PutWrite vs. BUYWRITE differenze Indice Venerdì, 20 gennaio 2017 Un documento breve ma interessante accademico sulle differenze in un noto CBOE PutWrite e BUYWRITE Indici: Titolo: PutWrite contro BUYWRITE: Parità Sì, Put-Call Tiene anche qui il CBOE Indice PutWrite ha sovraperformato l'indice BUYWRITE di circa il 1,1 per cento l'anno tra il 1986 e il 2015. Questo è abbastanza impressionante. Ma preoccupante. Si ndash preoccupante ndash perché la teoria di put-call parity ci dice che tale sovraperformance dovrebbe essere quasi impossibile attraverso un avvincente restrizione assenza di arbitraggio. Questo documento spiega il mistero di questa sovraperformance, che ha implicazioni per la costruzione del portafoglio. citazioni degne di nota dal documento di ricerca accademica: quotWriting indici azionari chiamate coperta è un approccio efficace per guadagnare congiuntamente il premio per il rischio azionario e volatilità. Così anche sta scrivendo nudi azionari indice Opzioni put. Quale approccio è migliore Molti investitori confrontare la performance storica dei due approcci per la risposta, che potrebbe condurre alla conclusione che ha messo-scrittura è preferibile chiamate coperte. In superficie, sembra che la scrittura opzioni put sarebbe l'approccio preferito. Il PutWrite indice CBOE (PUT) ha sovraperformato l'indice BUYWRITE (BXM) di circa il 1,1 per cento l'anno tra il 1986 e il 2015. Questo è abbastanza impressionante. Ma preoccupante. Si ndash preoccupante ndash perché la teoria di put-call parity ci dice che tale sovraperformance dovrebbe essere quasi impossibile attraverso un avvincente restrizione assenza di arbitraggio. Il motivo principale dietro la differenza di prestazioni in PutWrite e BUYWRITE indici è dovuto a una differenza di costruzione durante appena quattro ore al mese. Una differenza eccentrico nei loro risultati di costruzione del portafoglio nell'Indice PutWrite rinunciare a circa quattro ore al mese di SampP 500 Index rendimento relativo all'Indice BUYWRITE. Ogni mese la mattina del opzione di scadenza, sia le BuyWritersquos call option e il PutWritersquos put scadenza e risolvere allo stesso tempo alla speciale aperto Quotazione (SOQ). In questo momento, l'opzione di scadenza spoglia completamente il PutWrite indice della sua esposizione azionaria. Fino a quando non ristabilisce una posizione un'opzione corta parole, si tratta di un portafoglio pari a zero beta. Al contrario, nello stesso tempo, il portafoglio BUYWRITE diventa un beta un portafoglio con la scadenza del suo call option, perché è completamente investito nell'indice SampP 500 con nessuna posizione opzione breve chiamata corrispondente. Rimane un beta un portafoglio fino ristabilisce la sua posizione corta opzione chiamata. Quindi, oltre questa finestra di quattro ore, l'indice BUYWRITE è sovraesposta al SampP 500 rispetto alla sua esposizione media a lungo termine. Allo stesso modo, l'indice PutWrite è sotto-esposta al SampP 500 relativa alla sua esposizione media a lungo termine. A titolo di esempio, in media, tra il 2004 e il 2015, l'indice SampP 500 è sceso di 23 punti base nelle mattine opzione di scadenza. I rendimenti azionari in questo periodo quattro ore a 12 volte l'anno suggerisce 2.7 di sottoperformance annuale per la BUYWRITE indice relativo all'Indice PutWrite. L'aggiunta di nuovo in intercetta (annualizzato) fornisce un effetto combinato di 2.0 di annualizzato scadenza aggiornato sottoperformance. Questo è molto vicino al 2,1 l'indice BUYWRITE sottoperformato l'indice PutWrite per le stesse dal 2004 al 2015 i premi Factor period. quot purificata nei mercati azionari Sabato 14 gennaio 2017 Un interessante documento accademico relativi a un sacco di strategie di stagionalità, ma soprattutto per : Autori: de Carvalho, Xiao, Soupe, Dugnolle Titolo: diversificare e premi Purify Factor nei mercati azionari in questo lavoro si considera la questione di come migliorare l'efficacia delle strategie progettati per catturare i premi fattore dei mercati azionari e, in particolare, da il valore, la qualità, a basso rischio e lo slancio fattori. Consideriamo una serie di approcci costruzione del portafoglio progettati per catturare i premi factor con gli adeguati livelli di controllo del rischio volte ad aumentare i rapporti informativi. Abbiamo dimostrato che i rapporti informativi possono essere aumentate di mira volatilità costante nel tempo, la copertura beta mercato e alle esposizioni di copertura al fattore dimensione, cioè neutralizzando pregiudizi nella capitalizzazione di mercato delle azioni utilizzati nelle strategie di fattori. Per quanto riguarda la neutralizzazione delle esposizioni settore, abbiamo trovato questo essere di importanza in particolare per il valore e fattori di rischio basso. Infine, guardiamo il valore aggiunto di corto circuito scorte nelle strategie dei fattori. Troviamo che con poche eccezioni i contributi alle performance dal gamba corta sono inferiori a quelli della gamba lunga. Così, a lungo solo strategie possono essere alternative efficaci per catturare questi premi fattore. Infine, troviamo che i premi dei fattori tendono ad avere code più ampie rispetto a quello che ci si poteva aspettare da una distribuzione gaussiana dei rendimenti, ma che l'asimmetria non è significativamente negativo nella maggior parte dei casi. citazioni degne di nota dal documento di ricerca accademica: quotIn questo lavoro mostrano l'importanza della costruzione del portafoglio quando si tratta di catturare in modo efficiente i premi fattore. Mostriamo prima che gli approcci più semplici e più tradizionali per investire fattore tendono a generare più bassi rendimenti adeguati al rischio a causa del rischio incontrollato e l'esposizione involontaria all'indice di mercato o di capitalizzazione di mercato pregiudizi. Abbiamo dimostrato che le strategie che hanno come target la volatilità costante e copertura del beta di mercato e l'esposizione a misura fornire informazioni rapporti più elevati. Ciò è in particolare dovuta alla riduzione della volatilità. Mostriamo anche l'importanza di rimuovere l'esposizione del settore come una fonte addizionale di rischio senza ritorno in fattore di investire. E spieghiamo perché lungo unico fattore che investe in grado di catturare un po 'in modo efficiente i premi fattore, in particolare dai bassi fattori di rischio e quantità di moto. Inoltre, abbiamo dimostrato l'importanza di diversificare i fattori in ogni stile grazie alla decorrelazione del fattore ritorna anche all'interno dello stesso stile. Infine, abbiamo dimostrato che i premi dei fattori tendono a mostrare code grasse, ma anche una parte relativamente piccola asimmetria. Nel complesso, difendiamo l'importanza di purificare e diversificare l'esposizione fattore di fattore di investire come un modo per migliorare in modo significativo rendimenti adeguati al rischio da strategie di fattori. E anche se questo fa sì che il fatturato ad aumentare a causa della necessità di ulteriori traffici, si evidenzia il fatto che la maggior parte dei benefici indicati in questo documento possono essere catturati in pratica utilizzando approcci intelligenti per contenere turnover. quot stagionalità in magazzino Consegna Domenica 8 Gennaio , 2017 Autori: Hirschleifer, Jiang, Meng Titolo: Mood Beta e stagionalità dei rendimenti archivio di ricerca esistenti ha documentato la stagionalità della sezione trasversale dei rendimenti azionari ndash sovraperformance periodica di alcuni titoli relativi ad altri nel corso dello stesso mese di calendario, giorno della settimana, o pre - periodi di vacanza. Un modello basato sulla sensibilità differenziale delle scorte di umore degli investitori spiega questi effetti e implica una nuova serie di modelli stagionali. Troviamo che la performance relativa tra le scorte durante i periodi di umore positivo (ad es gennaio, venerdì, il mese migliore-rendimento realizzato nel corso dell'anno, il giorno migliore rendimento realizzato in una settimana, prefestivo) tende a persistere nei periodi futuri con l'umore congruente (ad esempio, gennaio, Venerdì, pre-vacanza), e per invertire in periodi di umore non congruenti (ad esempio ottobre Lunedi, post-vacanza). Azioni con maggiori beta umore stimati durante le finestre di stagione di umori forti (ad esempio JanuaryOctober, MondayFriday, o pre-festivi) guadagnano rendimenti attesi più elevati durante le future stagioni stato d'animo positivo, ma i rendimenti inferiori previsto durante le future stagioni stato d'animo negativo. citazioni degne di nota dal documento di ricerca accademica: quotWe proponiamo qui una teoria basata sull'umore degli investitori di offrire una spiegazione integrato per la stagionalità noti sia a livello aggregato che trasversali, e per offrire nuove implicazioni empiriche che abbiamo anche dei test. Nel nostro modello, con gli investitori positivi altalene (negativo) di umore causano ottimismo periodica (pessimismo) nel valutare i segnali su assetsrsquo componenti sistematiche e idiosincratiche payoff. Ciò si traduce in variazioni stagionali in mispricing e prevedibilità ritorno. In linea con le previsioni del modello, scopriamo una serie di nuove stagionalità ritorno trasversali basate sull'idea che le scorte che sono stati molto sensibili alle fluttuazioni dell'umore stagionali in passato sarà anche sensibile in futuro. In altre parole, si sostiene che alcuni stock hanno sensibilità superiori a cambiamenti di umore (più alto stato d'animo beta) rispetto ad altri, che crea un collegamento tra stagionalità aggregati umore-driven e stagionalità nella sezione dei rendimenti. In particolare, sosteniamo che l'umore degli investitori varia in modo sistematico attraverso mesi di calendario, i giorni feriali e festivi. Di conseguenza, un beta umore stimato utilizzando i rendimenti di sicurezza nelle stagioni con i cambiamenti di umore aiuta a prevedere i futuri rendimenti stagionali in altri periodi in cui si prevede l'umore a cambiare. Durante il nostro periodo di campionamento 1963-2015. il rendimento in eccesso magazzino media (misurata con CRSP ritorno indice pari ponderato meno il tasso privo di rischio) è più alta nel mese di gennaio e il più basso nel mese di ottobre. Così, ci concentriamo su gennaio come un proxy per uno stato di investitore alto l'umore e ottobre per uno stato di bassa-mood. Utilizzando regressioni Fama-MacBeth, verifichiamo il ritrovamento di Heston e Sadka (2008) per il mese di gennaio e Octobermdashhistorical ottobre (ottobre) performance relativa tende a persistere in futuro di gennaio (ottobre) per i seguenti dieci o più anni. Nella nostra interpretazione, le scorte che fanno meglio di altri durante uno mesi tenderanno a fare meglio di nuovo nello stesso mese in futuro, perché c'è uno stato d'animo congruente in quel momento. Inoltre, troviamo un nuovo effetto di inversione che attraversa mesi con rendimenti storici umori incongruenti gennaio (ottobre) nella sezione trasversale tende a correggere in modo significativo in Octobers successivi (Januaries). Uno stock che ha fatto meglio rispetto ad altri titoli scorso gennaio tende a fare peggio rispetto ad altri titoli nel mese di ottobre per i prossimi cinque anni o giù di lì. Un aumento di un deviazione standard nel congruente storica (incongruenti) - Calendario mesi conduce una media 23 incremento (17 diminuzione) nei prossimi dieci anni, rispetto ai rendimenti medi JanuaryOctober. La nostra spiegazione di questi effetti non è specifico alla frequenza mensile. Un modo utile per sfidare la nostra teoria è quindi quello di testare per la stagionalità trasversali comparabili a altre frequenze. Spostamento al dominio dei rendimenti giornalieri, documentiamo un simile insieme di congruentincongruent-mood-giorni feriali ritorno di persistenza e di inversione effetti. Confermiamo questo effetto di ritorno di persistenza per i ritorni lunedì e venerdì, e poi mostrare, in analogia con i risultati mensili, che un effetto di ritorno di persistenza congruenti-mood-giorno della settimana si applica: performance relativa tra le scorte sul best-mercato-ritorno (worst-Mercato ritorno) giorno realizzato in una settimana tende a persistere nelle successive dieci venerdì (lunedì) e al di là, quando si prevede che buona (prestazioni cattivo) di mercato per continuare. Un aumento di un deviazione standard in cambio storico congruente-giorno della settimana o congruenti-mood-giorno della settimana è associata una media con un rendimento del 4 o 12 più elevato nei successivi dieci MondaysFridays. A livello di singoli titoli, non vi è pre-vacanza stagionalità della sezione trasversale, in cui le scorte che storicamente hanno ottenuto rendimenti superiori pre-vacanze, in media, guadagnano rendimenti più elevati di pre-vacanza per la stessa vacanza nel corso dei prossimi dieci anni. Gli effetti della sezione trasversale di ritorno di persistenza e di inversione in tutta mesi, nei giorni feriali, e le vacanze sono nel complesso in linea con le nostre previsioni teoriche che investorsrsquo fluttuazioni dell'umore stagionali provocano percezioni errate stagionali circa fattore e payoff firm-specific e portare a stagionalità ritorno trasversali. Queste previsioni si basano sull'idea che i diversi titoli hanno differenti stockrsquos umore betamdasha tornare sensibilità al fattore di mispricing indotto da shock di umore. Noi sosteniamo che il concetto di umore beta integra vari effetti di stagionalità. Abbiamo quindi effettuare più prove dirette del modello di previsione che beta umore vi aiuterà prevede la performance relativa delle scorte in stagioni con diverse moods. quot Quantopian amp Quantpedia Trading Strategia Serie: Cross-sezionale Patrimonio mean reversion Giovedi, 29 dicembre, il 2016 Quantopian amp Quantpedia Trading strategia serie continua. Ora, con un 4 ° articolo, sempre scritto da Matthew Lee, si è concentrata su di sezioni trasversali Patrimonio mean reversion (Strategia 13): a sezione trasversale mean reversion in azioni (forte tendenza di titoli con gainslosses forti per invertire in un lasso di tempo breve termine - fino a un mese) è una osservazione del mercato ben noto e la ragione principale per cui così tanti ricercatori accademici generalmente utilizzano un 2-12 di misura slancio (rendimenti negli ultimi 12 mesi, escludendo quello precedente) in sede di esame slancio anomalia. Molti documenti accademici hanno esaminato questo effetto, il più notevole sono saggi di Jagadesh. e Bruce Lehmann (vedere la sezione papersquot quotOther su Quantpedia sottopagina per questa strategia di inversione per ulteriori articoli di ricerca accademici). La maggior parte studiosi ipotizzano che le ragioni fondamentali per l'anomalia sono frizioni mercato microstruttura (bid-ask rimbalzo) o investors39 distorsioni cognitive - reazione eccessiva alle informazioni passate e una correzione di quella reazione dopo un breve orizzonte temporale. Ma è questa semplice strategia azionaria ancora in utile Matthew Lee da Quantopian effettuata una analisi indipendenti sui durante un fuori periodo di campionamento dal 12-01-2011 al 2016/12/01. Nel complesso, le prestazioni di semplice strategia di inversione del patrimonio netto a breve termine è al di sotto del mercato. Ma, it39s da notare che questa strategia è longshort rispetto ad appena il tempo di sola benchmark azionario (che è la spia). Quindi, se vogliamo confrontare le prestazioni totale di tale strategia, dovremmo confrontare lungo solo inversione degli stock quotloser decilequot. Longshort strategia di inversione di equità ha un indice di Sharpe 0,84 e Beta di 0,15. Sharpe ratio della versione longshort è paragonabile a portafoglio di mercato e una bassa correlazione della strategia di inversione di equità rende possibile un addon di portafoglio di investimenti. Però. strategia di inversione è molto attivo (settimanale, riequilibrio bi-settimanale) che significa elevati costi di transazione e lo slittamento. Quindi, in realtà alta l'attenzione dovrebbe essere pagato in una implementazione reale e passaggi che cerca di limitare il fatturato strategy39s dovrebbe essere presa. La curva OOS equità finale: Grazie per l'analisi Matthew Si può anche controllare prima. secondo o terzo articolo di questa serie, se ti è piaciuto quello attuale. Restate sintonizzati per il prossimo. Un effetto delle condizioni monetarie in carry trade Giovedì 22 Dicembre 2016 Titolo: Riporta gli scambi e le condizioni monetarie Questo lavoro indaga il rapporto tra le condizioni monetarie ei rendimenti in eccesso derivanti da una strategia di investimento che consiste di prendere in prestito valute a basso tasso di interesse e di investire in valute con alti tassi di interesse, i cosiddetti tradequot quotcarry. I risultati indicano che carry trade media rendimento in eccesso, indice di Sharpe e 5 quantile differiscono sostanzialmente tra politica monetaria convenzionale espansiva e restrittiva prima della comparsa della recente crisi finanziaria. Al contrario, i parametri considerati non sono influenzati dalla politica monetaria non convenzionali durante la crisi finanziaria. citazioni degne di nota dal documento di ricerca accademica: quotMy risultato principale è che il portafoglio di ritorno carry trade medio, indice di Sharpe e 5 quantile di ffer sostanzialmente attraverso la politica monetaria convenzionale espansiva e restrittiva prima della comparsa della recente crisi finanziaria. fically Speci, trovo che i periodi espansivi sono caratterizzati da signi cativamente più elevati rendimenti medi e dei Sharpe e minore rischio di ribasso. A questo proposito, io sostengo che la politica monetaria espansiva convenzionale è in grado di migliorare le aspettative del mercato in tutti i paesi e in questo senso più basso rischio di volatilità FX. Questo genera un apprezzamento della valuta per le nazioni debitori netti e un aumento del carry trade Pro si adatta. In secondo luogo, vi presento le prove che suggeriscono che i parametri considerati sono simili in tutto la politica monetaria non convenzionale aggressiva e la stabilizzazione durante la recente crisi finanziaria. Così, la Federal Reserve potrebbe non un ffect aspettative del mercato in questo periodo. Per gli investitori, queste evidenze suggeriscono che ricompense da carry trade variano con i cambiamenti delle condizioni monetarie solo durante i periodi quotnormalquot. Per i ricercatori, questo suggerisce che la prova riconoscendo la rilevanza della politica monetaria è cruciale per comprendere le implicazioni dei prezzi di FX rischio di volatilità per trasportare trade. quotZipline è una libreria di trading algoritmico Pythonic. Si tratta di un sistema di event-driven che supporta sia backtesting e live-trading. Zipline è attualmente utilizzato in produzione come il backtesting e motore di live-commercio alimentare Quantopian 8211 un libero, centrata sulla comunità, ha ospitato la piattaforma per la creazione e l'esecuzione di strategie di trading. Facilità d'uso: Zipline cerca di ottenere dal tuo modo di modo che è possibile concentrarsi su sviluppo di algoritmi. Vedi sotto per un esempio di codice. Zipline viene 8220batteries included8221 come molte statistiche comuni come movimento di regressione lineare media e può essere facilmente accessibile dall'interno di un algoritmo scritta dall'utente. Input di dati e produzione di statistiche sulle prestazioni storiche si basano su Pandas DataFrames di integrarsi bene nel esistente ecosistema PyData. Statistica e di apprendimento automatico librerie come matplotlib, SciPy, statsmodels, e sostenere lo sviluppo sklearn, analisi e la visualizzazione di state-of-the-art sistemi di trading. Installazione Installazione con pip Supponendo di aver tutti i dati obbligatori (vedi nota sotto) non Python dipendenze, è possibile installare Zipline con pip via: Nota: L'installazione Zipline via pip è leggermente più complessa di quanto il pacchetto media Python. Semplicemente eseguendo pip installare zipline probabilmente fallirà se you8217ve mai installato tutti i pacchetti Python scientifici prima. Ci sono due ragioni per la complessità aggiuntiva: navi Zipline diverse estensioni C che richiedono l'accesso alle API CPython C. Per costruire le estensioni C, pip ha bisogno di accedere ai file di intestazione CPython per l'installazione di Python. Zipline dipende NumPy. la libreria di base per il calcolo numerico array in Python. NumPy dipende avere le routine di algebra lineare LAPACK disponibili. Perché LAPACK e le intestazioni CPython sono dipendenze binarie, il modo corretto per installarli varia da una piattaforma all'altra. Su Linux, gli utenti in genere acquisiscono queste dipendenze attraverso un gestore di pacchetti come apt. yum. o pacman. Su OSX, Homebrew è una scelta popolare che fornisce funzionalità simili. Vedere la piena Zipline installare la documentazione per ulteriori informazioni sull'acquisizione di dipendenze binarie per la piattaforma specifica. Un altro modo per installare Zipline è tramite il gestore di pacchetti Conda, che si presenta come parte di Anaconda o può essere installato tramite PIP installare Conda. Una volta configurato, è possibile installare Zipline dal nostro canale Quantopian: piattaforme attualmente supportate comprendono: Quickstart ContributionsData Bundles Scrivi fasci nuovo bundle dati esistono per rendere più facile da usare diverse fonti di dati con zipline. Per aggiungere un nuovo pacchetto, si deve implementare una funzione di ingerire. La funzione ingerire è responsabile del caricamento dei dati in memoria e passarlo a un insieme di oggetti scrittore fornite da zipline per convertire i dati in formato interno zipline8217s. La funzione di ingerire può funzionare scaricando i dati da una postazione remota come i quandl fascio o yahoo fasci o può semplicemente caricare i file che si trovano già sulla macchina. La funzione è provvisto di scrittori che scrivono i dati nella posizione corretta transazionale. Se un ingestione non riesce in parte attraverso il pacchetto non sarà scritto in uno stato incompleto. La firma della funzione di ingerire dovrebbe essere: environ è una mappatura che rappresenta le variabili di ambiente da utilizzare. Questo è dove tutti gli argomenti personalizzati necessari per l'ingestione dovrebbero essere passati, ad esempio: il fascio quandl utilizza il enviornment di passare la chiave API e il numero di tentativi tentativo di download. assetdbwriter assetdbwriter è un'istanza di AssetDBWriter. Questo è lo scrittore per i metadati risorsa che fornisce i tempi di vita degli asset e il simbolo di risorsa ID (SID) mappatura. Questo può anche contenere il nome del risparmio, lo scambio e poche altre colonne. Per scrivere i dati, richiamare write () con dataframes per i vari pezzi di metadati. Maggiori informazioni sul formato dei dati esiste nella documentazione per la scrittura. minutebarwriter minutebarwriter è un'istanza di BcolzMinuteBarWriter. Questo scrittore viene utilizzato per convertire i dati in formato bcolz interna zipline8217s per poi essere letto da un BcolzMinuteBarReader. Se viene fornito dati minuto, gli utenti devono chiamare write () con un iterabile di (SID, dataframe) tuple. L'argomento showprogress deve anche essere inviata a questo metodo. Se l'origine dati non fornisce dati a livello di minuto, quindi non c'è bisogno di chiamare il metodo di scrittura. E 'accettabile anche per passare un iteratore vuoto di scrivere () per segnalare che non ci sono dati minuziosamente. I dati passati a scrivere () può essere un iteratore pigri o generatore per evitare di caricare tutti i dati minuto in memoria in una sola volta. Un dato sid può anche apparire più volte nei dati fino a quando le date sono rigorosamente in aumento. dailybarwriter dailybarwriter è un'istanza di BcolzDailyBarWriter. Questo scrittore viene utilizzato per convertire i dati in formato bcolz interno zipline8217s per poi essere letto da un BcolzDailyBarReader. Se viene fornito dati giornalieri, gli utenti devono chiamare write () con un iterabile di (SID) dataframe tuple. L'argomento showprogress deve anche essere inviata a questo metodo. Se il shource dati non fornisce dati giornalieri, allora non c'è bisogno di chiamare il metodo di scrittura. E 'accettabile anche per passare un iterabile vuoto di scrivere () per segnalare che non ci sono dati giornalieri. Se i dati non viene effettuato ogni giorno, ma i dati minuto è previsto, un rollup quotidiano accadrà per soddisfare le richieste storia quotidiana. Come il minutebarwriter. i dati passati per scrivere () può essere una pigrizia generatore iterabile o per evitare di caricare tutti i dati in memoria alla volta. A differenza del minutebarwriter. un SID può comparire una sola volta nel iterabile dati. adjustmentwriter adjustmentwriter è un'istanza di SQLiteAdjustmentWriter. Questo scrittore viene utilizzato per memorizzare scissioni, fusioni, dividendi e dividendi. I dati dovrebbero essere forniti come dataframes e passati a scrivere (). Ognuno di questi campi sono opzionali, ma lo scrittore può accettare la maggior quantità di dati come si deve. calendario calendario è un esempio di zipline. utils. calendars. TradingCalendar. Il calendario è previsto per aiutare alcuni fasci di generare query per i giorni necessari. startsession startsession è un oggetto pandas. Timestamp che indica il primo giorno in cui il fascio deve caricare i dati. EndSession EndSession è un oggetto pandas. Timestamp che indica l'ultimo giorno che il pacchetto deve caricare i dati. cache è un'istanza di dataframecache. Questo oggetto è una mappatura da stringhe dataframes. Questo oggetto è prevista nel caso in cui una parte modo ingestione crash attraverso. L'idea è che la funzione di ingerire dovrebbe controllare la cache per i dati grezzi, se doesn8217t esiste nella cache, dovrebbe acquisire e quindi memorizzare nella cache. Poi si può analizzare e scrivere i dati. La cache verrà cancellata solo dopo un carico di successo, questo impedisce la funzione di ingerire da dover riscaricare tutti i dati se c'è qualche errore nel parsing. Se è molto veloce per ottenere i dati, per esempio se proviene da un altro file locale, allora non vi è alcuna necessità di utilizzare questa cache. showprogress showprogress è un valore booleano che indica che l'utente desidera ricevere feedback sui function8217s ingerire progresso recupero e scrittura dei dati. Alcuni esempi per cui per mostrare il numero di file che avete scaricato su un totale necessario, o quanto lontano in qualche conversione di dati la funzione di ingerire è. Uno strumento che può aiutare con l'attuazione showprogress per un ciclo è maybeshowprogress. Questo argomento deve essere sempre trasmesso al minutebarwriter. write e dailybarwriter. write. OutputDir OutputDir è una stringa che rappresenta il percorso del file in cui verranno scritti tutti i dati. OutputDir sarà qualche sottodirectory ZIPLINEROOT e conterrà il tempo di inizio della ingestione corrente. Questo può essere usato per spostare direttamente le risorse qui se per qualche motivo la funzione ingerire in grado di produrre it8217s proprie uscite senza gli scrittori. Ad esempio, il quantopian: fascio quandl utilizza per decomprimere direttamente il fascio nella OutputDir.
No comments:
Post a Comment