paquetes - ¿Cómo actualizar el módulo zipline.transforms de python en desuso?

modulo pip python

Question

Escribí un programa python usando el paquete quantopian zipline http://www.zipline.io/beginner-tutorial.html . Recientemente actualicé el paquete y encontré que el paquete zipline.transforms está en desuso. Estaba usando dos funciones del paquete batch_transform() , batch_transform() y MovingAverage .

No he podido encontrar una buena publicación que demuestre cómo solucionar este problema, aparte de decir que se debe reemplazar batch_transform con la función history() . Sin embargo, no sé cómo reemplazarlo. No he encontrado una publicación que indique cómo corregir la desaprobación de MovingAverage.

Aquí está mi código que estoy usando.

from zipline.algorithm import TradingAlgorithm
from zipline.transforms import batch_transform
from zipline.transforms import MovingAverage
class TradingStrategy(TradingAlgorithm):
def initialize(self, window_length=6):
self.add_transform(
MovingAverage, ''kernel'', [''price''], window_length=self.window_length)
@batch_transform
def get_data(data, context):
''''''
Collector for some days of historical prices.
''''''
daily_prices = data.price[STOCKS + [BENCHMARK]]
return daily_prices
strategy = TradingStrategy()

¿Podría alguien proporcionar un ejemplo de cómo actualizar el código anterior? Supongo que hay muchas personas que se ocupan de los problemas, dado que el cuántico popular es.

Answer 1

No parece haber una forma directa de usar el history lugar de batch_transform .

Me parece que no solo se cambiaron los métodos, sino que también se modificó por completo la forma en que están destinados a ser utilizados.

La documentación menciona lo siguiente:

Cada algoritmo zipline consta de dos funciones que debes definir:

• initialize(context)
• handle_data(context, data)

Aquí hay un ejemplo de la documentación sobre el uso del método de historial para crear algunos promedios móviles básicos:

def initialize(context):
context.i = 0
context.asset = symbol(''AAPL'')
def handle_data(context, data):
# Skip first 300 days to get full windows
context.i += 1
if context.i < 300:
return
# Compute averages
# data.history() has to be called with the same params
# from above and returns a pandas dataframe.
short_mavg = data.history(context.asset, ''price'', bar_count=100, frequency="1d").mean()
long_mavg = data.history(context.asset, ''price'', bar_count=300, frequency="1d").mean()
# Trading logic
if short_mavg > long_mavg:
# order_target orders as many shares as needed to
# achieve the desired number of shares.
order_target(context.asset, 100)
elif short_mavg < long_mavg:
order_target(context.asset, 0)
# Save values for later inspection
record(AAPL=data.current(context.asset, ''price''),
short_mavg=short_mavg,
long_mavg=long_mavg)