-dictionary-in-python-from-a-list-of-elements/?ref=gcse
dcidiva={}
for papel in lidivb:
    a = -1
    b = a-1
    dcidiva[papel]=alertasimples(papel)
print(dcidiva)

{'ABCB4.SA': 'hold', 'BRSR6.SA': 'hold', 'BBSE3.SA': 'hold', 'BBDC3.SA': 'hold', 'BBDC4.SA': 'hold', 'BRAP4.SA': 'STOP!', 'BBAS3.SA': 'hold', 'AGRO3.SA': 'wait', 'CCRO3.SA': 'hold', 'CMIG3.SA': 'hold', 'CMIG4.SA': 'hold', 'CSMG3.SA': 'hold', 'CPLE3.SA': 'hold', 'CPLE6.SA': 'hold', 'CPFE3.SA': 'hold', 'CYRE3.SA': 'hold', 'DIRR3.SA': 'hold', 'ELET3.SA': 'hold', 'ELET6.SA': 'hold', 'ENAT3.SA': 'hold', 'ENBR3.SA': 'hold', 'EGIE3.SA': 'hold', 'ROMI3.SA': 'hold', 'MYPK3.SA': 'hold', 'ITSA4.SA': 'hold', 'ITUB3.SA': 'hold', 'ITUB4.SA': 'hold', 'JHSF3.SA': 'hold', 'MRVE3.SA': 'hold', 'PSSA3.SA': 'hold', 'QUAL3.SA': 'hold', 'SAPR4.SA': 'hold', 'SANB11.SA': 'hold', 'CSNA3.SA': 'wait', 'SYNE3.SA': 'hold', 'TAEE11.SA': 'hold', 'TGMA3.SA': 'hold', 'VIVT3.SA': 'hold', 'TRPL4.SA': 'hold', 'UNIP6.SA': 'hold', 'WIZS3.SA': 'hold'}

# Vamos inserir uma coluna com os codigos.SA no df inicial (dfidiva) para poder casar com o dicionario e poder importar as mensagens
# https://www.statology.org/pandas-combine-two-columns/
dfidiva['codigoSA'] = dfidiva['Código'] + '.SA'
display(dfidiva)

	Código	Ação	Part. (%)	codigoSA
0	ABCB4	ABC BRASIL	0.597	ABCB4.SA
1	BRSR6	BANRISUL	1.149	BRSR6.SA
2	BBSE3	BBSEGURIDADE	3.669	BBSE3.SA
3	BBDC3	BRADESCO	3.627	BBDC3.SA
4	BBDC4	BRADESCO	3.736	BBDC4.SA
5	BRAP4	BRADESPAR	4.174	BRAP4.SA
6	BBAS3	BRASIL	3.306	BBAS3.SA
7	AGRO3	BRASILAGRO	0.834	AGRO3.SA
8	CCRO3	CCR SA	2.765	CCRO3.SA
9	CMIG3	CEMIG	2.745	CMIG3.SA
10	CMIG4	CEMIG	3.344	CMIG4.SA
11	CSMG3	COPASA	1.407	CSMG3.SA
12	CPLE3	COPEL	1.077	CPLE3.SA
13	CPLE6	COPEL	2.852	CPLE6.SA
14	CPFE3	CPFL ENERGIA	3.134	CPFE3.SA
15	CYRE3	CYRELA REALT	2.556	CYRE3.SA
16	DIRR3	DIRECIONAL	0.476	DIRR3.SA
17	ELET3	ELETROBRAS	2.827	ELET3.SA
18	ELET6	ELETROBRAS	3.077	ELET6.SA
19	ENAT3	ENAUTA PART	0.829	ENAT3.SA
20	ENBR3	ENERGIAS BR	2.719	ENBR3.SA
21	EGIE3	ENGIE BRASIL	2.585	EGIE3.SA
22	ROMI3	INDS ROMI	0.271	ROMI3.SA
23	MYPK3	IOCHP-MAXION	0.902	MYPK3.SA
24	ITSA4	ITAUSA	3.632	ITSA4.SA
25	ITUB3	ITAUUNIBANCO	3.219	ITUB3.SA
26	ITUB4	ITAUUNIBANCO	3.060	ITUB4.SA
27	JHSF3	JHSF PART	0.995	JHSF3.SA
28	MRVE3	MRV	1.947	MRVE3.SA
29	PSSA3	PORTO SEGURO	1.949	PSSA3.SA
30	QUAL3	QUALICORP	2.357	QUAL3.SA
31	SAPR4	SANEPAR	0.425	SAPR4.SA
32	SANB11	SANTANDER BR	4.587	SANB11.SA
33	CSNA3	SID NACIONAL	2.641	CSNA3.SA
34	SYNE3	SYN PROP TEC	0.117	SYNE3.SA
35	TAEE11	TAESA	4.819	TAEE11.SA
36	TGMA3	TEGMA	0.274	TGMA3.SA
37	VIVT3	TELEF BRASIL	5.948	VIVT3.SA
38	TRPL4	TRAN PAULIST	4.315	TRPL4.SA
39	UNIP6	UNIPAR	2.354	UNIP6.SA
40	WIZS3	WIZ S.A.	0.350	WIZS3.SA

# https://www.geeksforgeeks.org/adding-new-column-to-existing-dataframe-in-pandas/
# Agora que temos uma coluna com os codigos dos papeis identicos as chaves do dicionario,
# Podemos criar uma coluna cujos valores serão aqueles dos dicionario "dcidiva" (ie, as mensagens de BUY, STOP, etc)
dfidiva['2022-04-01'] = dcidiva.values()
display(dfidiva)

	Código	Ação	Part. (%)	codigoSA	2022-04-01
0	ABCB4	ABC BRASIL	0.597	ABCB4.SA	hold
1	BRSR6	BANRISUL	1.149	BRSR6.SA	hold
2	BBSE3	BBSEGURIDADE	3.669	BBSE3.SA	hold
3	BBDC3	BRADESCO	3.627	BBDC3.SA	hold
4	BBDC4	BRADESCO	3.736	BBDC4.SA	hold
5	BRAP4	BRADESPAR	4.174	BRAP4.SA	STOP!
6	BBAS3	BRASIL	3.306	BBAS3.SA	hold
7	AGRO3	BRASILAGRO	0.834	AGRO3.SA	wait
8	CCRO3	CCR SA	2.765	CCRO3.SA	hold
9	CMIG3	CEMIG	2.745	CMIG3.SA	hold
10	CMIG4	CEMIG	3.344	CMIG4.SA	hold
11	CSMG3	COPASA	1.407	CSMG3.SA	hold
12	CPLE3	COPEL	1.077	CPLE3.SA	hold
13	CPLE6	COPEL	2.852	CPLE6.SA	hold
14	CPFE3	CPFL ENERGIA	3.134	CPFE3.SA	hold
15	CYRE3	CYRELA REALT	2.556	CYRE3.SA	hold
16	DIRR3	DIRECIONAL	0.476	DIRR3.SA	hold
17	ELET3	ELETROBRAS	2.827	ELET3.SA	hold
18	ELET6	ELETROBRAS	3.077	ELET6.SA	hold
19	ENAT3	ENAUTA PART	0.829	ENAT3.SA	hold
20	ENBR3	ENERGIAS BR	2.719	ENBR3.SA	hold
21	EGIE3	ENGIE BRASIL	2.585	EGIE3.SA	hold
22	ROMI3	INDS ROMI	0.271	ROMI3.SA	hold
23	MYPK3	IOCHP-MAXION	0.902	MYPK3.SA	hold
24	ITSA4	ITAUSA	3.632	ITSA4.SA	hold
25	ITUB3	ITAUUNIBANCO	3.219	ITUB3.SA	hold
26	ITUB4	ITAUUNIBANCO	3.060	ITUB4.SA	hold
27	JHSF3	JHSF PART	0.995	JHSF3.SA	hold
28	MRVE3	MRV	1.947	MRVE3.SA	hold
29	PSSA3	PORTO SEGURO	1.949	PSSA3.SA	hold
30	QUAL3	QUALICORP	2.357	QUAL3.SA	hold
31	SAPR4	SANEPAR	0.425	SAPR4.SA	hold
32	SANB11	SANTANDER BR	4.587	SANB11.SA	hold
33	CSNA3	SID NACIONAL	2.641	CSNA3.SA	wait
34	SYNE3	SYN PROP TEC	0.117	SYNE3.SA	hold
35	TAEE11	TAESA	4.819	TAEE11.SA	hold
36	TGMA3	TEGMA	0.274	TGMA3.SA	hold
37	VIVT3	TELEF BRASIL	5.948	VIVT3.SA	hold
38	TRPL4	TRAN PAULIST	4.315	TRPL4.SA	hold
39	UNIP6	UNIPAR	2.354	UNIP6.SA	hold
40	WIZS3	WIZ S.A.	0.350	WIZS3.SA	hold

# Nós vamos manter a coluna CódigoSA pq ela vai ser útil para inserir mensagens para os pregões seguintes...
# Vamos agora salvar este df em excel
# https://cursos.alura.com.br/forum/topico-salvar-arquivo-excel-com-varias-abas-145704
writer = pd.ExcelWriter('B3_IDIV_em_2022-04-01.xlsx', engine='xlsxwriter')
# Armazena cada df em uma planilha diferente do mesmo arquivo
dfidiva.to_excel(writer, sheet_name='IDIV_01abr22')
# Fecha o ExcelWriter e gera o arquivo .xlsx
writer.save()

Visualizando o arq Excel:

fim 🐍

• Referências:

https://www.b3.com.br/pt_br/market-data-e-indices/indices/indices-de-segmentos-e-setoriais/indice-dividendos-idiv-composicao-da-carteira.htm

Canal: Código Quant - Finanças Quantitativas PYTHON PARA INVESTIMENTOS #2: Definindo intervalos, calculando e plotando médias móveis
https://youtu.be/BBomKv3NFNc?list=PLmQ5Q79miLmxDc16motuYuG1hLjW0T4Wo

Inserir uma nova coluna num df e copiar os valores de um dicionario pra esta coluna, contanto que as chaves do dicionario batam com alguma coluna do df: https://www.geeksforgeeks.org/use-get-method-to-create-a-dictionary-in-python-from-a-list-of-elements/?ref=gcse

Para consulta geral:
https://betterprogramming.pub/9-pandas-functions-that-will-do-99-of-any-analytics-task-e6b6fb1b16bf