问题标签 [zipline]

我想自动化我的手动交易策略。然而，一开始，我试图重现 Zipline 购买苹果股票的简单例子。我努力运行算法run_algorithm()。当我试图运行“双移动平均线交叉”时，出现了完全相同的错误。我也尝试了 IPython 和终端，但仍然出现该错误。我在这个论坛中也找不到与此相关的任何内容。我将非常感谢任何提示。谢谢你。

我在 macOS 和 Zipline 版本 1.1.1 上使用 Python 3.6。

那是代码：

这就是追溯：

回溯（最后一次调用）：文件“/Users/SOL/Desktop/Python/backtest.py”，第 13 行，在 zl.run_algorithm(start=2015-1-1, end=2017-1-1, initialize=初始化，capital_base=10000）文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/utils/run_algo.py”，第360行，在run_algorithm environ=environ，文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/utils/run_algo.py”，第 132 行，在 _run env = TradingEnvironment(asset_db_path=connstr, environ=environ)文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/finance/trading.py”，第 99 行，在 init self.bm_symbol，文件“/Library/Frameworks/ Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/data/loader.py",第 173 行，在 load_market_data 环境中，文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/data/loader.py”，第 287 行，在 ensure_treasury_data 如果没有 has_data_for_dates(数据，第一个日期，最后一个日期）：文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/zipline/data/loader.py”，第 87 行，在 has_data_for_dates dts = series_or_df。 index AttributeError：“NoneType”对象没有属性“index”6/site-packages/zipline/data/loader.py"，第 87 行，在 has_data_for_dates dts = series_or_df.index AttributeError: 'NoneType' 对象没有属性 'index'6/site-packages/zipline/data/loader.py"，第 87 行，在 has_data_for_dates dts = series_or_df.index AttributeError: 'NoneType' 对象没有属性 'index'

我使用 quantopian zipline 包http://www.zipline.io/beginner-tutorial.html编写了一个 python 程序。我最近更新了包，发现 zipline.transforms 包已被弃用。我使用了 zipline.transforms 包中的两个函数，batch_transform()以及MovingAverage.

batch_transform除了说用history()函数替换之外，我还没有找到一个很好的帖子来演示如何解决这个问题。但是，我不知道如何确切地替换它。我还没有找到说明如何修复 MovingAverage 弃用的帖子。

这是我正在使用的代码。

有人可以提供一个如何更新上面代码的例子吗？鉴于 quantopian 的流行程度，我认为有很多人在处理这些问题。

我是 zipline 的新手，我正试图松散地重现这个例子。它要求修改文件.zipline/extension.py。运气好，我没有这个文件。

现在，我可以（从内部virtualenv）：

但这表明

这不存在。我必须创建它吗？如果是这样，在哪里：我有点困惑，因为我使用的是 a virtualenv，所以：

软件栈版本：

• 蜘蛛3.2.4
• 蟒蛇 3.5
• 滑索 1.1.1
• OSX 厄尔尼诺

从终端运行 Zipline 只是为了尝试一下：

出现以下错误：

我也尝试将 SPY_benchmark_data.csv 直接放在 .zipline/data/ 文件夹中，但仍然产生错误。

我还尝试过全新安装 conda 和 python env 3.4——同样的问题。

这是我的第一篇文章，我希望它会做得很好。

我正在尝试使用本地 AAPL 数据运行以下 ZipLine 算法：

我受到https://www.quantinsti.com/blog/introduction-zipline-python/和https://www.quantinsti.com/blog/importing-csv-data-zipline-backtesting/的启发。

我收到此错误：

我不明白：“ http://www.google.com/finance/historical?q=SPY&startdate=Dec+29%2C+1989&enddate=Dec+20%2C+2017&output=csv ”。我不要求在线数据请求……不是“SPY”股票，而是“APPL”……

这个错误对你意味着什么？

非常感谢你的帮助 ！

C。

当我导入 zipline 时，出现错误

我已经使用 Zipline 一段时间了，并且可以从能够腌制回测中受益匪浅，以便以后能够恢复它。这个想法是保存交易算法的状态并在新数据可用时更新它。我开始挑选一些我能想到的属性，但忘记了其他一些属性，因此想知道是否有人有一个简单的解决方案来做到这一点。最好的，文森特

PS：我尝试用那几行更新投资组合。一切正常，但需要覆盖更多属性。

I'm playing around with Enigma Catalyst. Unfortunately, the documentation is rather limited.

So I'm trying to run their example "hello world" type algo which looks as follows:

I realize according to the documentation it says you first need to "ingest" download the historical data which I believe I did. However this leads to the following error:

Which results in no data

Question:

How do I access the downloaded data? Or, how do I delete and re-download the historical data, which is not covered in the docs?

Many Thanks.

我是 Python 的初学者，想了解zipline是否适合我的回测框架。

在调试和查看某些点的变量内容时，我可以最好地理解其他人的代码。为此，我最喜欢 Pycharms 的调试功能。

从我了解的 zipline手册中，该 zipline 可以从操作系统命令行执行：

或通过 IPython：

IPython Notebook 是一个非常强大的基于浏览器的 Python 解释器界面（本教程就是用它编写的）。由于它已经是大多数定量研究人员的实际界面，zipline 提供了一种在 Notebook 中运行算法的简单方法，而无需您使用 CLI。

有什么方法可以使用 zipline 和 Pycharm，以便我还可以调试 zipline 代码本身（或者至少是我自己的代码）？

使用 pip 安装后，我在文件系统中找到以下入口点：

文件/home/user/anaconda3/bin/zipline

但是尝试以这种方式访问​​ zipline 是否明智？还是克隆 git 存储库并以这种方式调用 zipline 更好？包装器应该如何将参数传递给 zipline？

我正在将 python3.6 与 anaconda3 一起使用。我已经zipline用命令成功安装了pip install zipline

但是，安装后，当我运行以下代码时出现错误。

.

我尝试在 Jupyter notebook 和 Pycharm 上运行相同的代码，但结果相同。

任何帮助表示赞赏:)