2、开发环境搭建：Python环境安装、Anaconda配置、Jupyter Notebook使用、虚拟环境管理

说实话，很多新手在量化交易这条路上栽的第一个跟头，不是策略写错了，而是环境没搭好。我见过太多人花了两周研究策略，结果因为Python版本冲突、包装不上，直接心态崩了。

这一章，咱们就把地基打牢。你跟着我的节奏来，半小时内搞定一切。

2.1 Python环境安装——别选错版本

Python现在有两个主流大版本：2.x和3.x。别犹豫，直接上3.8以上。2.x在2020年就停止维护了，你想想看，用个过时的东西去搞量化，那不是给自己挖坑吗？

我个人习惯用Python 3.9，稳定，兼容性好。很多量化库对3.10以上的支持还有点小毛病，我踩过这个坑。

安装时有个关键点——一定要勾选「Add Python to PATH」。我刚开始学的时候忘了勾，后面每次都要手动找路径，烦得很。

2.2 Anaconda配置——量化交易的瑞士军刀

Anaconda是什么？说白了就是一个Python的「全家桶」。它帮你预装了150多个科学计算包，包括numpy、pandas、matplotlib这些量化必备库。你不用一个个去pip install，省心。

下载地址：https://www.anaconda.com/products/individual

安装完成后，验证一下：

# 打开终端（Windows用cmd或PowerShell，Mac用Terminal）
conda --version
# 如果显示 conda 4.x.x，说明安装成功

嗯，这里要注意：Anaconda安装路径不要有中文和空格。我之前有个学员，用户名是中文，结果装完各种报错，折腾了两小时。

2.3 Jupyter Notebook使用——交互式开发的利器

Jupyter Notebook是我在量化交易中最常用的工具。它让你能边写代码边看结果，特别适合做数据分析和策略回测。

启动方式很简单：

# 在终端输入
jupyter notebook

浏览器会自动打开一个页面，你会看到一个文件列表。点击右上角的「New」→「Python 3」，就能新建一个Notebook了。

我一般会把Notebook分成几个区块：

• 数据获取区：从tushare、baostock拉数据
• 数据清洗区：处理缺失值、异常值
• 策略编写区：写交易逻辑
• 回测区：跑历史数据验证
• 可视化区：画收益曲线、回撤图

这样做的好处是，哪块出问题了，直接定位，不用从头跑一遍。

2.4 虚拟环境管理——项目隔离的艺术

做量化交易，你可能会同时维护好几个策略。有的策略用pandas 1.2，有的用1.5。如果全装在一个环境里，迟早会冲突。

虚拟环境就是干这个的——每个项目有自己的「小房间」，互不干扰。

用conda创建虚拟环境：

# 创建一个名为 quant_env 的环境，指定Python版本为3.9
conda create -n quant_env python=3.9

# 激活环境
conda activate quant_env

# 安装量化常用库
conda install numpy pandas matplotlib
pip install tushare backtrader

# 退出环境
conda deactivate

我个人习惯给每个策略项目单独建一个环境。比如：

• quant_env_ma —— 均线策略
• quant_env_ml —— 机器学习策略
• quant_env_backtest —— 回测框架

这样哪怕某个环境崩了，其他项目完全不受影响。我曾经因为升级numpy，把整个基础环境搞坏了，所有项目都跑不了。从那以后，我再也不敢在base环境里乱装包了。

2.5 知识体系总览

下面这张图，帮你理清本章的核心逻辑：

2.6 验证你的环境

全部装完后，跑个简单的测试，确保一切正常：

# 在Jupyter Notebook中运行
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 生成随机数据
data = np.random.randn(100)
df = pd.DataFrame(data, columns=['price'])

# 画个简单折线图
plt.plot(df['price'])
plt.title('环境测试 - 随机价格走势')
plt.show()

print("环境搭建成功！")

如果能看到一张折线图，恭喜你，环境已经搭好了。接下来就可以正式开始写策略了。

---