本文介绍如何使用zipline库搭建量化回测框架。通过一个均线策略示例，展示了策略思想和回测结果。文章探讨了自行搭建回测框架的原因，包括硬件限制、回测细节控制和策略安全。zipline-chinese版本被用于本地化数据加载和回测，文中详细解析了load_data函数，获取和处理股票历史数据。后续内容将逐步解析zipline回测流程和注意事项。
来源：雪球App，作者： 量化小王子，（https://xueqiu.com/9842090891/120038584）
在国外大名鼎鼎的quantopian 体系下，有三大著名的用于量化分析的python包，分别是zipline包，用于支持各种回测，支持分钟和日线级别回测，是最常用的一种，优矿和聚矿据说也是基于此的；Alphales 包也是用于回测，但主要使用在初期的因子回测，用以更快速的计算因子的收益、因子的IC、换手情况和并画出不同分类的净值曲线图。Pyfolio个人用的不太多，主要是配合zipline主要用来分析因子风险。
做数量化研究，很多时候只要熟练掌握一门编程语言，能够自己的想法进行实现就可以。想法验证到后期，就需要把我们的想法结合历史数据跑一遍，进而来验证我们的想法是否可行。Zipline就是这样一个轮子，能够更快速方便的帮助我们实现我们的想法。
首先我们实现一个均线日线策略。持股池为[‘000001’,’000002’,’000004’,’000005’],回测时间为2017-08-01 -----2019-01-15。
策略思想是判断股票的收盘价和这三天的均价比值，如果收盘价高于三日均价*1.005买入300股，如果收盘价小于三日均值*0.995则卖出300股，反之不变。然后我们可以使用zipline包回测一下，可以得到如下的曲线：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
