из NumberxPR импорт оценивать на Quantopian - PullRequest
Новая
       21

из NumberxPR импорт оценивать на Quantopian

1 голос
/ 24 октября 2019

Я пытаюсь получить техническую информацию. с некоторыми из этих команд в этой ссылке: https://github.com/enigmampc/catalyst/blob/master/catalyst/pipeline/factors/equity/technical.py,, но в quant.notebook я не могу получить «из импортакачек Numberxpr», поэтому оценка не определена. Как я могу решить эту проблему?

из NumberxPr. Оценка импорта 

class FastochasticOscillator(CustomFactor):  
inputs=(USEquityPricing.close,USEquityPricing.high,USEquityPricing.low)  
window_safe=True  
window_length=14  

def compute(self, today, assets, out, closes, highs, lows):  
    highest_high= nanmax(highs, axis=0)  
    lowest_low= nanmin(lows, axis=0)  
    latest_close= closes[-1]  

    evaluate(  
        '((tc - ll) / (hh - ll)) * 100',  
        local_dict={  
            'tc':latest_close,  
            'll':lowest_low,  
            'hh':highest_high,  
        },  
        global_dict={},  
    out=out,  
    )

K = FastochasticOscillator (window_length = 14)

возвратный конвейер (столбцы = {
'K': K,

}, screen = base)

Я работаю над блокнотом Quantopian, и когда я пытаюсь импортировать его, я получаю следующее: InputRejected: при импорте оценки из Numberxpr возникла ошибка ImportError,Вы хотели импортировать errstate из numpy?

1 Ответ

0 голосов
/ 28 октября 2019

На самом деле я не нахожу способ импортировать Numberxpr на Quantopian, но на Jupyter это не создает проблем. Поэтому проблема связана с онлайн-IDE. Более того, я просто переписываю FastOsc ind. другим способом использовать его внутри конвейера в квантовой онлайн-среде IDE. 

class Fast(CustomFactor):
    inputs=(USEquityPricing.close,USEquityPricing.high,USEquityPricing.low)  
    window_length=14  
    def compute(self, today, assets, out, close, high, low):
        highest_high= nanmax(high, axis=0)  
        lowest_low= nanmin(low, axis=0)  
        latest_close= close[-1] 

        out[:]= ((latest_close - lowest_low) / (highest_high - lowest_low)*100)
...