DocumentadoDesconhecido

CVMCSV DownloadCSVAuth: Não requerida

Os Fatos Relevantes são comunicados obrigatórios que empresas com valores mobiliários negociados em mercado devem divulgar à CVM (Comissão de Valores Mobiliários) e ao mercado sempre que ocorre um evento que possa influenciar significativamente o preço dos valores mobiliários ou a decisão dos investidores. A divulgação é regulada pela Instrução CVM 358/2002.

Exemplos de fatos relevantes incluem:

Fusões e aquisições — aquisições, incorporações, cisões
Mudanças na administração — renúncia ou eleição de diretores e conselheiros
Resultados financeiros — antecipação de resultados, revisão de projeções
Operações societárias — emissão de ações, distribuição de dividendos
Eventos judiciais — processos relevantes, acordos, condenações
Mudanças regulatórias — impactos de novas regulamentações no negócio

Os dados estão disponíveis no portal dados.cvm.gov.br em formato CSV.

Como acessar

Item	Detalhe
Portal CKAN	`https://dados.cvm.gov.br/dataset/cia_aberta-doc-fato_relevante`
URL dos arquivos	`https://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FATO_RELEVANTE/DADOS/`
Autenticação	Não requerida
Formato	CSV (delimitado por `;`, encoding Latin-1)
Atualização	Diária (fatos relevantes são publicados em tempo real)

Endpoints/recursos principais

Arquivo	Conteúdo
`fato_relevante_cia_aberta_AAAA.csv`	Metadados dos fatos relevantes publicados no ano
Documento PDF/HTML	Texto completo do fato relevante (link no CSV)

Campos do arquivo CSV

O arquivo CSV contém os metadados de cada fato relevante, incluindo um link para o documento completo hospedado no sistema de Empresas.Net da CVM.

Exemplo de uso

Listar fatos relevantes de um ano

import pandas as pd
 
url = (
    "https://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FATO_RELEVANTE/DADOS/"
    "fato_relevante_cia_aberta_2024.csv"
)
 
df = pd.read_csv(url, sep=";", encoding="latin-1", dtype=str)
 
print(f"Total de fatos relevantes em 2024: {len(df):,}")
print(f"Colunas: {list(df.columns)}")
print(f"Empresas distintas: {df['DENOM_CIA'].nunique()}")
 
# Empresas com mais fatos relevantes
top_empresas = df["DENOM_CIA"].value_counts().head(10)
print("\nEmpresas com mais fatos relevantes:")
print(top_empresas)

Filtrar fatos relevantes de uma empresa

import pandas as pd
 
url = (
    "https://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FATO_RELEVANTE/DADOS/"
    "fato_relevante_cia_aberta_2024.csv"
)
 
df = pd.read_csv(url, sep=";", encoding="latin-1", dtype=str)
 
# Fatos relevantes da Vale
vale = df[df["DENOM_CIA"].str.contains("VALE", case=False, na=False)]
print(f"Fatos relevantes da Vale em 2024: {len(vale)}")
 
for _, row in vale.iterrows():
    print(f"  {row['DT_REFER']} — {row.get('ASSUNTO', 'N/A')}")
    print(f"    Link: {row.get('LINK_DOC', 'N/A')}")

Análise temporal de fatos relevantes

import pandas as pd
 
url = (
    "https://dados.cvm.gov.br/dados/CIA_ABERTA/DOC/FATO_RELEVANTE/DADOS/"
    "fato_relevante_cia_aberta_2024.csv"
)
 
df = pd.read_csv(url, sep=";", encoding="latin-1", dtype=str)
df["DT_REFER"] = pd.to_datetime(df["DT_REFER"], errors="coerce")
 
# Fatos relevantes por mês
por_mes = df.groupby(df["DT_REFER"].dt.to_period("M")).size()
print("Fatos relevantes por mês:")
print(por_mes)

Campos disponíveis

Campo	Tipo	Descrição
`CNPJ_CIA`	string	CNPJ da companhia
`DENOM_CIA`	string	Denominação social
`DT_REFER`	date	Data de referência / publicação
`DT_ENTREGA`	date	Data de entrega à CVM
`VERSAO`	int	Versão do documento
`ASSUNTO`	string	Assunto/título do fato relevante
`LINK_DOC`	string	URL para o documento completo (PDF/HTML)
`PROTOCOLO`	string	Número do protocolo de entrega
`CATEGORIA_DOC`	string	Categoria do documento

Cruzamentos possíveis

Cruzamento	Fonte relacionada	Chave de ligação	Finalidade
Eventos x Financeiro	CVM DFP/ITR	`CNPJ_CIA`	Analisar impacto de eventos corporativos nos resultados financeiros
Eventos x Gestão	CVM Administradores	`CNPJ_CIA`	Identificar mudanças de gestão comunicadas via fatos relevantes
Eventos x Preço	B3 Negociações	Ticker / CNPJ	Estudar impacto de fatos relevantes no preço das ações (event study)

Limitações conhecidas

Limitação	Detalhes
Texto não estruturado	O conteúdo do fato relevante é um documento PDF/HTML não estruturado. Para análise de conteúdo, é necessário NLP/mineração de texto.
CSV contém apenas metadados	O arquivo CSV contém metadados (data, empresa, link). O texto completo do fato relevante está no documento vinculado.
Categorização limitada	Não há categorização padronizada dos tipos de fato relevante (M&A, dividendos, etc.). É necessário análise do texto para classificar.
Links podem quebrar	Os links para os documentos no sistema Empresas.Net podem mudar ou ficar indisponíveis.
Encoding Latin-1	Arquivos CSV usam encoding Latin-1 com separador `;`.
Sem notificações em tempo real	Não há API de streaming ou webhook para receber fatos relevantes em tempo real.