第二章 环境搭建基础：Python量化环境安装

说实话，很多新手学量化，第一步就被环境搭建劝退了。

我见过太多人，兴致勃勃想写策略，结果卡在装包上折腾一整天。其实没那么复杂，今天我就带你一步步搞定。

2.1 为什么选Python做量化？

你可能要问：市面上那么多语言，为什么量化圈都选Python？

我个人觉得，核心原因就三个：

• 生态好——numpy、pandas这些库，就是为数据分析量身定做的
• 上手快——语法简单，写策略比C++快十倍
• 社区强——你遇到的大多数坑，别人早就踩过了

我在项目中遇到过用Java写回测框架的团队，后来全转Python了。为什么？因为开发效率差太多了。

2.2 Anaconda：量化环境的一站式方案

装Python环境，我强烈建议你用Anaconda。别自己去官网下Python然后一个个装包，那是给自己找麻烦。

安装步骤

1. 去Anaconda官网下载对应系统的安装包（Windows/Mac/Linux）
2. 双击安装，一路默认就行
3. 注意：安装时勾选"Add Anaconda to my PATH environment variable"

验证安装

打开终端（Windows用cmd或PowerShell），输入：

conda --version
python --version

如果能看到版本号，说明装好了。

2.3 Jupyter Notebook：量化研究的交互式利器

Jupyter Notebook是量化研究的神器。你想想看，写一段代码，马上能看到结果，还能加文字说明、画图表，简直是为数据分析量身定做的。

Anaconda自带Jupyter，装完就能用。启动方式很简单：

jupyter notebook

运行后浏览器会自动打开一个页面，默认地址是 http://localhost:8888。

Jupyter常用快捷键

快捷键	功能
Shift + Enter	运行当前单元格并跳到下一个
Ctrl + Enter	运行当前单元格
A	在当前单元格上方插入新单元格
B	在当前单元格下方插入新单元格
DD	删除当前单元格
M	切换到Markdown模式（写说明文字）
Y	切换到代码模式

2.4 常用量化库安装

环境搭好了，接下来装几个核心库。这些是量化研究的标配，缺一不可。

2.4.1 numpy——数值计算基础

numpy是Python科学计算的基石。它提供了多维数组对象和各种数学函数。说白了，没有numpy，pandas也跑不起来。

conda install numpy

验证：

import numpy as np
print(np.__version__)
print(np.array([1, 2, 3]))

2.4.2 pandas——数据分析利器

pandas是量化分析的核心工具。DataFrame这个概念，你以后会天天跟它打交道。股票数据、交易记录、回测结果，全用它来存。

conda install pandas

验证：

import pandas as pd
print(pd.__version__)
# 创建一个简单的DataFrame
df = pd.DataFrame({'日期': ['2024-01-01', '2024-01-02'],
                   '收盘价': [100.5, 101.2]})
print(df)

2.4.3 matplotlib——数据可视化

做量化研究，光看数字不够，得画图。K线图、收益率曲线、回撤图，都靠matplotlib。

conda install matplotlib

验证：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.title('测试图表')
plt.show()

2.4.4 tushare——免费A股数据接口

做量化研究，数据是第一步。tushare是国内最流行的免费A股数据接口，股票行情、财务数据、宏观经济数据都能拿。

pip install tushare

注意：tushare用pip装，不用conda。因为conda源里不一定有最新版。

验证：

import tushare as ts
print(ts.__version__)
# 获取股票基本信息
df = ts.get_stock_basics()
print(df.head())

2.5 本章知识体系

下面这张图，帮你理清整个环境搭建的逻辑：

2.6 环境验证：跑一个完整的量化示例

所有东西装好后，我们来跑一个完整的例子。这能验证你的环境是不是真的配好了。

# 导入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tushare as ts

# 设置中文显示（防止matplotlib乱码）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 获取股票数据（以平安银行为例）
df = ts.get_k_data('000001', start='2023-01-01', end='2023-12-31')

# 计算每日收益率
df['return'] = df['close'].pct_change()

# 计算累计收益率
df['cum_return'] = (1 + df['return']).cumprod()

# 画图
plt.figure(figsize=(12, 6))
plt.plot(df['date'], df['cum_return'], label='累计收益率', color='blue')
plt.title('平安银行2023年累计收益率')
plt.xlabel('日期')
plt.ylabel('累计收益率')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

print('环境搭建成功！可以开始量化研究了。')

如果这段代码能顺利跑通，恭喜你，量化环境已经搭好了。