由于机缘巧合的机会，我离开了从事多年的互联网/移动互联网行业，进入了金融领域，就职与一家金融IT公司，虽然我毕业后第一份工作就在雅虎中国的财经频道从事开发工作（雅虎中国被雅虎收购之后，我就转到其它的部门），但是之前对于金融领域还是涉猎不深，这次加入后认真的补了这方面的知识，为了更加深入的了解量化相关的技术领域的问题，我准备从一些优秀的开源量化框架入手，从我熟悉的代码角度了解这个行业的业务和技术细节。
经过简单的调研，从交易频度方面，现有的量化框架大概有两类:
- 高频量化交易框架 （大部分是event base的）
- 中低频量化交易框架 （大部分是bar base的）
高频和中低频现在在实际的生产领域各有侧重，此外中低频框架由于逻辑相对简单，在很多教学和研究领域使用也较多，比如我当下在研究的zipline 。 除此之外，以后如果有时间的话还想研究一下apama，但由于apama不是开源软件，考虑只了解一下它的机制之后看看能不能基于Apache Spark Streaming或Storm来实现。好像说的有点远了，那我们回来继续来谈zipilne。
zipline是美国Quantopian 公司开源的量化交易回测引擎，它使用Python语言开发，部分代码使用cython融合了部分c语言代码。Quantopian 在它的网站上的回测系统就是基于zipline的，经过生产环境的长期使用，已经比完善，并且在持续的改进中。
目前我研究的对象基于当前zipline的最新版本是 1.0.2 ，由于zipline的版本更新较快，后面可能会有些变化。请知晓。
zipline默认是不支持国内市场的股票数据的，我的研究过程是讲zipline引入国内股票市场的数据，时期可以进行国内市场的回测，在这个过程中进一步了解整个框架。
这篇文章不是一篇入门文章，所以想要了解zipline的基本使用方法，请参考zipline和quantopian的官方文档。
http://www.zipline.io/beginner-tutorial.html
后面的这些文档是我再研究过程中逐步整理而成，更像一个笔记的形式而不是系统化的介绍。
如果文档中出现了错误信息需要更正，欢迎到github上来发issue https://github.com/rainx/inside-zipline