Super Datasets do Pacote rb3

A versão 0.0.3 do pacote {rb3} trouxe funções que retornam super datasets. Estes super datasets são dataframes com dados organizados para um fim específico. Por exemplo, a função rb3::yc_get retorna um dataframe com dados da curva de juros para diversos vértices, dentre os vértices retornados alguns são referentes aos vencimentos dos contratos futuros utilizados para produzir a curva original. Para alguns problemas é interessante conhecer quais vértices são referentes aos futuros, por exemplo, na criação de fatores primitivos de risco, onde a interpolação deve ser realizada utilizando apenas os futuros. Os contratos futuros podem ser obtidos com a função rb3::futures_get. Dessa maneira, a função rb3::yc_superset junta os dados retornados pelas funções rb3::yc_get e rb3::futures_get identificando os vencimentos dos contratos futuros na curva de juros. Por isso super dataset, é um dataset mais rico!

Atualmente o pacote apresenta as seguintes funções superset:

• rb3::yc_superset retorna a curva de juros de prefixados com os contratos fututos DI1 identificados.
• rb3::yc_usd_superset retorna a curva de cupom cambial com os contratos fututos DOL identificados.
• rb3::yc_ipca_superset retorna a curva de juros reais com os contratos fututos DAP identificados.
• rb3::cotahist_equity_options_superset retorna dados de opções de ações com informações de ações e taxas de juros.

Vou exemplificar a utilização de um super dataset com a função rb3::yc_superset. Vou criar uma curva de juros apenas com os contratos futuros de DI1. Mas antes vou responder uma pergunta que talvez tenha chegado a cabeça dos leitores: Por que criar uma curva de juros apenas com os contratos futuros se já tenho uma curva de juros cheia de vértices? Primeiramente, toda curva de juros nasce a partir de um conjunto de contratos, no caso da curva prefixada utiliza-se os contratos futuros DI1, mais a taxa DI no vértice de 1 dia útil, assim, estaria retornando a curva ao seu estado original. Logo, todos os demais vértices da curva são obtidos a partir da interpolação entre os contratos futuros. Adicionalmente, caso eu precise de um vértice que não está na curva será necessário interpolar e como interpolar se não conheço os vértices referentes aos futuros? Bem, posso interpolar nos vértices presentes, mas assim estaria interpolando sobre vértices interpolados. Não é um grande problema fazer isso, mas isso pode trazer problemas na contrução de fatores de risco para taxa de juros, por exemplo.

Dando sequência, primeiro utilizamos o {rb3} para obter os dados dos futuros e da curva para a data de referência.

library(rb3)

refdate <- "2022-06-17"

fut <- futures_get(refdate)
yc <- yc_get(refdate)

Depois passo estes dados para a função yc_superset que junta os dados para indentificar os contratos futuros.

df <- yc_superset(yc, fut)
df |> head()

# A tibble: 6 × 7
  refdate    cur_days biz_days forward_date r_252 r_360 symbol
  <date>        <int>    <dbl> <date>       <dbl> <dbl> <chr> 
1 2022-06-17        3        1 2022-06-20   0.132 0     <NA>  
2 2022-06-17        7        5 2022-06-24   0.132 0.134 <NA>  
3 2022-06-17       12        8 2022-06-29   0.132 0.125 <NA>  
4 2022-06-17       13        9 2022-06-30   0.132 0.13  <NA>  
5 2022-06-17       14       10 2022-07-01   0.132 0.134 DI1N22
6 2022-06-17       21       15 2022-07-08   0.132 0.134 <NA>  

Tendo o super dataset eu filtro as linhas referentes aos futuros e a linha referente a 1 dia útil.

library(dplyr)

Attaching package: 'dplyr'

The following objects are masked from 'package:stats':

    filter, lag

The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union

df_curve <- bind_rows(
  df |> filter(biz_days == 1) |> select(biz_days, r_252),
  df |> filter(!is.na(symbol)) |> select(biz_days, r_252)
)

df_curve |> head()

# A tibble: 6 × 2
  biz_days r_252
     <dbl> <dbl>
1        1 0.132
2       10 0.132
3       31 0.132
4       54 0.133
5       75 0.134
6       95 0.134

Pronto! Tenho a curva original novamente.

Apenas para ilustrar, vamos utilizar o pacote {fixedincome} para construir um objeto de curva de juros e visualizar os dados.

library(fixedincome)

Attaching package: 'fixedincome'

The following objects are masked from 'package:dplyr':

    first, last

curve <- spotratecurve(
  df_curve$r_252, df_curve$biz_days, "discrete", "business/252", "Brazil/ANBIMA",
  refdate = as.Date(refdate)
)

Visualizando a curva.

ggspotratecurveplot(curve)

Visualizando para um horizonte mais curto e adicionando as taxas a termo.

curve_2y <- curve |> fixedincome::first("2 years")
ggspotratecurveplot(curve_2y) +
  ggplot2::autolayer(forwardrate(curve_2y))

Bem, os super datasets estão aí para ajudar! Entregam dados da B3 mais mastigados para as necessidades dos quants do mercado brasileiro.