基於zipline的分鍾回測改寫，其中數據源為自定義，使用bcolz的ctable，該數據格式與pandas的DataFrame很好兼容，並且bcolz文件壓縮率很好。
以下主要記錄此次改寫回測整個過程中涉及類和方法，沒有附帶代碼。
一，自定義分鍾回測數據源BcolzBacktestMinData類
def zk_get_min_data 取獲得多只股票某個時間點前的N個指定字段的值
def zk_get_value 獲得股票的指定時間的某個字段的值
def zk_get_traded_dt 獲得離傳入時間最近的交易時間點
def zk_get_row_data 獲得某只股票某個時間的k線數據
def zk_get_all_data 回測初始時將所用數據全部緩存提供給以上函查詢
以下為原有zipline代碼改寫部分：
一，TradingAlgorithm（回測主類）
類中的函數改寫：
導入方法：from zipline.algorithm import TradingAlgorithm
1，def order 下單函數
2，def _create_clock 返回此次回測所有的時間點
3，def _create_generator 產生每個時間點回測結果
4，data_portal 屬性實例化后重新賦值
5，def _create_benchmark_source 獲得基准收益
6，def __convert_order_params_for_blotter 判斷下單參數是否合理
7，def _calculate_order_value_amount 計算下單的數量
8，def _can_order_asset 判斷該股票是否可交易
以下為上述5個加粗的函數或屬性的重寫內容（剩余3個變動較少）：
一，order 此函數主要改寫內容
last_price 針對非限價單下單，使用當前價格成交通過zk_get_value獲得
更改下單數量：中國股市買入有基本單位1手=100股
二，_create_clock 函數返回一個MinuteSimulationClock對象
導入路徑：from zipline.gens.sim_engine import MinuteSimulationClock
改寫MinuteSimulationClock內容：
def __init__ 去除分鍾時間點的計算
def __iter__ 返回已去除掉股市中午休息時間的各分鍾時間點
三，_create_generator函數返回一個AlgorithmSimulator對象（self.trading_client）的transform()
導入路徑：from zipline.gens.tradesimulation import AlgorithmSimulator
改寫AlgorithmSimulator內容：
def _create_bar_data：返回BarData對象 既回測代碼中的data對象
繼續重寫BarData類
導入路徑：from zipline.protocol import BarData
內容：
def __init__ 不變
def current 截取zk_get_all_data的返回結果
def history 調用data_portal的get_history_window函數
def _get_current_minute 獲得回測時當前的時間點
def __getitem__ 調用zk_get_row_data執行返回的結果
def __get__ 不變
def current_dt 不變
四，data_portal屬性為一個DataPortal對象
導入路徑：from zipline.data.data_portal import DataPortal
改寫DataPortal內容：
def get_history_window data.history 調用的函數
def get_backtest_date 自定義函數：將回測的結束日期傳入，為了取出該回測所需要的所有數據並緩存
equity_minute_reader 實例化時傳入的BcolzMinuteBarReader對象
導入路徑：from zipline.data.minute_bars import BcolzMinuteBarReader
繼續重寫BcolzMinuteBarReader類(該類主要功能為讀取分鍾k線數據)內容：
def get_value 調用zk_get_value
def_get_metadata 此函數原方法為通過指定的bcloz文件路徑來讀取數據，我已用自定義的數據源取代，所以此處不再做處理
def get_last_traded_dt 調用zk_get_traded_dt
五，_create_benchmark_source函數返回一個BenchmarkSource對象
導入路徑：from zipline.sources.benchmark_source import BenchmarkSource
改寫BenchmarkSource內容：
def __init__ 改寫分鍾收益的數據序列
由於我只拿到每天的收益率，而此處zipline默認會讓每天收益的數據填充到每分鍾上轉為分鍾的收益序列，這意味着每分鍾都會有該天的盈利或虧損（根據后續zipline計算收益的算法）
這就導致了復利。根據界面顯示需要我們也只需要計算出每天的收益即可，沒有計算每分鍾的收益，因此我將每天的收益率只填充到開始的第一個時間點，后續的全部填充0
