Padrón unificado de CEDEARs vigentes (BYMA)

Por construcción regulatoria, un CEDEAR sólo puede tener un emisor activo a la vez. El scraper valida la intersección de simbolo_byma y de isin_cedear entre las dos listas y falla con error si encuentra overlap, antes de publicar snapshot. Cualquier futuro break de este invariante señaliza cambio regulatorio o bug en la fuente — no enmascararlo.

Tickers como BAS GR (BASF, XETRA), BRK/B (Berkshire Hathaway Class B) usan espacio o "/" como parte del símbolo. El regex de simbolo_byma acepta ^[A-Z0-9._\- /]{1,12}$ explícitamente para preservar el formato Bloomberg/NYSE original. NO trimear ni normalizar estos caracteres en queries downstream — se rompe el match con la fuente.

Comafi publica CUSIP (9 caracteres alfanuméricos) para subyacentes USA en lugar de ISIN. El scraper preserva esa distinción: si la fuente da CUSIP, va a cusip_subyacente y isin_subyacente queda NULL. Para reconstruir el ISIN desde CUSIP USA, prependar US + agregar check digit ISO 6166 — no es trivial, no lo hacemos automáticamente. Cualquier código que joinee por ISIN del subyacente debe contemplar el NULL.

Contra-intuitivamente, los CEDEARs de stocks brasileros listados en B3 (VALE3, PETR3, ITUB3, BBDC3, MGLU3, etc.) viven en Caja de Valores, no en Comafi. Comafi tiene 20 CEDEARs brasileros, pero son los ADRs cotizando en NYSE (VALE, PBR, ITUB, etc.). Filtrar por pais_origen = 'Brasil' en Comafi devuelve los ADRs; los B3 directos requieren emisor_cedear = 'caja_valores'. Documentar el caso en cualquier cliente que pida "todos los CEDEARs brasileros".

Los ETFs (categoria='etf') frecuentemente no exponen el ISIN del activo subyacente porque el subyacente es una canasta, no un único instrumento. Aparecen 24 ETFs en Caja de Valores (SPY, QQQ, IWM, EEM, DIA, etc.) y ~30 ETFs adicionales en Comafi (industria='ETF'). Filtros por isin_subyacente IS NOT NULL excluyen ETFs silenciosamente — hacer explícito el filtro categoria = 'accion' si esa es la intención.

industria, industria_descripcion, pais_origen, frecuencia_pago, cusip_subyacente están NULL para todas las filas de emisor_cedear='caja_valores'. Agregaciones por industria/país solo reflejan el universo Comafi (342 instrumentos), no el total (401). Para análisis cross-fuente completos, enriquecer manualmente desde otros catálogos (ej. Refinitiv RIC, Bloomberg BBG) o aceptar la cobertura parcial.

El campo ratio (String) preserva el formato crudo "X:Y" de la fuente. ratio_cedear/ratio_subyacente son el parseo numérico — cuando la fuente publica ratios atípicos ("Variable", "—", o formatos no estándar), el parseo deja NULL y se preserva el string original en ratio. Cualquier cálculo de pricing dual debe contemplar NULL.

Este dataset describe el universo de CEDEARs vigentes; NO contiene precios ni volúmenes. Para datos de mercado secundario (precios, volúmenes, spreads BYMA) hace falta otro dataset distinto. El refresh semanal es porque el padrón cambia raramente — altas/bajas de programas suceden trimestralmente como mucho.

Las columnas first_seen y last_seen se calculan diff-eando el snapshot actual contra snapshots previos almacenados. En el primer scrape (fresh start) ambas son iguales a snapshot_date. Para reconstruir altas/bajas históricas hace falta scan de todos los snapshots — un dataset gold derivado puede hacerlo más eficiente en el futuro.