Różnice w indeksie PutWrite vs. BuyWrite w piątek, 20 stycznia 2017 r. Krótki, ale interesujący materiał akademicki o różnicach w dobrze znanych indeksach PutWrite i BuyWrite w CBOE: Tytuł: PutWrite kontra BuyWrite: Tak, parytet Put-Call utrzymuje się tutaj Indeks PutWrite CBOE osiąga lepsze wyniki niż indeks BuyWrite o około 1,1 procent rocznie w latach 1986-2018. To imponujące. Ale kłopotliwe. Tak, ndash niepokoi ndash, ponieważ teoria parytetu put-call mówi nam, że taka przewaga powinna być prawie niemożliwa dzięki nieodpartemu ograniczeniu arbitrażowemu. W tym artykule wyjaśniono tajemnicę tej lepszej wydajności, która ma wpływ na konstrukcję portfela. Godne uwagi cytaty z akademickiego artykułu naukowego: cytowanie zaproszeń na indeksy giełdowe jest skutecznym sposobem na wspólne zarabianie na premię za ryzyko zmienności i zmienności. Tak samo jest pisanie opcji nagich indeksów giełdowych. Które podejście jest lepsze Wielu inwestorów porównuje historyczne wyniki dwóch podejść do odpowiedzi, co potencjalnie prowadzi do wniosku, że put-writing jest lepszy niż objęte zgłoszeniami. Na pozór wydaje się, że preferowane byłoby pisanie opcji put. Indeks PutWrite (PUT) CBOE przewyższył indeks BuyWrite (BXM) o około 1,1 procent rocznie w okresie od 1986 do 2018 roku. To imponujące. Ale kłopotliwe. Tak, ndash niepokoi ndash, ponieważ teoria parytetu put-call mówi nam, że taka przewaga powinna być prawie niemożliwa dzięki nieodpartemu ograniczeniu arbitrażowemu. Główną przyczyną różnicy wydajności w indeksach PutWrite i BuyWrite jest różnica w budowie w ciągu zaledwie czterech godzin miesięcznie. Dziwna różnica w ich konstrukcji portfela powoduje, że Indeks PutWrite traci ponad cztery godziny miesięcznie zwrotu SampP 500 Index względem indeksu BuyWrite. Każdego miesiąca rano po wygaśnięciu opcji zarówno opcja kupna BuyWritersquos, jak i opcja PutWritersquos wygasają i rozliczają się w tym samym czasie w specjalnej otwartej ofercie (SOQ). W tym momencie wygaśnięcie opcji całkowicie pozbawia indeks PutWrite jego ekspozycji kapitałowej. Do czasu przywrócenia krótkiej pozycji opcji put jest to portfel o zerowej wartości beta. Z drugiej strony, portfel BuyWrite staje się portfelem beta z wygaśnięciem opcji call, ponieważ jest w całości zainwestowany w indeks SampP 500 bez odpowiedniej pozycji opcji call krótkiej. Pozostaje portfelem beta jeden, dopóki nie przywróci pozycji opcji krótkiego połączenia. W tym czterogodzinnym oknie indeks BuyWrite jest nadmiernie narażony na SampP 500 w stosunku do jego średniej długoterminowej ekspozycji. Podobnie Indeks PutWrite jest niedostatecznie narażony na SampP 500 w stosunku do jego długoterminowej średniej ekspozycji. Przykładowo, średnio w latach 2004-2018 indeks SampP 500 spadł o 23 punkty bazowe w związku z terminami wygaśnięcia opcji. Zwroty z akcji w ciągu tego okresu czterogodzinnego 12 razy w roku sugerują 2,7 rocznego spadku w stosunku do indeksu BuyWrite względem indeksu PutWrite. Dodanie z powrotem w punkcie przecięcia (annualized) zapewnia łączny efekt 2,0 znormalizowanej daty ważności poniżej daty. Jest to bardzo zbliżone do indeksu 2.1. Indeks BuyWrite osiągnął wyniki gorsze od indeksu PutWrite w tym samym okresie 2004-2018. Czynniki oczyszczające na rynkach akcji w sobotę, 14 stycznia 2017 r. Ciekawy materiał akademicki dotyczący wielu strategii sezonowości, ale głównie : Autorzy: de Carvalho, Xiao, Soupe, Dugnolle Tytuł: Diversify i Purify Factor Premie na rynkach akcji W tym artykule rozważamy, jak poprawić skuteczność strategii mających na celu przechwytywanie premii za czynniki na rynkach akcji, a w szczególności z wartość, jakość, czynniki niskiego ryzyka i pędu. Rozważamy szereg podejść do budowania portfela, które mają za zadanie przechwytywać składki czynników z odpowiednimi poziomami kontroli ryzyka w celu zwiększenia wskaźników informacyjnych. Pokazujemy, że wskaźniki informacyjne mogą zostać zwiększone poprzez ukierunkowanie na stałą zmienność w czasie, zabezpieczenie rynku beta i zabezpieczenia przed ryzykiem związanym z czynnikiem wielkości, tj. Neutralizowanie błędów w kapitalizacji rynkowej akcji stosowanych w strategiach czynników. W odniesieniu do neutralizacji ekspozycji sektorowych uważamy, że ma to znaczenie w szczególności dla wartości i czynników niskiego ryzyka. Na koniec przyjrzymy się wartości dodanej, jaką jest skracanie zapasów w strategiach czynnikowych. Odkrywamy, że z nielicznymi wyjątkami wkład w wykonanie z krótkiego odcinka jest gorszy od tego z długiej nogi. W związku z tym strategie długotrwałe mogą stanowić skuteczną alternatywę pozwalającą na uchwycenie tych premii za czynniki. Wreszcie, stwierdzamy, że składki czynników mają tendencję do posiadania grubszych ogonków, niż można się było spodziewać po rozkładzie powrotnym Gaussa, ale ta skośność nie jest w większości przypadków znacząco ujemna. Godne uwagi cytaty z akademickiego artykułu naukowego: quot W niniejszym artykule pokazujemy wagę budowy portfela, jeśli chodzi o efektywne przechwytywanie składek czynników. Po pierwsze pokazujemy, że najprostsze i najbardziej tradycyjne podejście do inwestowania czynnikowego generuje niższe skorygowane o ryzyko stopy zwrotu z powodu niekontrolowanego ryzyka i niechcianej ekspozycji na indeks rynkowy lub tendencyjność kapitalizacji rynkowej. Pokazujemy, że strategie ukierunkowane na ciągłą zmienność i zabezpieczające rynek beta oraz ekspozycja na wielkość zapewniają wyższe wskaźniki informacyjne. Jest to w szczególności spowodowane ograniczeniem zmienności. Pokazujemy również, jak ważne jest usunięcie ekspozycji sektora jako dodatkowego źródła ryzyka bez zwrotu z inwestycji w czynniki. Wyjaśnimy, dlaczego inwestowanie tylko w czynnik może raczej skutecznie przechwytywać składki czynników, w szczególności z czynników niskiego ryzyka i tempa. Dodatkowo pokazujemy znaczenie czynników dywersyfikacji w każdym stylu dzięki dekorelacji zwrotów czynników nawet w tym samym stylu. Na koniec pokazujemy, że składki czynnika mają tendencję do wykazywania grubych ogonków, ale także stosunkowo niewielkiego skosu. Ogólnie rzecz biorąc, bronimy znaczenia oczyszczenia i dywersyfikacji ekspozycji czynników w inwestowaniu w czynniki, jako jednego ze sposobów znacznego polepszenia skorygowanych o ryzyko stóp zwrotu ze strategii czynników. I choć powoduje to wzrost obrotów ze względu na potrzebę dodatkowych transakcji, podkreślamy fakt, że większość korzyści pokazanych w tym dokumencie można uchwycić w praktyce, stosując sprytne podejścia do zawierania obrotu. Wydajności sezonowe w magazynie Zwroty w niedzielę, 8 stycznia , 2017 Autorzy: Hirschleifer, Jiang, Meng Tytuł: Nastrój Beta i sezonowość w zwrocie zapasów Istniejące badania udokumentowały przekrojową sezonowość zwrotów zapasów ndash okresowe lepsze wyniki niektórych zapasów względem innych w tym samym miesiącu kalendarzowym, dniu roboczym lub wstępnym okresy świąteczne. Model oparty na zróżnicowanej wrażliwości zapasów na nastroje inwestorów wyjaśnia te efekty i implikuje nowy zestaw sezonowych wzorców. Uważamy, że względna wydajność na giełdach w okresach dobrego samopoczucia (np. Styczeń, piątek, miesiąc największego zwrotu zrealizowany w ciągu roku, najlepszy dzień zwrotu zrealizowany w ciągu tygodnia, przedświąteczny) ma tendencję do utrzymywania się w przyszłych okresach z przystawnym nastrojem (np. styczeń, piątek, przedświąteczny) i odwrócić w okresach o niejednolitym nastroju (np. w październiku, w poniedziałek, po wakacjach). Zapasy o wyższym nastroju są szacowane podczas sezonowych okresów silnych nastrojów (np. Styczeń, październik, poniedziałek, lipiec lub przedświąteczny), przynosząc wyższe oczekiwane zyski podczas przyszłych pozytywnych okresów nastrojów, ale niższe oczekiwane zyski w przyszłych sezonach negatywnych nastrojów. Godne uwagi cytaty z artykułu naukowego: "Proponujemy tutaj teorię opartą na nastroju inwestora, aby zaoferować zintegrowane wyjaśnienie znanych sezonów na poziomie zarówno zagregowanym, jak i przekrojowym, oraz zaoferować nowe empiryczne implikacje, które również testujemy. W naszym modelu pozytywne wahania nastrojów inwestora powodują okresowy optymizm (pesymizm) w ocenie sygnałów o zasobach, które są systematycznymi i idiosynkratycznymi składnikami wypłat. Powoduje to sezonową zmienność błędnej wyceny i przewidywalność powrotu. Zgodnie z prognozami modelu, odkrywamy zbiór nowych przekrojowych sezonów zwrotu opartych na idei, że zapasy, które w przeszłości były bardzo wrażliwe na sezonowe wahania nastrojów, będą również wrażliwe w przyszłości. Innymi słowy, twierdzimy, że niektóre akcje mają wyższą wrażliwość na zmiany nastrojów (wyższy nastrój) niż inne, co tworzy powiązanie między sezonowymi sezonowymi wahaniami nastrojów a przekrojami zwrotów. W szczególności twierdzimy, że nastroje inwestorów zmieniają się systematycznie w miesiącach kalendarzowych, dniach roboczych i wakacjach. W konsekwencji, prognoza pogody na żywo oceniana za pomocą stóp zwrotu w sezonach ze zmianami nastroju pomaga przewidywać przyszłe sezonowe zyski w innych okresach, w których oczekuje się zmiany nastroju. Podczas naszego okresu próbnego 1963-2018. średni zwrot nadwyżki zapasów (mierzony wskaźnikiem równości ważonego wskaźnika CRSP minus stopa wolna od ryzyka) jest najwyższy w styczniu, a najniższy w październiku. W związku z tym skupiamy się na styczniu jako wskaźniku dla nastrojonego stanu inwestora, a dla Października na stan słabego nastroju. Korzystając z regresji Fama-MacBeth, sprawdzamy, czy Heston i Sadka (2008) znaleźli się w styczniu, a październikowe (październikowe) październikowe relatywne wyniki zwykle utrzymują się w styczniu (październiku) przez kolejne dziesięć lat. W naszej interpretacji zapasy, które są lepsze od innych w ciągu jednego miesiąca, będą lepiej w tym samym miesiącu w przyszłości, ponieważ w tym czasie panuje odpowiedni nastrój. Co więcej, odkrywamy nowy efekt odwrócenia, który mija miesiące z niestosownymi nastrojami. Historyczne zwroty ze stycznia (października) w przekroju mają tendencję do znacznego odwrócenia w następnych ośmiornicach (janach). Akcje, które w styczniu były lepsze niż inne akcje, mają tendencję do czynienia gorzej niż inne akcje w październiku przez następne pięć lat. Odchylenie o jeden standard odchylenia w historycznym przystającym (niekonsekwentnym) - calendarnym miesiącu prowadzi średnio o 23 punkty procentowe (spadek o 17) w ciągu następnych dziesięciu lat, w porównaniu ze średnią styczniową zwrotów z października. Nasze wyjaśnienie tych skutków nie jest charakterystyczne dla częstotliwości miesięcznej. Przydatnym sposobem podważenia naszej teorii jest przetestowanie sezonowości porównywalnych przekrojów na innych częstotliwościach. Przechodząc do domeny codziennych powrotów, dokumentujemy podobny zbiór trwałych i powtarzających się efektów odwrotnego upodobania. Potwierdzamy ten efekt trwałości powrotnej dla powrotów w poniedziałek i piątek, a następnie, analogicznie jak w przypadku wyników miesięcznych, pokazujemy, że występuje efekt uporczywości powrotnej w wyniku zgodnego nastroju-dnia tygodnia: względne wyniki w odniesieniu do akcji o najlepszej stopie zwrotu z rynku (najgorszy wynik na rynku) powrót) realizowany w ciągu jednego tygodnia utrzymuje się na kolejnych 10 w piątki (poniedziałki) i później, kiedy oczekuje się, że dobre (złe) wyniki rynkowe będą kontynuowane. Odchylenie o jeden stopień odchylenia standardowego w stosunku do historycznego dnia rezerwującego dzień tygodnia lub poniedziałku dnia na dzień jest związane średnio o 4 lub 12 wyższy zwrot w kolejnych dziesięciu poniedziałkach w piątek. Na poziomie pojedynczych zapasów istnieje sezonowość sezonowa w okresie przedświątecznym, w której zapasy, które historycznie osiągnęły wyższe zyski przed świętami, osiągają średnio wyższe zyski przed wakacjami w ciągu tego samego święta w ciągu najbliższych dziesięciu lat. Efekty trwałości i odwrócenia przekroju poprzecznego w miesiącach, dniach roboczych i dniach świątecznych są w sumie zgodne z naszymi teoretycznymi przewidywaniami, że inwestorzy zniekształcają sezonowe wahania nastrojów, które powodują sezonowe błędne postrzeganie czynników i specyficznych dla firmy wypłat oraz prowadzą do przekrojowych okresów zwrotu. Prognozy te opierają się na założeniu, że różne akcje mają różny nastrój, ponieważ betamdasha stockrsquos zwraca wrażliwość na niewłaściwe wyceny czynników wywołane szokami nastrojów. Uważamy, że koncepcja nastroju beta łączy różne efekty sezonowości. W związku z tym przeprowadzamy bardziej bezpośrednie testy modelowego przewidywania, że nastrój betas pomoże prognozować względne wyniki akcji w sezonach o różnych nastrojach. Quantopian amp. Quantpedia Trading Strategy Seria: Cross-Sectional Equity Mean Reversion czwartek, 29 grudnia, 2018 Quantopian amp Trwa strategia handlowa Quantpedia Trading. Teraz z czwartym artykułem, ponownie napisanym przez Matthew Lee, skoncentrowano się na średnim przekroju kapitału przekrojowego (Strategia 13): Przekrojowe średnie odbicie w akcjach (silna tendencja akcji z silnymi zyskami do odwrócenia w krótkim okresie czasu - do jednego miesiąca) to dobrze znana obserwacja rynku i główny powód, dla którego tak wielu badaczy akademickich na ogół stosuje pomiar przyspieszenia 2-12 (zwroty z ostatnich 12 miesięcy, z wyłączeniem poprzedniego) podczas badania anomalii pędu. Wiele prac akademickich badało ten efekt, najbardziej zauważalne są dokumenty Jagadesha. i Bruce'a Lehmanna (patrz: sekcja "Inne artykuły" na podstronie "Quantpedia" dla tej strategii odwrócenia dodatkowych prac naukowo-badawczych). Większość naukowców spekuluje, że podstawowymi przyczynami tej anomalii są tarcia o mikrostrukturę rynkową (bounce bid-ask) lub incydenty poznawcze inwestorów - nadmierna reakcja na wcześniejsze informacje i korekta tej reakcji po krótkim horyzoncie czasowym. Ale czy ta prosta strategia equity nadal przynosi zyski Matthew Lee z Quantopian wykonał niezależną analizę w okresie próbnym w okresie od 12-01-2017 do 12-01-2018. Ogólnie rzecz biorąc, realizacja prostej krótkoterminowej strategii odwrócenia kapitału jest poniżej rynku. Ale należy zauważyć, że strategia ta jest długa w porównaniu do tylko długiego benchmarku kapitałowego (który jest SPY). Jeśli więc chcemy porównać całkowitą wydajność tej strategii, powinniśmy porównać tylko długie odwrócenie dekilequota z giełdą wyników. Strategia odwrócenia equity w Longshort ma stosunek Sharpe'a 0,84 i Beta 0,15. Stosunek Sharpe'a do wersji longshort jest porównywalny do portfela rynkowego, a niska korelacja strategii odwrócenia kapitału sprawia, że jest to możliwy dodatek do portfela inwestycyjnego. Jednak. Strategia odwrócenia jest bardzo aktywna (cotygodniowe, dwutygodniowe równoważenie), co oznacza wysokie koszty transakcji i poślizg. Należy więc naprawdę ostrożnie wdrażać rozwiązania w świecie rzeczywistym i podjąć kroki, które próbują ograniczyć obrót strategii. Ostateczna krzywa equity OOS: Dzięki za analizę Matthew Możesz również sprawdzić jako pierwszy. drugi lub trzeci artykuł z tej serii, jeśli podobał ci się obecny. Bądź na bieżąco. Skutki monetarnych warunków obrotu towarami Czwartek, 22 grudnia 2018 r. Tytuł: Przenoszenie transakcji i warunki monetarne W niniejszym dokumencie zbadano zależność między warunkami pieniężnymi a nadwyżkami zwrotów wynikającymi ze strategii inwestycyjnej polegającej na pożyczaniu walut o niskiej stopie procentowej i inwestowaniu w waluty o wysokim oprocentowaniu, tzw. handel kwotowy. Wyniki wskazują, że średnia nadwyżka zwrotu z transakcji carry trade, wskaźnik Sharpe'a i 5 kwantyli różnią się znacznie pomiędzy ekspansywną i restrykcyjną konwencjonalną politykę pieniężną przed nadejściem ostatniego kryzysu finansowego. Z kolei na rozważane parametry nie ma wpływu niekonwencjonalna polityka pieniężna w czasie kryzysu finansowego. Godne uwagi cytaty z akademickiego artykułu naukowego: "Mój główny wynik jest taki, że średni zysk z portfela transakcji handlowych, wskaźnik Sharpe'a i 5 kwantylał diametralnie różnią się w ekspansywnej i restrykcyjnej konwencjonalnej polityce pieniężnej przed nadejściem niedawnego kryzysu finansowego. Specyficznie, uważam, że okresy ekspansywne charakteryzują się znacznie wyższymi średnimi zwrotami i wskaźnikami Sharpe'a oraz niższym ryzykiem spadku. W związku z tym twierdzę, że ekspansywna, konwencjonalna polityka pieniężna jest w stanie poprawić oczekiwania rynku w poszczególnych krajach iw ten sposób zmniejszyć ryzyko wahań kursów walutowych. Powoduje to wzrost wartości waluty dla krajów będących dłużnikami netto oraz wzrost zysków z transakcji carry trade. Po drugie, przedstawiam dowody sugerujące, że rozpatrywane parametry są podobne we wszystkich agresywnych i stabilizujących niekonwencjonalną politykę monetarną w czasie ostatniego kryzysu finansowego. Tak więc Rezerwa Federalna nie mogła w tym czasie oczekiwać doskonałych oczekiwań rynku. Dla inwestorów ten materiał dowodowy sugeruje, że nagrody z handlu carry trade zmieniają się wraz ze zmianami warunków pieniężnych tylko podczas normalnych czasów. Dla badaczy dowody te sugerują, że uznanie znaczenia polityki pieniężnej jest kluczowe dla zrozumienia wpływu ryzyka zmienności kursów walut na transakcje carry trade. Quip-Zipline to algorytmiczna biblioteka handlowa typu Python. Jest to system sterowany zdarzeniami, który obsługuje zarówno analizę historyczną, jak i transakcje na żywo. Zipline jest obecnie wykorzystywany w produkcji jako backtesting i live-trading engine zasilający Quantopian 8211 darmową, skoncentrowaną na społeczności, hostowaną platformę do budowania i realizacji strategii handlowych. Łatwość użycia: Zipline stara się zejść z drogi, aby skupić się na rozwoju algorytmu. Zobacz poniżej przykład kodu. Zipline zawiera 8220baterii8221, ponieważ wiele popularnych statystyk, takich jak średnia ruchoma i regresja liniowa, można łatwo uzyskać z poziomu algorytmu napisanego przez użytkownika. Wprowadzanie danych historycznych i danych wyjściowych statystyk wydajności opiera się na Pandas DataFrames, aby ładnie zintegrować się z istniejącym ekosystemem PyData. Biblioteki statystyki i uczenia maszynowego, takie jak Matplotlib, Scipy, Statsmodels i Sklearn wspierają rozwój, analizę i wizualizację najnowocześniejszych systemów transakcyjnych. Instalacja Instalacja za pomocą pip Zakładając, że masz wszystkie wymagane (patrz uwaga poniżej) zależności od Pythona, możesz zainstalować Zipline za pomocą pip poprzez: Uwaga: Instalacja Zipline za pomocą pip jest nieco bardziej zaangażowana niż średni pakiet Pythona. Po prostu uruchomienie zipline instalatora pip prawdopodobnie zakończy się niepowodzeniem, jeśli wcześniej nie instalowałeś żadnych pakietów naukowych Python. Istnieją dwa powody dla dodatkowej złożoności: Zipline dostarcza kilka rozszerzeń C, które wymagają dostępu do API CP CP. Aby zbudować rozszerzenia C, pip potrzebuje dostępu do plików nagłówkowych CPython dla twojej instalacji Pythona. Zipline zależy od numpy. biblioteka rdzenia do obliczeń macierzowych w Pythonie. Numpy zależy od dostępności rutynowych procedur algebry liniowej LAPACK. Ponieważ nagłówki LAPACK i CPython są zależnościami binarnymi, poprawny sposób ich instalacji różni się w zależności od platformy. W systemie Linux użytkownicy na ogół uzyskują te zależności za pośrednictwem menedżera pakietów, takiego jak apt. mniam. lub pacman. W systemie OSX Homebrew jest popularnym wyborem oferującym podobną funkcjonalność. Zobacz pełną dokumentację instalacji Zipline, aby uzyskać więcej informacji na temat uzyskiwania zależności binarnych dla konkretnej platformy. Innym sposobem instalacji Zipline jest menedżer pakietów conda, który wchodzi w skład Anacondy lub może być zainstalowany za pośrednictwem instalacji pip conda. Po skonfigurowaniu Zipline możesz zainstalować z naszego kanału Quantopian: Aktualnie obsługiwane platformy to: Quickstart ContributionsData Bundles Pisanie nowego pakietu Istnieje wiele pakietów danych, aby ułatwić korzystanie z różnych źródeł danych z zipline. Aby dodać nowy pakiet, należy zaimplementować funkcję przetwarzania. Funkcja ingest jest odpowiedzialna za ładowanie danych do pamięci i przekazywanie ich do zestawu obiektów piszących dostarczanych przez zipline w celu konwersji danych do wewnętrznego formatu zipline8217. Funkcja ingest może działać, pobierając dane ze zdalnej lokalizacji, takiej jak pakiet quandl lub yahoo, lub może po prostu ładować pliki, które są już na tym komputerze. Funkcja jest dostarczana z programami piszącymi, które będą zapisywać dane w poprawnej lokalizacji w sposób transakcyjny. Jeśli połknięcie nie powiedzie się w części, pakiet nie zostanie zapisany w stanie niepełnym. Sygnatura funkcji ingest powinna wyglądać następująco: environ to odwzorowanie reprezentujące zmienne środowiskowe, których należy użyć. W tym miejscu należy podać wszelkie niestandardowe argumenty potrzebne do przetworzenia, na przykład: pakiet quandl używa środowiska, aby przekazać klucz API i liczbę prób ponownej próby pobrania. assetdbwriter assetdbwriter jest instancją AssetDBWriter. Jest to program piszący do metadanych zasobów, który udostępnia okresy istnienia zasobów i mapowanie symbolu do identyfikatora zasobu (sid). Może to również zawierać nazwę zasobu, wymianę i kilka innych kolumn. Aby zapisać dane, wywołaj metodę write () z ramkami danych dla różnych fragmentów metadanych. Więcej informacji o formacie danych istnieje w dokumentach do zapisu. minutebarwriter minutebarwriter jest instancją BcolzMinuteBarWriter. Ten program piszący służy do konwertowania danych na wewnętrzny format bcolz zipline8217s, aby później odczytać go za pomocą BcolzMinuteBarReader. Jeśli podane są minimalne dane, użytkownicy powinni wywołać write () z krotkami iterowalnymi (sid, ramek danych). Argument showprogress powinien również zostać przekazany do tej metody. Jeśli źródło danych nie zapewnia danych na poziomie minimalnym, nie ma potrzeby wywoływania metody zapisu. Dopuszczalne jest również przekazanie pustego iteratora do write () w celu zasygnalizowania, że nie ma żadnych drobiazgowych danych. Dane przekazywane do write () mogą być leniwym iteratorem lub generatorem, aby uniknąć ładowania wszystkich minut danych do pamięci w tym samym czasie. Dany sid może również pojawiać się wiele razy w danych, o ile daty są ściśle rosnące. dailybarwriter dailybarwriter jest instancją BcolzDailyBarWriter. Ten program piszący służy do konwertowania danych do wewnętrznego formatu bcolz zipline8217s, aby później odczytać go za pomocą BcolzDailyBarReader. Jeżeli podane są dane dzienne, użytkownicy powinni wywołać write () z krotkami iterowalnymi (sid-ramka danych). Argument showprogress powinien również zostać przekazany do tej metody. Jeśli źródło danych nie dostarcza danych dziennych, nie ma potrzeby wywoływania metody zapisu. Dopuszczalne jest również przekazanie pustego pliku iterowalnego do write () w celu zasygnalizowania, że nie ma danych dziennych. Jeśli nie podano żadnych danych dziennych, ale dostarczane są dane minimalne, nastąpi codzienny pakiet do obsługi codziennych żądań historii. Jak minutnik. dane przekazane do write () mogą być leniwą iterowalną lub generatorem, aby uniknąć jednoczesnego ładowania wszystkich danych do pamięci. W przeciwieństwie do minutówki. sid może pojawić się tylko raz w danych iterowalnych. adjustwriter adjustmentwriter jest instancją SQLiteAdjustmentWriter. Ten pisarz służy do przechowywania podziałów, fuzji, dywidend i dywidend giełdowych. Dane powinny być dostarczane jako ramki danych i przekazywane do zapisu (). Każde z tych pól jest opcjonalne, ale autor może przyjąć tyle danych, ile masz. kalendarz kalendarza jest instancją zipline. utils. calendars. TradingCalendar. Kalendarz jest dostarczany, aby pomóc niektórym pakietom generować zapytania w wymaganych dniach. Rozpoczęcie sesji jest obiektem pandas. Timestamp wskazującym pierwszy dzień, w którym pakiet powinien załadować dane. Endsession endsession to obiekt pandas. Timestamp wskazujący ostatni dzień, w którym pakiet powinien załadować dane. cache jest instancją fileframecache. Ten obiekt jest odwzorowaniem od ciągów do ramek danych. Ten obiekt jest przewidziany na wypadek, gdy spożycie rozbije się na części. Chodzi o to, że funkcja ingest powinna sprawdzać pamięć podręczną dla surowych danych, jeśli nie ma ich w pamięci podręcznej, powinna ją pobrać, a następnie zapisać w pamięci podręcznej. Następnie może analizować i zapisywać dane. Pamięć podręczna zostanie wyczyszczona dopiero po pomyślnym załadowaniu, co uniemożliwi ponowne pobranie wszystkich danych przez funkcję ingest, jeśli wystąpi błąd w analizie. Jeśli pobieranie danych jest bardzo szybkie, na przykład jeśli pochodzi z innego lokalnego pliku, nie ma potrzeby korzystania z tej pamięci podręcznej. showprogress showprogress jest boolowskim, co oznacza, że użytkownik chciałby otrzymać informację o postępie procesu pobierania i zapisywania danych. Kilka przykładów, gdzie pokazać, ile plików pobrałeś z całej potrzebnej, lub jak daleko w jakiejś konwersji danych jest funkcja spożycia. Jednym z narzędzi, które mogą pomóc w implementacji showprogress dla pętli, jest maybeshowprogress. Argument ten powinien zawsze być przekazywany do minutebarwriter. write i dailybarwriter. write. outputdir outputdir to ciąg reprezentujący ścieżkę pliku, w którym zapisane zostaną wszystkie dane. outputdir będzie jakimś podkatalogiem ZIPLINEROOT i będzie zawierał czas rozpoczęcia bieżącego przetwarzania. To może być użyte do bezpośredniego przenoszenia zasobów tutaj, jeśli z jakiegoś powodu twoja funkcja przetwarzania może wytworzyć własne wyjścia bez pisarzy. Na przykład pakiet quantopian: quandl używa tego do bezpośredniego rozpakowania pakietu do katalogu outputdir.
No comments:
Post a Comment