转自：http://www.cnblogs.com/dxf813/p/7845398.html
基于zipline的分钟回测改写，其中数据源为自定义，使用bcolz的ctable，该数据格式与pandas的DataFrame很好兼容，并且bcolz文件压缩率很好。
以下主要记录此次改写回测整个过程中涉及类和方法，没有附带代码。
一，自定义分钟回测数据源BcolzBacktestMinData类
def zk_get_min_data 取获得多只股票某个时间点前的N个指定字段的值
def zk_get_value 获得股票的指定时间的某个字段的值
def zk_get_traded_dt 获得离传入时间最近的交易时间点
def zk_get_row_data 获得某只股票某个时间的k线数据
def zk_get_all_data 回测初始时将所用数据全部缓存提供给以上函查询
以下为原有zipline代码改写部分：
一、TradingAlgorithm（回测主类）
类中的函数改写：
导入方法：from zipline.algorithm import TradingAlgorithm
1、def order 下单函数
2、def _create_clock 返回此次回测所有的时间点
3、def _create_generator 产生每个时间点回测结果
4、data_portal 属性实例化后重新赋值
5、def _create_benchmark_source 获得基准收益
6、def __convert_order_params_for_blotter 判断下单参数是否合理
7、def _calculate_order_value_amount 计算下单的数量
8、def _can_order_asset 判断该股票是否可交易
以下为上述5个加粗的函数或属性的重写内容（剩余3个变动较少）：
一、order 此函数主要改写内容
last_price 针对非限价单下单，使用当前价格成交通过zk_get_value获得
更改下单数量：中国股市买入有基本单位1手=100股
二、_create_clock 函数返回一个MinuteSimulationClock对象
导入路径：from zipline.gens.sim_engine import MinuteSimulationClock
改写MinuteSimulationClock内容：
def __init__ 去除分钟时间点的计算
def __iter__ 返回已去除掉股市中午休息时间的各分钟时间点
三、_create_generator函数返回一个AlgorithmSimulator对象（self.trading_client）的transform()
导入路径：from zipline.gens.tradesimulation import AlgorithmSimulator
改写AlgorithmSimulator内容：
def _create_bar_data：返回BarData对象 既回测代码中的data对象
继续重写BarData类
导入路径：from zipline.protocol import BarData
内容：
def __init__ 不变
def current 截取zk_get_all_data的返回结果
def history 调用data_portal的get_history_window函数
def _get_current_minute 获得回测时当前的时间点
def __getitem__ 调用zk_get_row_data执行返回的结果
def __get__ 不变
def current_dt 不变
四、data_portal属性为一个DataPortal对象
导入路径：from zipline.data.data_portal import DataPortal
改写DataPortal内容：
def get_history_window data.history 调用的函数
def get_backtest_date 自定义函数：将回测的结束日期传入，为了取出该回测所需要的所有数据并缓存
equity_minute_reader 实例化时传入的BcolzMinuteBarReader对象
导入路径：from zipline.data.minute_bars import BcolzMinuteBarReader
继续重写BcolzMinuteBarReader类(该类主要功能为读取分钟k线数据)内容：
def get_value 调用zk_get_value
def_get_metadata 此函数原方法为通过指定的bcloz文件路径来读取数据，我已用自定义的数据源取代，所以此处不再做处理
def get_last_traded_dt 调用zk_get_traded_dt
五、_create_benchmark_source函数返回一个BenchmarkSource对象
导入路径：from zipline.sources.benchmark_source import BenchmarkSource
改写BenchmarkSource内容：
def __init__ 改写分钟收益的数据序列
由于我只拿到每天的收益率，而此处zipline默认会让每天收益的数据填充到每分钟上转为分钟的收益序列，这意味着每分钟都会有该天的盈利或亏损（根据后续zipline计算收益的算法）
这就导致了复利。根据界面显示需要我们也只需要计算出每天的收益即可，没有计算每分钟的收益，因此我将每天的收益率只填充到开始的第一个时间点，后续的全部填充0