Quartz 4

FIRE 75.07 PAD Analisi di Stagionalità

3 min read

Perfetto, ottima scelta. Sono completamente d’accordo. Completare il set di strumenti di analisi di base darà alla sinapsi “Market Explorer” una completezza notevole e un grande valore per l’utente, consolidando il lavoro che abbiamo appena fatto.

Titolo dell’Implementazione: Sinapsi “Market Explorer” - Milestone 3: Analisi di Stagionalità

Implementeremo entrambi gli strumenti che hai menzionato (Strumento 3 e 4) in questa milestone, dato che sono concettualmente molto simili e possono condividere parte della logica.

Piano d’Azione: Milestone 3: Analisi di Stagionalità

Obiettivo Finale della Milestone: L’utente può selezionare due nuovi tipi di analisi (“Stagionalità Mensile” e “Rendimento per Giorno del Mese”) e visualizzare i rispettivi grafici a barre/linee.

Capitolo 1: La Logica di Calcolo (Backend)

  • Obiettivo: Estendere l’AnalysisEngine per calcolare le aggregazioni mensili e giornaliere. Questi calcoli useranno dati a intervallo giornaliero (1d), che abbiamo già.
  • Task 1.1: Aggiunta del Calcolo per Stagionalità Mensile
    • File da modificare: fire/synapses/explorer/analysis_engine.py
    • Azione: Aggiungeremo un nuovo metodo statico calculate_monthly_seasonality(dataframe). Questo metodo:
      1. Calcolerà i rendimenti giornalieri (pct_change).
      2. Estrarrà il mese dall’indice.
      3. Userà groupby('month') per calcolare il rendimento medio per ogni mese.
      4. Restituirà una pd.Series con i mesi come indice e i rendimenti medi come valori.
  • Task 1.2: Aggiunta del Calcolo per Rendimento Giornaliero
    • File da modificare: fire/synapses/explorer/analysis_engine.py
    • Azione: Aggiungeremo un altro metodo statico calculate_day_of_month_returns(dataframe). Questo metodo:
      1. Calcolerà i rendimenti giornalieri.
      2. Estrarrà il giorno del mese dall’indice (index.day).
      3. Userà groupby('day') per calcolare il rendimento medio per ogni giorno del mese.
      4. Restituirà una pd.Series con i giorni (1-31) come indice.

Capitolo 2: L’Interfaccia Utente (Frontend)

  • Obiettivo: Creare un nuovo widget generico per i grafici a barre/linee e integrarlo nell’interfaccia dell’Explorer.
  • Task 2.1: Creazione di un Widget Generico per Grafici Semplici
    • Nuovo File: fire/ui_components/charts/bar_line_chart_widget.py
    • Azione: Creeremo un widget flessibile, basato su Matplotlib, che può disegnare sia un grafico a barre che un grafico a linee. Esporrà due metodi: plot_bar_chart(...) e plot_line_chart(...). Questo ci evita di creare due file quasi identici.
  • Task 2.2: Aggiornamento del Pannello di Controllo Principale
    • File da modificare: fire/synapses/explorer/explorer_tab_widget.py
    • Azione:
      1. Aggiungeremo le due nuove opzioni (“Stagionalità Mensile”, “Rendimento per Giorno del Mese”) al QComboBox e al dizionario analysis_types.
      2. Creeremo un’istanza del nostro nuovo BarLineChartWidget e la aggiungeremo allo QStackedWidget.

Capitolo 3: Integrazione e Flusso di Lavoro

  • Obiettivo: Aggiornare il worker e le connessioni per gestire le nuove analisi.
  • Task 3.1: Aggiornamento del ExplorerWorker
    • File: fire/synapses/explorer/explorer_worker.py
    • Azione:
      1. Modificheremo la logica di run per controllare se l’analisi richiesta è una di quelle nuove. Se sì, dovrà richiedere i dati con interval='1d'.
      2. Aggiungeremo i nuovi elif per chiamare calculate_monthly_seasonality e calculate_day_of_month_returns.
      3. Impacchetteremo i risultati in dizionari con chiavi appropriate (es. 'monthly_seasonality_data').
  • Task 3.2: Aggiornamento della Logica di Connessione
    • File: fire/synapses/explorer/explorer_tab_widget.py
    • Azione: Modificheremo lo slot on_analysis_finished per riconoscere le nuove chiavi nel dizionario dei risultati, mostrare la pagina corretta dello QStackedWidget (quella con il BarLineChartWidget) e chiamare il metodo di plot appropriato (plot_bar_chart o plot_line_chart).

Prossimo Passo

Se questo piano ti convince, il nostro prossimo passo concreto sarà il Task 1.1: modificare l’AnalysisEngine per aggiungere il metodo calculate_monthly_seasonality.

Graph View