第二章：开发环境搭建

说实话，搭建开发环境这事儿，看着简单，但坑是真不少。我见过太多人花了一整天装环境，结果还没开始写代码就心态崩了。今天咱们一步步来，把这事儿理顺。

2.1 Python虚拟环境配置

为什么要用虚拟环境？说白了，就是防止不同项目之间的包打架。你想想看，项目A需要pandas 1.0，项目B需要pandas 2.0，要是装在一个环境里，那不乱套了？

我个人习惯用 venv，Python 3.3以上自带，不用额外装东西。操作起来也很简单：

# 创建虚拟环境
python -m venv hk_quant_env

# 激活虚拟环境（Windows）
hk_quant_env\Scripts\activate

# 激活虚拟环境（Mac/Linux）
source hk_quant_env/bin/activate

# 退出虚拟环境
deactivate

激活后，你会看到终端前面多了个 (hk_quant_env) 的标识。嗯，看到这个就说明环境已经切过来了。

接下来装几个必备包：

pip install pandas numpy matplotlib
pip install yfinance  # 雅虎财经数据源
pip install requests beautifulsoup4  # 爬取新浪财经用
pip install sqlalchemy pymysql  # 数据库连接

2.2 港股数据源API申请

做量化交易，数据就是命根子。港股数据源我主要用两个：Yahoo Finance 和 新浪财经。各有各的优缺点，我分别说说。

2.2.1 Yahoo Finance

Yahoo Finance 的好处是免费、数据全、接口稳定。港股代码格式是 XXXX.HK，比如腾讯是 0700.HK。

import yfinance as yf

# 获取腾讯控股的历史数据
ticker = yf.Ticker("0700.HK")
hist = ticker.history(period="1y")  # 过去一年数据
print(hist.head())

这里有个坑——Yahoo Finance 有时候会返回空数据。我遇到过好几次，后来发现是因为网络问题。解决办法很简单：加个重试机制。

import time
from functools import wraps

def retry(func, max_retries=3, delay=2):
    @wraps(func)
    def wrapper(*args, **kwargs):
        for i in range(max_retries):
            try:
                return func(*args, **kwargs)
            except Exception as e:
                print(f"第{i+1}次尝试失败: {e}")
                time.sleep(delay)
        raise Exception("重试次数用完了")
    return wrapper

@retry
def get_stock_data(ticker_str):
    ticker = yf.Ticker(ticker_str)
    return ticker.history(period="1mo")

data = get_stock_data("0700.HK")

2.2.2 新浪财经

新浪财经的实时数据比Yahoo快，但历史数据没那么全。我一般用新浪拿实时行情，用Yahoo拿历史数据。

import requests
import json

def get_sina_realtime(symbol):
    """获取新浪财经实时行情"""
    url = f"http://hq.sinajs.cn/list=hk{symbol}"
    headers = {
        "Referer": "https://finance.sina.com.cn",
        "User-Agent": "Mozilla/5.0"
    }
    resp = requests.get(url, headers=headers)
    # 返回格式：var hq_str_hk00700="腾讯控股,380.000,382.000,..."
    return resp.text

# 获取腾讯实时行情
data = get_sina_realtime("00700")
print(data)

2.3 数据库安装与配置

数据存哪儿？小打小闹用CSV文件也行，但要做正经的量化系统，还是得上数据库。我个人推荐MySQL，社区活跃、文档多、坑少。

2.3.1 MySQL安装

Windows用户直接去官网下载安装包，一路下一步就行。Mac用户用Homebrew：

brew install mysql
brew services start mysql

安装完后，记得设置root密码：

mysql_secure_installation

2.3.2 创建数据库和表

-- 创建数据库
CREATE DATABASE hk_quant DEFAULT CHARACTER SET utf8mb4;

-- 创建股票日线数据表
CREATE TABLE daily_data (
    id BIGINT AUTO_INCREMENT PRIMARY KEY,
    code VARCHAR(10) NOT NULL COMMENT '股票代码',
    trade_date DATE NOT NULL COMMENT '交易日期',
    open_price DECIMAL(10,3) COMMENT '开盘价',
    high_price DECIMAL(10,3) COMMENT '最高价',
    low_price DECIMAL(10,3) COMMENT '最低价',
    close_price DECIMAL(10,3) COMMENT '收盘价',
    volume BIGINT COMMENT '成交量',
    amount DECIMAL(20,2) COMMENT '成交额',
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    UNIQUE KEY uk_code_date (code, trade_date)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

2.3.3 Python连接数据库

from sqlalchemy import create_engine
import pandas as pd

# 连接数据库
engine = create_engine(
    "mysql+pymysql://root:你的密码@localhost:3306/hk_quant",
    echo=False
)

# 将DataFrame写入数据库
df = get_stock_data("0700.HK")
df.to_sql(
    name="daily_data",
    con=engine,
    if_exists="append",
    index=True
)

# 从数据库读取数据
query = "SELECT * FROM daily_data WHERE code = '0700.HK'"
result = pd.read_sql(query, con=engine)
print(result.head())

2.4 本章知识体系

下面这张图把整个开发环境的结构梳理了一下，你看一眼就能明白各个组件之间的关系：

这张图把咱们今天搭建的三个部分串起来了。Python环境是核心，数据源和数据库是两翼。数据从API来，经过清洗，存到数据库，最后供策略调用。

环境搭好了，后面写策略、做回测就顺手多了。记住，磨刀不误砍柴工，环境这块儿花点时间，后面能省不少事。

---

公众号:蓝海资料掘金营，微信deep3321