파이썬의 map() 함수를 사용하여 매개 변수를 거래 모델에 전달하고 결과를 출력합니다. itertools.product를 사용하여 두 매개 변수의 가능한 모든 조합을 찾은 다음 해당 조합을 "run"이라는 함수에 전달합니다. 함수 실행은 반환의 팬더 데이터 프레임을 반환합니다. 열 머리글은 두 매개 변수의 튜플 및 반환의 샤프 비율입니다. 아래를 참조Python map() 함수가 Pandas DataFrame에 출력
def run((x,y)):
ENTRYMULT = x
PXITR1PERIOD = y
create_trade()
pull_settings()
pull_marketdata()
create_position()
create_pnl_output()
return DataFrame(DF3['NETPNL'].values, index=DF3.index, columns=[(ENTRYMULT,PXITR1PERIOD,SHARPE)])
내 main() 함수는 모두 8 개 코어에() 맵을 실행하기 위해 풀() 기능을 사용
if __name__ == '__main__':
global DF3
pool = Pool()
test1 =pool.map(run,list(itertools.product([x * 0.1 for x in range(10,12)], range(100,176,25))))
print test1
내가지도 기능을 할 수있는 전용 출력 목록을 알고 있습니다. 출력은 인쇄 TEST1에서 내 출력은 다음과 같습니다 반환 dataframe에서 헤더의 목록입니다
내 최종 목표는 (모든 반품 동일) 인덱스와 팬더 dataframe의 열 머리글을하는 것입니다[(1.0, 150, -8.5010673966997263)
2011-11-17 18.63
2011-11-18 17.86
2011-11-21 17.01
2011-11-22 15.92
2011-11-23 15.56
2011-11-24 15.56
2011-11-25 15.36
2011-11-28 15.18
2011-11-29 15.84
2011-11-30 NaN , (1.0, 175, -9.4016837593189102)
2011-11-17 22.63
2011-11-18 22.03
2011-11-21 21.36
2011-11-22 19.93
2011-11-23 19.77
2011-11-24 19.77
2011-11-25 19.68
2011-11-28 19.16
2011-11-29 19.56
2011-11-30 NaN , (1.1, 100, -20.255968672741457)
2011-11-17 12.03
2011-11-18 10.95
2011-11-21 10.03
2011-11-22 9.003
2011-11-23 8.221
2011-11-24 8.221
2011-11-25 7.903
2011-11-28 7.709
2011-11-29 6.444
2011-11-30 NaN , (1.1, 125, -18.178187305758119)
2011-11-17 14.64
2011-11-18 13.76
2011-11-21 12.89
2011-11-22 11.85
2011-11-23 11.34
2011-11-24 11.34
2011-11-25 11.16
2011-11-28 11.06
2011-11-29 10.14
2011-11-30 NaN , (1.1, 150, -14.486791104380069)
2011-11-17 26.25
2011-11-18 25.57
2011-11-21 24.76
2011-11-22 23.74
2011-11-23 23.48
2011-11-24 23.48
2011-11-25 23.43
2011-11-28 23.38
2011-11-29 22.93
2011-11-30 NaN , (1.1, 175, -12.118290962161304)
2011-11-17 24.66
2011-11-18 24.21
2011-11-21 23.57
2011-11-22 22.14
2011-11-23 22.06
2011-11-24 22.06
2011-11-25 22.11
2011-11-28 21.64
2011-11-29 21.24
2011-11-30 NaN ]
(ENTRYMULT, PXITR1PERIOD, SHARPE)를 아래의 해당 리턴과 비교하십시오. 그런 다음 모든 반품 시리즈에 대해 쌍으로 상관 관계 계산을 수행 할 것입니다.