Backtesting avec Zipline

Fonrex fournit un bundle de données zipline-reloaded, zipline_bundle/, qui lit directement les prix quotidiens de votre base de données : pas d'export CSV, pas de jeu de données parallèle. L'API n'importe jamais Zipline : installez-le uniquement là où vous exécutez les backtests.

Prérequis

• Des prix ingérés dans votre instance (POST /historical/ingest, scripts/ingest_all.py).
• Le dépôt Fonrex et zipline-reloaded dans le même environnement Python :

pip install zipline-reloaded

• Un accès à la base de données. Avec Docker Compose, elle est publiée sur 127.0.0.1:5432 de l'hôte :

export DATABASE_URL="postgresql://fonrex:<POSTGRES_PASSWORD>@localhost:5432/fonrex"

Enregistrer et ingérer le bundle

mkdir -p ~/.zipline
cp zipline_bundle/extension.py ~/.zipline/extension.py
zipline bundles            # fonrex <no ingestions>
zipline ingest -b fonrex

Ou sans le fichier d'extension :

python -m zipline_bundle ingest --start 2020-01-01 --end 2025-12-31 \
    --tickers AAPL,MSFT --calendar NYSE

# What the bundle would contain (Zipline not needed)
python -m zipline_bundle preview --start 2024-01-01 --end 2024-12-31

Variable	Défaut	Description
DATABASE_URL	l'adresse de .env.example	Base de données lue par le bundle (postgresql+asyncpg:// est accepté)
FONREX_BUNDLE_NAME	fonrex	Nom du bundle
FONREX_BUNDLE_TICKERS	(vide)	Tickers séparés par des virgules ; vide = tous les instruments ayant des prix quotidiens dans la période
FONREX_BUNDLE_CALENDAR	NYSE	Calendrier de trading : XPAR, XETR, XLON, XSWX… pour les autres marchés

Pour plusieurs marchés, enregistrez un bundle par calendrier :

from zipline_bundle import register_fonrex_bundle

register_fonrex_bundle(bundle_name="fonrex_us", tickers=["AAPL", "MSFT"], calendar_name="NYSE")
register_fonrex_bundle(bundle_name="fonrex_paris", tickers=["AIR.PA", "BNP.PA"], calendar_name="XPAR")

Exécuter un backtest

import pandas as pd
from zipline import run_algorithm
from zipline.api import order_target_percent, symbol

def initialize(context):
    context.asset = symbol("AIR.PA")

def handle_data(context, data):
    order_target_percent(context.asset, 1.0)

result = run_algorithm(
    start=pd.Timestamp("2024-01-02"),
    end=pd.Timestamp("2024-12-31"),
    initialize=initialize,
    handle_data=handle_data,
    capital_base=100_000,
    bundle="fonrex_paris",
)

Contenu du bundle

• Barres quotidiennes uniquement, issues de prices_eod.
• Une cotation par instrument : la cotation principale, sinon une cotation active ; les autres cotations (autres devises) ne sont pas exposées.
• Prix ajustés : adj_close (ajusté des splits et des dividendes) sert de clôture Zipline, et l'ouverture, le plus haut et le plus bas de la barre sont multipliés par le même facteur ; une barre sans adj_close (TradingView) garde ses prix. Les tables de splits et de dividendes sont écrites vides.
• Alignement sur le calendrier : les barres en dehors des séances du calendrier sont écartées.
• sid stables : attribués dans l'ordre alphabétique des symboles.

Sans Zipline : pandas

Pour Backtrader, vectorbt ou votre propre code, lisez les prix via l'API :

import os
import pandas as pd
import requests

def fonrex_ohlcv(ticker: str, period: str = "5y") -> pd.DataFrame:
    response = requests.get(
        f"http://localhost:5000/eod/{ticker}",
        params={"period": period},
        headers={"X-API-KEY": os.environ["FONREX_API_KEY"]},
        timeout=60,
    )
    response.raise_for_status()
    frame = pd.DataFrame(response.json()["data"])
    frame["Date"] = pd.to_datetime(frame["Date"])
    return frame.set_index("Date").rename(columns=str.lower)

df = fonrex_ohlcv("AIR.PA")
print(df.tail())

Les colonnes sont open, high, low, close, adj close et volume, avec une ligne par séance.