- Join our Community!
- Documentation
- 想贡献点什么吗?请参阅我们的Development Guidelines
功能
- 易用性:Zipline试图为您让路,这样您就可以专注于算法开发。有关代码示例,请参见下面的内容
- “含电池”:许多常见的统计数据,如移动平均和线性回归,都可以很容易地从用户编写的算法中访问
- PyData集成:历史数据的输入和性能统计数据的输出基于Pandas DataFrames,可以很好地集成到现有的PyData生态系统中
- 统计和机器学习库:您可以使用matplotlib、scipy、statsmodel和skLearning等库来支持最先进的交易系统的开发、分析和可视化
安装
Zipline目前支持Python 2.7、3.5和3.6,可以通过pip或conda安装
注:安装Zipline比一般的Python包稍微复杂一些。查看完整内容Zipline Install Documentation有关详细说明,请参阅
对于开发安装(用于开发Zipline本身),创建并激活一个viralenv,然后运行etc/dev-install
脚本
快速入门
请参阅我们的getting started tutorial
以下代码实现了一个简单的双重移动平均算法
from zipline.api import order_target, record, symbol def initialize(context):
context.i = 0 context.asset = symbol('AAPL')
def handle_data(context, data):
# Skip first 300 days to get full windows context.i += 1 if context.i < 300:
return # Compute averages # data.history() has to be called with the same params # from above and returns a pandas dataframe. short_mavg = data.history(context.asset, 'price', bar_count=100, frequency="1d").mean()
long_mavg = data.history(context.asset, 'price', bar_count=300, frequency="1d").mean()
# Trading logic if short_mavg > long_mavg:
# order_target orders as many shares as needed to # achieve the desired number of shares. order_target(context.asset, 100)
elif short_mavg < long_mavg:
order_target(context.asset, 0)
# Save values for later inspection record(AAPL=data.current(context.asset, 'price'),
short_mavg=short_mavg,
long_mavg=long_mavg)
然后,您可以使用Zipline CLI运行此算法。首先,您必须下载一些定价和资产数据示例:
$ zipline ingest
$ zipline run -f dual_moving_average.py --start 2014-1-1 --end 2018-1-1 -o dma.pickle --no-benchmark
这将下载来自Quandl的资产定价数据,并在指定的时间范围内通过算法流式传输。然后,生成的Performance DataFrame保存在dma.pickle
,您可以从Python中加载和分析
您可以在zipline/examples
目录
有问题吗?
如果您发现了错误,请随时open an issue并填写问题模板
贡献
欢迎所有贡献、错误报告、错误修复、文档改进、增强和想法。有关如何设置开发环境的详细信息,请参阅我们的development guidelines
如果您希望开始使用Zipline代码库,请导航到GitHub问题选项卡,开始查看有趣的问题。有时会有一些问题被标记为Beginner Friendly或Help Wanted
您可以随时在mailing list或打开Gitter
注意事项
请注意,Zipline不是一个由社区主导的项目。Zipline是由Quantopian工程团队维护的,我们很小,经常很忙
正因为如此,我们想警告您,我们可能在几个月甚至几年内不会处理您的拉请求、问题或直接提及。我们希望您能理解,我们希望这封信能帮助您减少任何挫败感或浪费时间。