B3 Negociações — Dados de Negociação em Bolsa

import pandas as pd
 
# Layout posicional do COTAHIST
# Documentação: https://www.b3.com.br/data/files/33/67/B9/50/D84057102C784E47AC094EA8/SeriesHistoricas_Layout.pdf
 
colunas = {
    "tipo_registro": (0, 2),
    "data_pregao": (2, 10),
    "cod_bdi": (10, 12),
    "cod_negociacao": (12, 24),
    "tipo_mercado": (24, 27),
    "nome_empresa": (27, 39),
    "moeda": (52, 56),
    "preco_abertura": (56, 69),
    "preco_maximo": (69, 82),
    "preco_minimo": (82, 95),
    "preco_medio": (95, 108),
    "preco_fechamento": (108, 121),
    "volume_total": (170, 188),
    "qtd_negocios": (147, 152),
}
 
# Ler arquivo posicional
registros = []
with open("COTAHIST_A2024.TXT", "r", encoding="latin-1") as f:
    for linha in f:
        if linha[:2] == "01":  # Registros de cotação (ignora header/trailer)
            registro = {}
            for campo, (inicio, fim) in colunas.items():
                registro[campo] = linha[inicio:fim].strip()
            registros.append(registro)
 
df = pd.DataFrame(registros)
 
# Converter tipos
df["data_pregao"] = pd.to_datetime(df["data_pregao"], format="%Y%m%d")
for col in ["preco_abertura", "preco_maximo", "preco_minimo", "preco_medio", "preco_fechamento"]:
    df[col] = pd.to_numeric(df[col]) / 100  # Valores em centavos
 
df["volume_total"] = pd.to_numeric(df["volume_total"]) / 100
 
print(f"Total de registros: {len(df):,}")
print(df[df["cod_negociacao"] == "PETR4"].tail())

import pandas as pd
import requests
from io import StringIO
 
# Download de cotações via Yahoo Finance
ticker = "PETR4.SA"
url = f"https://query1.finance.yahoo.com/v7/finance/download/{ticker}"
params = {
    "period1": "1704067200",  # 01/01/2024
    "period2": "1735689600",  # 31/12/2024
    "interval": "1d",
    "events": "history",
}
 
headers = {"User-Agent": "Mozilla/5.0"}
response = requests.get(url, params=params, headers=headers)
df = pd.read_csv(StringIO(response.text))
 
print(f"Cotações {ticker}:")
print(df.tail())