Zipline 环境搭建完整指南：3 步跑通第一个策略回测

【免费下载链接】ziplineZipline, a Pythonic Algorithmic Trading Library项目地址: https://gitcode.com/gh_mirrors/zi/zipline

执行pip install zipline卡在一串 C 扩展编译错误上，是很多人放弃 Zipline 的第一现场——它自带 C 扩展，系统还缺 LAPACK 和 CPython 头文件。Zipline 是用 Python 编写的事件驱动量化回测框架，本文把 Zipline 环境搭建到跑通一次真实回测的路线一次走完。

三种安装路线：为什么 conda 是主路径

这一步先解决"选哪条路"的问题。官方 安装说明 里 pip 和 conda 都给了，但两者难度不一样：pip 安装需要先在本机装好 LAPACK 线性代数库和 CPython 头文件，再现场编译 C 扩展；conda 则把 numpy、scipy 这类带二进制依赖的包一并管理，不需要第二套工具。

下面只走 conda 这一条主路径，从建环境到跑通回测不分叉。

conda 主路径：从建环境到跑通回测 4 步

第一步是准备隔离环境并安装。官方文档专门提醒：不要把 Zipline 装进全局 Python，隔离环境能避免与现有库互相污染。三条命令完成环境准备与安装：

conda create -n env_zipline python=3.6 conda activate env_zipline conda install -c conda-forge zipline

注意：conda-forge 目前只有 zipline 1.4.0+ 且面向 Python 3.6 的包。环境里 Python 版本不对时，安装会找不到包或直接装进旧版本；需要 2.7 / 3.5 等旧版本时，包在 Quantopian 频道（已停止更新），或走源码路线。

环境装好后先别急着写策略，先灌数据。回测必须基于本地数据 bundle 运行，默认 bundle 是quantopian-quandl（Quandl WIKI 数据集，含日线价格、拆股、分红），下载只要几秒：

zipline ingest zipline bundles

zipline bundles会列出已有 bundle 及其摄取时间，看到quantopian-quandl后面跟着日期戳，说明数据就位。

最后跑仓库自带的示例策略 buyapple.py——它每天都在买入 10 股 AAPL 并记录价格，足够验证整条链路：

zipline run -f zipline/examples/buyapple.py --start 2016-1-1 --end 2018-1-1 -o perf.pickle --no-benchmark

参数含义：-f指定策略文件，--start/--end是回测区间，-o把绩效 DataFrame 存成 pickle，--no-benchmark表示不设基准。[示例策略目录](https://link.gitcode.com/i/3a3123a097a9c77fd3dcecc656f7ee52)里还有 buy_and_hold、双均线、动量 pipeline 等可以直接替换-f的现成策略。

回测结果自检：跑成功的样子

这一步解决"怎么确认环境真的通了"。命令正常结束时，控制台会出现这样的日志：

• Performance: Simulated 503 trading days out of 503.
• Performance: first open: 2016-01-04 ...与last close: 2017-12-29 ...

看到交易日完整模拟完毕，说明数据、日历、撮合逻辑全链路正常。接着读一下绩效文件自检，输出应包含ending_value、algorithm_period_return、alpha等列：

python -c "import pandas as pd; print(pd.read_pickle('perf.pickle').head())"

跑完 buyapple 后，用 matplotlib 画一下绩效数据，得到的就是教程里这种组合价值曲线叠加 AAPL 价格走势的回测结果图：

📈 换成双均线策略再跑一次，图里会多出 short_mavg / long_mavg 两条均线与信号点，形态类似：

卡住时先看这 3 个报错

这一步把最容易卡住的三类报错集中处理，现象、原因、修复命令各占一行，对号入座即可。

1.pip install zipline编译 C 扩展失败（报 LAPACK / 头文件缺失）原因：系统依赖没装齐。Debian 系执行sudo apt-get install libatlas-base-dev python-dev gfortran pkg-config libfreetype6-dev hdf5-tools；macOS 执行brew install freetype pkg-config gcc openssl hdf5；嫌麻烦就直接切回 conda 路线。完整依赖清单见 etc/requirements_build.in。

2.conda activate env_zipline提示找不到命令原因：conda 版本低于 4.6。Linux / macOS 上改用source activate env_zipline，Windows 上直接activate env_zipline。

3. conda 装不到 zipline 或装进来版本很旧原因：conda-forge 对 Python 版本有硬性约束（见上文注意块）。按python=3.6重建环境重装即可，不要试图在 3.7 以上环境里硬装。

环境配置经验：镜像、版本约束与数据目录

这一步汇总不报错但拖慢你的环境经验。

• 镜像加速：国内网络下建议给 conda 与 pip 都换到国内镜像源，conda install和zipline ingest的下载速度差异很明显。
• 版本约束别乱动：Zipline 1.4.x 对依赖锁得很紧，比如 pandas 被限制在 0.18.1 到 0.22 之间（见 etc/requirements.in），同一环境里不要自行动手升级 pandas、numpy。
• 数据目录会膨胀：每次 ingest 都在~/.zipline/data/<bundle>下新建一个按时间戳命名的目录。只保留最近两次摄取，执行zipline clean --keep-last 2即可。
• 备选路线速查：源码路线先克隆仓库（git clone https://gitcode.com/gh_mirrors/zi/zipline），建好 virtualenv 后运行仓库自带的 etc/dev-install 脚本一键装好锁定版本的全部依赖；Docker 路线构建Dockerfile后启动容器，Jupyter 端口为 8888，详见 Dockerfile 头部注释里的完整运行命令。

提示：默认 bundle 的数据已经停止更新，只适合跑通流程。要回测自己的数据，bundles 文档 讲了如何用csvdir注册本地 CSV 行情数据，这是从"玩样例"到"跑自己的数据"的必经一步。

回测跑通了，perf DataFrame 里已经是一套完整的绩效与风险指标。下一步读 入门教程，把 buyapple 换成你自己的initialize和handle_data，Zipline 环境搭建就算真正落地。

【免费下载链接】ziplineZipline, a Pythonic Algorithmic Trading Library项目地址: https://gitcode.com/gh_mirrors/zi/zipline