- 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。
