massive-com / massive-com/client-python

MSFT dividend data has gaps

Offen
#1,004 1 Kommentar 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

bug
Vorherrschende Sprache
Python
Sterne
1.5k
Forks
362
PR-Merge-Kennzahlen
Keine gemergten PRs in 30 T.

Beschreibung

I downloaded dividend data using the rest API and use them in my application. While debugging the data using Claude Code, it finds the following issue on MSFT dividend data. Could you fix them?

MSFT pays quarterly (Feb, May, Aug, Nov), but Massive's data for 2017 has only two records instead of four — the May and November ex-dividend dates are
missing entirely. Their haf values bundle two quarters of adjustment into each event.

The consequence for adjust_daily_bars.py: for any price date between 2017-02-14 and 2017-08-14, the next ex-div in our data is 2017-08-15 (haf=0.908207).
Yahoo has 2017-05-17 as next, with a haf that's lower by one dividend factor (~0.6%). So our adjusted prices are ~0.57–0.60% too high for that entire
window. Same story between Aug and Nov 2017.

This is a source data gap in Massive — nothing in the pipeline is broken. Everything from 2018 onward is fine.

Beitragsleitfaden

Für dieses Repository ist kein Beitragsleitfaden indexiert

Erste Schritte

  1. Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
  3. Forke das Repository und arbeite in einem Branch.
  4. Öffne einen Pull Request, der die Issue-Nummer nennt.

Rechercherichtung

Beginne mit der Überprüfung der Ex-Dividenden-Daten von MSFT für 2017 und des Verhaltens von adjust_daily_bars.py im Zeitraum vom 2017-02-14 bis 2017-11-14. Vergleiche die Massive-Datensätze und haf-Werte mit den gemeldeten Yahoo-Daten, um festzustellen, ob die Korrektur in den Quelldaten oder bei der Client-Verarbeitung vorgenommen werden sollte. Als erledigt gilt die Aufgabe, wenn die fehlenden Ereignisse im Mai und November korrekt dargestellt werden, ohne das Verhalten ab 2018 zu beeinträchtigen.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
python
Bereich
api, data
Issue-Typ
Bug
Schwierigkeit
5/5
Geschätzter Aufwand
Über eine Woche
Aktivitätsstatus
Veraltet
Klarheit
Muss geklärt werden
Anfängerfreundlichkeit
25/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.