Pular para conteúdo

Investidores do Tesouro Direto

Resumo

Lista de investidores cadastrados no Tesouro Direto, com dados de perfil (data de adesão, estado civil, sexo, profissão, idade, cidade e UF) e indicadores de situação da conta (ativa ou desativada) e se operou nos últimos 12 meses. Um investidor com cadastro em mais de uma instituição financeira aparece em mais de uma linha, com o mesmo código.

São dados individuais, mas o código é um identificador numérico sem nome nem CPF. Neste repositório não se reproduzem valores reais de investidores.

Ficha técnica

Campo Valor
Dataset tesouro-direto/investidores-do-tesouro-direto
Órgão Tesouro Nacional (STN/MF), Coordenação-Geral do Tesouro Direto (COTED), via Tesouro Transparente
Página oficial https://www.tesourotransparente.gov.br/ckan/dataset/investidores-do-tesouro-direto
Licença Licença Aberta para Bases de Dados (ODbL) do Open Data Commons, declarada no catálogo do Tesouro Transparente: http://www.opendefinition.org/licenses/odc-odbl
Periodicidade mensal (arquivo gerado todo mês; divulgação em geral até o quinto dia útil do mês seguinte)
Cobertura 2002-01 a em-curso
Unidade (uma linha) cadastro de um investidor em uma instituição financeira
Granularidade espacial: município (cidade e UF); temporal: data de adesão
Formato bruto CSV em UTF-8, separador ponto e vírgula, datas DD/MM/AAAA; um CSV por período de adesão (até 2017 e um por ano a partir de 2018)
Estado no lake convertido
Partições periodo
Chave —
Colunas 11
Unidades de medida —
Dados pessoais codigo_do_investidor (identificador pseudonimizado do investidor (código numérico da fonte)); data_de_adesao (data (data de adesão ao programa)); estado_civil (estado civil); genero (sexo); profissao (profissão); idade_do_investidor (idade); uf_do_investidor (localização (UF)); cidade_do_investidor (localização (cidade)); pais_do_investidor (localização (país))
Eras 2018-01: os arquivos passam a ser separados por ano de adesão (antes, um único arquivo até 2017)
Revisado em 2026-11-10
Versão do fetcher 5.0.0

Origem e coleta

  • O fetcher consulta o catálogo CKAN do Tesouro Transparente (conjunto investidores-do-tesouro-direto) e baixa os recursos em CSV: um arquivo "até 2017" e um por ano de adesão de 2018 em diante. Os recursos ZIP, a base completa em GZ e o PDF de metadados não são baixados.
  • No bruto: investidores-do-tesouro-direto-ate-2017@…csv e investidores-do-tesouro-direto-de-AAAA@…csv, com carimbo de data de modificação do recurso. O lake converte a versão mais recente de cada período.
  • Os dados chegam do MF/STN a partir de arquivos enviados pela B3. A fonte gera o arquivo todo mês.

Conteúdo

  • Uma linha por código de investidor e cadastro. Na amostra converti três arquivos (ate-2017, 2018 e 2026): 10.176.339 linhas, 7.857.386 códigos distintos; 1.555.335 códigos aparecem em mais de uma linha, e 137.400 linhas são cópias exatas de outras (conferido em 2026-11-10, só nesses três arquivos).
  • O período do arquivo é o ano de adesão: cada arquivo contém só adesões do seu ano (2018: de 2018-01-01 a 2018-12-31; 2026: de 2026-01-01 a 2026-09-30; ate-2017: de 1900-01-01 a 2017-12-31).
  • Cobertura nominal: a fonte anuncia dados desde jan/2002; a primeira adesão real vista foi em 2002-01-03. Há ainda adesões com data 1900 (821.380 das 3.261.185 linhas do arquivo ate-2017): a fonte atribui 1900 a pessoas jurídicas cadastradas (nota do dicionário oficial), mas não explica por que o volume é tão grande, e este documento não verifica a explicação.
  • Disponibilidade no bruto (2026-11-10): ate-2017 e 2018 a 2026; o arquivo de 2021 tem versão de maio de 2026, as demais de setembro e outubro de 2026.

Variáveis

Coluna no lake Na fonte Tipo Descrição Unidade / códigos Período
codigo_do_investidor Codigo do Investidor texto Código identificador do investidor (pode repetir quando o investidor tem cadastro em mais de uma instituição) até 10 posições todo
data_de_adesao Data de Adesao texto Data de adesão ao programa DD/MM/AAAA; 1900 é atribuído a pessoas jurídicas todo
estado_civil Estado Civil texto Estado civil Solteiro(a), Desquitado(a), Viúvo(a), Divorciado(a), Casado(a) com brasileiro(a) nato(a), Casado(a) com brasileiro(a) naturalizado(a), Casado(a) com estrangeiro(a), União estável, Separado judic., Não se aplica (instituições de caridade) todo
genero Genero texto Sexo do investidor M, F, N (não se aplica; instituições de caridade) todo
profissao Profissao texto Profissão (texto livre padronizado pela fonte) até 70 posições; Não se aplica para instituições de caridade todo
idade_do_investidor Idade texto Idade do investidor, com três dígitos e zeros à esquerda; registros 00* têm erro de cadastro, segundo a fonte (o conversor renomeia Idade para idade_do_investidor) anos, ex.: 061 todo
uf_do_investidor UF do Investidor texto UF do investidor sigla todo
cidade_do_investidor Cidade do Investidor texto Cidade do investidor até 30 posições, sem acento todo
pais_do_investidor Pais do Investidor texto País do investidor até 50 posições (BRASIL em todas as linhas da amostra) todo
situacao_da_conta Situacao da Conta texto Situação da conta A (ativo), D (desativado) todo
operou_12_meses Operou 12 Meses texto Indicador de operação nos últimos 12 meses S (sim), N (não) todo

No lake

  • Dataset tesouro-direto/investidores-do-tesouro-direto, particionado por periodo: periodo=ate-2017, periodo=2018, … periodo=2026, um Parquet por arquivo.
  • O valor da partição vem do nome do arquivo (…-de-2019@…csv vira periodo=2019; …-ate-2017@…csv vira periodo=ate-2017), nunca do conteúdo. Como ate-2017 não é número, a partição é texto neste dataset.
  • Renomeação: Idade vira idade_do_investidor. As demais colunas só têm o cabeçalho normalizado.
  • Todas as colunas são texto. Nulos na amostra de três arquivos: uf_do_investidor com 1 vazio (o texto ), cidade_do_investidor com 8 vazios.
  • Não há chave: o mesmo código se repete (ver Conteúdo).

Cuidados de uso

  • Dados individuais. Cada linha é um investidor. O código é numérico e a fonte não traz nome nem CPF, mas a combinação de cidade, idade, profissão e data de adesão pode ser identificadora; trate como dado pessoal.
  • Tudo é texto. O conversor não converte tipos: datas continuam DD/MM/AAAA, números usam vírgula decimal (18168,832736). Converta antes de ordenar ou somar; ordenar as datas como texto não segue o calendário (data_de_adesao em DD/MM/AAAA).
  • Linhas repetidas. O mesmo código aparece em mais de uma linha (1.555.335 códigos na amostra de três arquivos), e há linhas idênticas (137.400). Para contar investidores, conte códigos distintos, não linhas.
  • Data 1900 e idade 000. 821.380 linhas do arquivo ate-2017 têm adesão em 1900; 3.230 têm idade 000 (conferido em 2026-11-10). A fonte documenta o 1900 (pessoas jurídicas) e a idade com 00* (erro de cadastro).
  • Idades implausíveis. 81 linhas têm idade acima de 110 anos.
  • Situação e período. situacao_da_conta e operou_12_meses refletem a data da extração, não a do ano de adesão.
  • Período = ano de adesão, não ano do dado. O arquivo ate-2017 junta quase duas décadas.
  • Revisões. O Tesouro Nacional informa que os valores podem ser revistos por alteração da base primária, estornos ou erros de consolidação. O lake guarda só a versão mais recente de cada arquivo.

Exemplos

Número de investidores distintos que aderiram por ano nos arquivos convertidos (contagem por código, sem listar nenhum investidor):

import polars as pl

inv = pl.scan_parquet("lake/tesouro-direto/investidores-do-tesouro-direto/**/*.parquet", hive_partitioning=True)
por_periodo = (
    inv.group_by("periodo")
    .agg(pl.col("codigo_do_investidor").n_unique().alias("investidores"))
    .sort("periodo")
    .collect()
)

Referências

  • Conjunto no Tesouro Transparente: https://www.tesourotransparente.gov.br/ckan/dataset/investidores-do-tesouro-direto
  • Metadados em PDF: https://www.tesourotransparente.gov.br/ckan/dataset/48a7fd9d-78e5-43cb-bcba-6e7dcaf2d741/resource/9243a43c-31cd-4984-8129-55768fb780f5/download/investidoresdotesourodireto-metadados.pdf