摘要：上一章我们厘清了回测框架的两大门派。今天，我们来学习一款事件驱动流派中最具影响力、最经典的框架——Zipline。它由著名的量化平台 Quantopian 开发并开源，是许多现代回测框架（包括国内的米筐、聚宽等）的“祖师爷”。
《量化武器库》系列专门聚焦那些能极大提升我们量化研究和实盘效率的工具，打造一个覆盖数据、回测、分析到实战的全流程工具箱。
大家好，我是木泽！
上一章我们厘清了回测框架的两大门派。今天，我们来学习一款事件驱动流派中最具影响力、最经典的框架——Zipline。它由著名的量化平台 Quantopian 开发并开源，是许多现代回测框架（包括国内的米筐、聚宽等）的“祖师爷”。
虽然 Quantopian 平台已成往事，但 Zipline 作为其核心引擎，因其严谨的架构和强大的功能，至今仍被许多个人和机构研究者使用和维护。学习 Zipline，不仅是学习一个工具，更是学习一种机构级的量化研究范式。
Zipline 的设计充满了“学院派”的严谨风格，其核心理念是：
数据与代码分离： Zipline 强制要求你先将数据“打包”(Bundle)成其内部格式，回测时只与 Bundle 交互，保证了数据的统一和不可变性。统一的算法接口： 所有的策略都遵循一套固定的结构，包含 `initialize` 和 `handle_data` 两个核心函数。可复现性： 强调回测结果的确定性和可复现性。安装与环境： Zipline 的原版安装较为复杂，社区维护了许多更易于安装的版本。这里我们推荐使用 `zipline-reloaded`。
使用 Zipline 的第一道门槛，就是制作 Data Bundle。你需要编写一个脚本，告诉 Zipline 如何从你的数据源（如本地的 CSV 或 Parquet 文件）读取数据，并将其转换成 Zipline 需要的内部存储格式。这个过程虽然略显繁琐，但保证了后续回测的高效和稳定。
假设我们有CSV格式的数据，可以编写一个简单的 `my_bundle.py` 脚本：
# my_bundle.pyimport pandas as pdfrom zipline.data.bundles import registerfrom zipline.data.bundles.csvdir import csvdir_equities# 注册一个新的 bundle，名字叫 'my-csv-bundle'register( 'my-csv-bundle', csvdir_equities( ['daily'], # 数据频率 '/path/to/your/csv/data' # 存放CSV文件的目录 ), calendar_name='XSHG', # 指定交易日历，例如中国的上交所)然后通过命令行执行打包操作：
# 设置环境变量，指向你的 bundle 脚本export ZIPLINE_ROOT=~/.zipline zipline ingest -b my-csv-bundleZipline 的策略结构非常清晰，我们以一个简单的双均线策略为例。
# my_strategy.pyfrom zipline.api import order_target, record, symboldef initialize(context): # context 是一个全局对象，用于存储策略的状态 context.i = 0 context.asset = symbol('AAPL') # 定义要交易的资产def handle_data(context, data): # 这个函数会在每个交易时间点被调用 context.i += 1 if context.i long_ma[-1]: order_target(context.asset, 100) # 买入100股 elif short_ma[-1]最后，在命令行中启动回测，并将结果保存到文件中。
zipline run -f my_strategy.py --bundle my-csv-bundle --start 2020-1-1 --end 2023-12-31 -o results.pkl得到的 `results.pkl` 文件是一个 Pandas DataFrame，包含了每日的详细回测结果，你可以用 Pyfolio 等工具对其进行分析。
Zipline 的挑战与未来：
Zipline 功能强大但学习曲线陡峭，特别是数据打包环节。它的社区虽然依然活跃，但已不如当年。对于追求开箱即用、灵活方便的初学者，下一章的 Backtrader 可能是更好的选择。但学习 Zipline 能让你深刻理解机构级回测框架的严谨设计，这份内功的修炼是无价的。
今天，我们学习了量化回测领域的“上古神兽”——Zipline。我们了解了它以数据 Bundle 为核心的严谨架构，并走通了从打包数据、编写策略到运行回测的完整流程。虽然它可能不是现在最“时髦”的工具，但它所代表的设计思想，至今仍在深刻地影响着整个量化行业。
你认为 Zipline 强制打包数据是优点还是缺点？
这种严谨性是否值得牺牲一些便利性？在评论区分享你的看法！
来源：木泽的量化笔记
