Пайплайны

Пайплайны — расширенный механизм расчёта кросс-секционных факторов и фильтров по множеству инструментов до запуска торговой логики. Они подходят для отбора набора инструментов, ранжирования и факторных стратегий. Поддержка пайплайнов зависит от настройки подходящих загрузчиков данных. Стандартный путь запуска подключает ценовые данные для EquityPricing; для пользовательских наборов данных нужны собственные загрузчики.

Основной принцип

Создайте объект Pipeline.
Подключите его в initialize.
Получите результат после инициализации — обычно в before_trading_start.
Используйте результат для выбора инструментов или целевых весов.

from ziplime.pipeline import Pipeline
from ziplime.pipeline.data import EquityPricing
from ziplime.pipeline.terms.factors import SimpleMovingAverage


def make_pipeline():
    sma_20 = SimpleMovingAverage(
        inputs=[EquityPricing.close],
        window_length=20,
    )
    return Pipeline(columns={"sma_20": sma_20})


async def initialize(context):
    context.attach_pipeline(make_pipeline(), "signals")


def before_trading_start(context, data):
    context.signals = context.pipeline_output("signals")

Создание пайплайна

from ziplime.pipeline import Pipeline

pipe = Pipeline(
    columns={
        "close": EquityPricing.close.latest,
        "volume": EquityPricing.volume.latest,
    }
)

Столбцы можно добавить и после создания объекта:

pipe = Pipeline()
pipe.add(EquityPricing.close.latest, "close")
pipe.add(EquityPricing.volume.latest, "volume")

Фильтры screen

Параметр screen определяет, какие инструменты попадут в результат.

from ziplime.pipeline.terms.factors import AverageDollarVolume

adv = AverageDollarVolume(window_length=20)
screen = adv.top(100)

pipe = Pipeline(
    columns={"adv": adv},
    screen=screen,
)

Для инструментов MOEX фактор AverageDollarVolume отражает средний денежный объём в валюте котировки — как правило, в рублях. Имя класса остаётся неизменным как часть API. Фильтр также можно задать после создания пайплайна:

pipe.set_screen(screen, overwrite=True)

Примеры распространённых факторов

Последние значения OHLCV

pipe = Pipeline(columns={
    "close": EquityPricing.close.latest,
    "volume": EquityPricing.volume.latest,
})

Скользящая средняя

from ziplime.pipeline.terms.factors import SimpleMovingAverage

sma_50 = SimpleMovingAverage(
    inputs=[EquityPricing.close],
    window_length=50,
)

Доходность

from ziplime.pipeline.terms.factors import Returns

returns_20 = Returns(window_length=20)

Средний денежный объём

from ziplime.pipeline.terms.factors import AverageDollarVolume

adv_20 = AverageDollarVolume(window_length=20)

Ранжирование и фильтрация

Факторы поддерживают, в частности, следующие методы:

Метод	Значение
`factor.top(N)`	Оставить N инструментов с наибольшим значением фактора
`factor.bottom(N)`	Оставить N инструментов с наименьшим значением фактора
`factor.percentile_between(min, max)`	Оставить инструменты внутри заданного диапазона процентилей
`factor.rank()`	Ранжировать инструменты по значению
`factor.zscore()`	Рассчитать кросс-секционную z-оценку
`factor.demean()`	Вычесть кросс-секционное среднее

Пример:

momentum = Returns(window_length=60)
liquid = AverageDollarVolume(window_length=20).top(500)
top_momentum = momentum.top(50, mask=liquid)

pipe = Pipeline(
    columns={"momentum": momentum},
    screen=top_momentum,
)

Получение результата пайплайна

Метод context.pipeline_output(name) доступен после инициализации.

def before_trading_start(context, data):
    output = context.pipeline_output("signals")
    context.todays_assets = list(output.index)

Тип результата определяется движком пайплайна и выбранным загрузчиком. На путях, совместимых с Zipline, это pandas DataFrame с индексом по инструментам текущей сессии.

Пользовательские факторы

Используйте CustomFactor для расчётов, которых нет среди встроенных факторов.

import numpy as np

from ziplime.pipeline import CustomFactor
from ziplime.pipeline.data import EquityPricing


class CloseRange(CustomFactor):
    inputs = [EquityPricing.close]
    window_length = 20

    def compute(self, today, assets, out, close):
        out[:] = np.nanmax(close, axis=0) - np.nanmin(close, axis=0)

Добавьте фактор в пайплайн:

pipe = Pipeline(columns={"close_range": CloseRange()})

Когда использовать пайплайны

Используйте пайплайны, если:

Нужен ежедневно ранжируемый набор инструментов.
Один и тот же кросс-секционный фактор рассчитывается для множества инструментов.
Ресурсоёмкую логику отбора инструментов нужно вынести из handle_data.

Обращайтесь напрямую к data.current и data.history, если:

Стратегия торгует небольшим фиксированным набором инструментов.
Сигнал прост и рассчитывается отдельно для каждого инструмента.
Кросс-секционное ранжирование не требуется.

Введение

Разработка стратегий

Справочник языка

Переход на ZipLime

Ограничения

Основной принцип

Создание пайплайна

Фильтры screen

Примеры распространённых факторов

Последние значения OHLCV

Скользящая средняя

Доходность

Средний денежный объём

Ранжирование и фильтрация

Получение результата пайплайна

Пользовательские факторы

Когда использовать пайплайны

​Основной принцип

​Создание пайплайна

​Фильтры screen

​Примеры распространённых факторов

​Последние значения OHLCV

​Скользящая средняя

​Доходность

​Средний денежный объём

​Ранжирование и фильтрация

​Получение результата пайплайна

​Пользовательские факторы

​Когда использовать пайплайны

Основной принцип

Создание пайплайна

Фильтры screen

Примеры распространённых факторов

Последние значения OHLCV

Скользящая средняя

Доходность

Средний денежный объём

Ранжирование и фильтрация

Получение результата пайплайна

Пользовательские факторы

Когда использовать пайплайны