第二章 策略开发环境搭建：Python环境配置、Anaconda安装、Jupyter Notebook使用、常用量化库介绍
说实话，很多做量化的人一上来就急着写策略。我见过太多人，代码跑不通就怪策略有问题。其实啊，环境没搭好，后面全是坑。这一章，咱们就把地基打牢。
2.1 Python环境配置——别小看这一步
Python版本怎么选？我个人习惯用3.8到3.11之间的版本。太新的版本，有些量化库还没适配。太老的版本，性能跟不上。
下载地址就是python.org。记得选64位版本。32位？别想了，处理海量数据时会哭的。
2.2 Anaconda安装——量化人的瑞士军刀
Anaconda是什么？说白了就是一个Python的包管理器加环境管理器。我建议所有做量化的人都用这个。
为什么？因为量化项目往往依赖很多库。不同项目可能依赖不同版本。Anaconda的虚拟环境功能，能让你轻松切换。
- 去anaconda.com下载对应版本
- 安装时勾选"Add Anaconda to my PATH environment variable"
- 安装完成后，打开Anaconda Prompt
创建虚拟环境的命令很简单：
conda create -n quant_env python=3.10
conda activate quant_env嗯，这里要注意。环境名别起得太随意。我见过有人起名叫"test1"、"test2"，三个月后自己都分不清哪个是哪个。建议用项目名，比如"momentum_strategy"、"factor_model"这种。
2.3 Jupyter Notebook——交互式开发的利器
Jupyter Notebook，说白了就是一个网页版的Python编辑器。但它有个杀手锏——可以边写代码边看结果。这对量化策略开发来说太重要了。
安装很简单：
pip install jupyter
# 或者
conda install jupyter启动：
jupyter notebook浏览器会自动打开。你会看到一个文件管理界面。新建一个Notebook，就可以开始写了。
我在项目中遇到过一个问题：Notebook跑久了，内存占用越来越高。后来发现是没及时清理中间变量。记得用del删除不需要的大变量，或者重启Kernel。
2.4 常用量化库介绍——三板斧
做量化，有三样东西绕不开：数据处理、数值计算、可视化。对应的就是Pandas、NumPy、Matplotlib。
2.4.1 Pandas——数据处理的核心
Pandas是量化分析的基础。它提供了DataFrame这种数据结构，说白了就是一张表格。股票数据、基金净值、因子值，全都可以往里放。
import pandas as pd
# 读取CSV文件
df = pd.read_csv('fund_data.csv')
# 查看前5行
df.head()
# 计算收益率
df['return'] = df['nav'].pct_change()你想想看，如果没有Pandas，处理时间序列数据得写多少行代码？
2.4.2 NumPy——数值计算的引擎
NumPy是Pandas的底层支撑。它提供了多维数组对象和大量的数学函数。量化策略里，矩阵运算、统计计算，都离不开它。
import numpy as np
# 创建数组
returns = np.array([0.01, -0.02, 0.03, 0.005])
# 计算均值、标准差
mean_return = np.mean(returns)
std_return = np.std(returns)
# 夏普比率（简化版）
sharpe = mean_return / std_return * np.sqrt(252)我记得刚开始做量化时，用Python原生列表做计算，速度慢得让人抓狂。后来换成NumPy，同样的计算快了上百倍。嗯，这就是专业工具的价值。
2.4.3 Matplotlib——可视化的画笔
数据不画出来，你很难发现规律。Matplotlib就是干这个的。
import matplotlib.pyplot as plt
# 画净值曲线
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['nav'])
plt.title('基金净值走势')
plt.xlabel('日期')
plt.ylabel('净值')
plt.grid(True)
plt.show()| 库名 | 核心功能 | 量化场景 |
|---|---|---|
| Pandas | 数据处理、时间序列 | 读取行情、计算因子、回测 |
| NumPy | 数值计算、矩阵运算 | 统计计算、优化求解 |
| Matplotlib | 数据可视化 | 净值曲线、因子分析图 |
2.5 环境搭建的完整流程
说了这么多，咱们来走一遍完整流程：
- 安装Anaconda（包含Python和常用库）
- 创建虚拟环境：
conda create -n quant_env python=3.10 - 激活环境：
conda activate quant_env - 安装量化库：
pip install pandas numpy matplotlib jupyter - 启动Jupyter：
jupyter notebook
sudo pip install，结果把系统Python搞乱了。记住，永远在虚拟环境里操作。出了问题，删掉环境重建就行，不会影响系统。
2.6 知识体系总览
下面这张图，把本章的核心内容串起来了。你可以看到，从底层到应用层，每一层都有它的作用。
这张图你看懂了吗？从操作系统到Anaconda，再到Python环境，最后装上核心库。每一步都是上一层的基石。我建议你按这个顺序来，别跳步。
好了，环境搭好了，咱们就可以开始真正的量化之旅了。记住，好的开始是成功的一半。这个环境，会陪你走完整个策略开发流程。