zipline量化平台----本地化（上）

         无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx

 

 

        这么多python开源的量化平台中，zipline应该是应用最广泛的一个了，而且在quantopian的体系下，可以和pyfolio和alphalen无缝衔接。但是相比于之前笔者使用的backtrader量化回测平台，zipline在本地的实用化更加复杂。当然，如果用joinquant和ricequant下，其实很easy，但是云端运行策略，很多方面都会有限制。

        所以，zipline想真正用起来，第一步就是本地化。之前了解过本地化的过程，浅尝辄止了，而近来发现，zipline的受众太多了，但是国内的资料几乎是空白。所以笔者尝试进行一下本地化。

        这篇教程，并没有成功的本地化，碰到了一些问题，但是想必已经很接近了，仅此作为一个记录。

1.zipline安装

        这里，笔者建议安装zipline之前先安装最新的anaconda，然后用

conda install -c Quantopian zipline

        如果不是最新的anaconda，可能会有各种各样的问题。笔者用的是python2.7的版本，似乎3.X也是可以的。

2.zipline教程中的运行方法

        在zipline的官方教程中，重点讲了命令行的运行方法，如下：

zipline run -f ../../zipline/examples/buyapple.py --start 2000-1-1 --end 2014-1-1 -o buyapple_out.pickle

        zipline的ipython格式的教程中，还介绍了ipython中的运行方式，唯独没有介绍如何在pycharm这样的ide中运行的方式。

3.zipline在ide中运行的方式

        首先，在zipline中，我们需要两个关键函数来完成一个策略。教程中有如下这样段代码。

 

from zipline.api import order, record, symbol


def initialize(context):
    pass


def handle_data(context, data):
    order(symbol('AAPL'), 10)
    record(AAPL=data.current(symbol('AAPL'), 'price'))

        如果不知道这两个函数分别是干嘛的，大家可以先去joinquant上了解一下基本教程。

 

        那么，我们怎么在ide中运行这样的一个策略呢？

        方法就是我们构建一个TradingAlgorithm类，然后run这个类。

 

algor_obj = TradingAlgorithm(initialize=initialize, handle_data=handle_data)

        然后，我们run一下

perf_manual = algor_obj.run(data_c)

这样我们的策略就完成了。

 

一个完整的例子如下：

 

#-*- coding: utf-8 -*-
from datetime import datetime
from zipline.algorithm import TradingAlgorithm
from zipline.finance.trading import TradingEnvironment
from zipline.api import order, record, symbol, history
from zipline.finance import trading
from zipline.utils.factory import create_simulation_parameters
import pandas as pd
import numpy as np

n = 0
# Define algorithm
def initialize(context):
    context.asset = symbol('AAPL')
    print "initialization"
    pass

def handle_data(context, data):
    global n
    print "handle", n
    print data.history(context.asset, 'price', 1, '1d')#close price
    # print history(1, '1d', 'price').mean()
    n += 1
    order(symbol('AAPL'), 10)
    rec