Zipline回测框架学习

来源:互联网 发布:网络教育统考作弊 坐牢 编辑:程序博客网 时间:2024/05/24 05:11

Official Tutorial

  1. Every zipline algorithm consists of two functions you have to define:

    • initialize(context)
    • handle_data(context, data)
  2. context is a persistent namespace for you to store variables you need to access from one algorithm iteration to the next.

  3. Zipline的本地化回测应用主要涉及2大块内容:TradingEnvironmentTradingAlgorithm
    TradingEnvironment主要用于本地化交易环境设置,而TradingAlgorithm则是Zipline回测框架的主对象,可以理解为回测入口。

  4. TradingEnvironment本地化最重要的就是设置:

    • tradingcalendar
    • benchmarke_return
    • treasury_return
      tradingcalendar用于设置tradingdays,其默认已排除周六周日,因此只需要重写一个py文件将每年对应的holiday(国内假期)从tradingdays除去即可。
      而benchmarke_return和treasury_return则作为策略回报的比较基准,将国内沪深300和对应各期限国债收益率通过重载load函数导入,将load函数对象传入至TradingEnvironment即可。
      注意benchmarke_return为Pandas的Series对象,treasury_return为DataFrame对象,各期限必须包含1month ~ 10year间所有。
  5. TradingAlgorithm的本地化则需要重点设置:simulation_parametersinitialize函数对象,handle_data函数对象。
    simulation_parameters包括策略回测的起始日期和回测频率,回测起始日期必须通过Pandas的tz_localize本地化,而回测频率包含daily和minute两种方式。
    而initialize函数与handle_data函数则用于策略初始化和模拟Bar周期反复回调所用。

  6. 数据的准备:理论上Zipline只支持其内置的DataPortal类型,它是其回测模拟所有数据的接口。
    考虑到通用性,Zipline目前也支持pandas的DataFrame和Panel,只不过它对DataFrame的支持就是将其很粗暴的转换为Panel来实现的。因此,就目前来说,Zipline只支持内置DataPortal和Pandas的Panel两种类型。所以,用户可以将任何本地可获取的数据首先转换为DataFrame,其index按日递增,columns为小写的open、high、low、close和volume等。然后以DataFrame为value,数据ticker为key来构建相对应的Panel作为回测本地化的标准数据输入。

原创粉丝点击