pycharm zip函数_Zipline+Pycharm 安装与配置

写这篇文章的目的：

量化交易的平台众多，从国外的Quantopian 到 国内的各种平台。 但对于刚入门的人来说，总是喜欢找到一种知根知底的offline的本地处理的方式。这样做的好处是特别灵活，同时不用被各种平台所限制。随心所欲的加上自己的算法，心情舒畅。

如果你也和我一样，那么就看下去吧。

我使用的平台 and 准备工作

操作系统：Win10 Python 环境：Anaconda Python 3.5 IDE:Pycharm 专业版(学生一年免费)

用 Anaconda安装 Zipline

1.首先可以创建一个新的Python 环境。用于防止版本不兼容等问题同时方便环境管理。安装Anaconda最新版本后(我的是3.7)，在开始搜索里找到你的Anaconda Promompt (Anaconda 3)。进入Anaconda Promompt 后，我们就可以用conda的脚本啦。创建一个新的Python 3.5 的工作环境。由于Zipline现在只支持Python 3.5，所以需要创建一个3.5的环境。

conda create -n env_zipline python=3.5

2. 然后用activate 命令激活环境

activate env_zipline

3. 在你(env_zipline)环境中安装 Zipline

conda install -c Quantopian zipline

下面会介绍在Pycharm中或者其他环境中运行Zipline的demo栗子中会遇到的问题。

问题1：如何导入Quandl数据

导入Quandl数据是我遇到的第一个问题。原因是官方给的方法不适合Win10且已经过时了。需要去quandl 去注册一个 账号，然后拿到你的token，来设置你的QUANDL_API_KEY 代替那串666。

# 设置quandl的api key

set QUANDL_API_KEY=66666666666666

# 下载数据包

zipline ingest -b quandl

问题2：如何在Pycharm中使用Zipline

官方首先给出的是命令行的形式，如图一所示。但是我猜你一定不喜欢。图1.命令行方式运行

你也可以用 IPython Notebook,但是我也不喜欢。。所以我们就要用Pycharm+Zipline，因为我觉得调试起来很方便，debug的环境我比较熟悉。buyapple.py 修改后的demo程序代码如下,可以直接在pyhcarm中运行。主要使用的是 Zipline 中的 run_algorithm函数。

from zipline.api import order, record, symbol

from zipline.finance import commission, slippage

from zipline import run_algorithm

import pandas as pd

def initialize(context):

context.asset = symbol('AAPL')

context.set_commission(commission.PerShare(cost=.0075, min_trade_cost=1.0))

context.set_slippage(slippage.VolumeShareSlippage())

def handle_data(context, data):

order(context.asset, 10)

record(AAPL=data.current(context.asset, 'price'))

def analyze(context=None, results=None):

import matplotlib.pyplot as plt

# Plot the portfolio and asset data.

ax1 = plt.subplot(211)

results.portfolio_value.plot(ax=ax1)

ax1.set_ylabel('Portfolio value (USD)')

ax2 = plt.subplot(212, sharex=ax1)

results.AAPL.plot(ax=ax2)

ax2.set_ylabel('AAPL price (USD)')

# Show the plot.

plt.gcf().set_size_inches(18, 8)

plt.show()

def _test_args():

"""Extra arguments to use when zipline's automated tests run this example.

"""

import pandas as pd

return {

'start': pd.Timestamp('2014-01-01', tz='utc'),

'end': pd.Timestamp('2014-11-01', tz='utc'),

}

if __name__ == '__main__':

capital_base = 200000

start = pd.to_datetime('2015-01-01').tz_localize('US/Eastern')

end = pd.to_datetime('2016-01-01').tz_localize('US/Eastern')

result = run_algorithm(start=start, end=end, initialize=initialize,

capital_base=capital_base, handle_data=handle_data,

bundle='quandl', analyze=analyze)

你以为都好了吗，没有。测试的时候会调用benchmarks.py的文件来计算策略对比的一个基准。在 benchmarks.py 中使用了一个从 IEX 网站下载数据的链接，然而这个链接从19年就过期了。彻底的解决办法参考问题3.

错误入下所示。原因就是有一个SPY_benchmark.csv的文件需要从IEX的数据网站上下载，然而源码中的链接早已经不再支持。解决方法很多，比如可以在下载一个SPY_benchmark.csv放入对应的位置，文件可以在zipline的github中的resource文件夹中找到。我的放入位置为：C:\Users\Pro\.zipline\data，大家找到自己的对应位置即可。

下面给出一个相对正式的解决放法。

Traceback (most recent call last):

File "C:/Users/Pro/PycharmProjects/zipline_test/Buy_apple.py", line 62, in

bundle='quandl', analyze=analyze)

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\utils\run_algo.py", line 430, in run_algorithm

blotter=blotter,

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\utils\run_algo.py", line 159, in _run

trading_days=trading_calendar.schedule[start:end].index,

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\finance\trading.py", line 103, in __init__

self.bm_symbol,

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\data\loader.py", line 149, in load_market_data

environ,

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\data\loader.py", line 216, in ensure_benchmark_data

data = get_benchmark_returns(symbol)

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\zipline\data\benchmarks.py", line 39, in get_benchmark_returns

data = r.json()

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\site-packages\requests\models.py", line 897, in json

return complexjson.loads(self.text, **kwargs)

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\json\__init__.py", line 319, in loads

return _default_decoder.decode(s)

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\json\decoder.py", line 339, in decode

obj, end = self.raw_decode(s, idx=_w(s, 0).end())

File "C:\Users\Pro\Anaconda3\envs\env_zipline\lib\json\decoder.py", line 357, in raw_decode

raise JSONDecodeError("Expecting value", s, err.value) from None

json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)

首先在IEX 网站上注册 https://iexcloud.io/ 得到你的个人的token。然后在 benchmarks.py的源文件中找到 request.get().如下图所示：图2.benchmarks.py修改代码

用你的token代替 pk_numbersnumbersnumbers。

token = 'pk_numbersnumbersnumbers'

r = requests.get(

'https://cloud.iexapis.com/stable/stock/{}/chart/5y?token={}'.format(symbol, token)

)

结束语

运行结果如下图所示图3.运行结果

大家可以跑自己黑科技算法去做量化交易啦。接下来准备把框架的源程序看熟。我们一步步慢慢来。然后加上tushare的数据尝试做A股的数据分析。

最后我在我的github中上传了最后运行的文件：https://github.com/szy1900/Zipline-Demo-Code-Run-in-Pycharm​github.com

引用资料