3. 环境搭建与工具链：Python环境配置、Anaconda与Jupyter、必备库安装

做量化交易，说白了就是跟数据打交道。你想想看，没有趁手的工具，再好的策略也跑不起来。这一章，我就带你把整个开发环境搭好。嗯，这里要注意，环境搭建看似基础，但我在项目中见过太多人因为版本冲突、路径混乱，白白浪费一整天。

3.1 为什么选Python？

我个人习惯用Python做回测，原因很简单：生态太丰富了。pandas处理时间序列、numpy做矩阵运算、matplotlib画K线图，再加上backtrader这个回测框架，一条龙搞定。

你可能要问：「用其他语言不行吗？」当然可以。但Python的社区支持、第三方库数量，做量化交易绝对是第一梯队。我记得刚入行时，有个同事用C++写回测引擎，光数据结构就折腾了两周。我用Python，半天就搭好了原型。

3.2 Anaconda：一站式环境管理

Anaconda是什么？说白了就是一个Python发行版，帮你把Python解释器、常用库、包管理器都打包好了。我建议新手直接装Anaconda，省心。

安装步骤很简单：去官网下载对应系统的安装包，一路下一步就行。但有个坑——安装路径不要有中文和空格。我曾经因为用户名是中文，导致Jupyter启动报错，折腾了半小时才发现。

3.3 创建虚拟环境

做回测项目，我习惯单独建一个环境。这样不会污染全局Python，也方便迁移。

# 创建环境，指定Python版本
conda create -n backtest_env python=3.9

# 激活环境
conda activate backtest_env

# 退出环境
conda deactivate

环境名我一般用项目名加_env后缀。比如这个课程，就叫backtest_env。你想想看，如果所有项目都混在base环境里，哪天升级了某个库，其他项目可能就崩了。

3.4 Jupyter Notebook：交互式开发利器

Jupyter Notebook是我做策略探索时的最爱。你可以边写代码边看结果，还能加Markdown注释。说实话，没有Jupyter，我写策略的效率至少降一半。

安装很简单：

conda install jupyter notebook

启动：

jupyter notebook

浏览器会自动打开一个页面，默认端口是8888。如果端口被占用，它会自动找下一个可用端口。

3.5 必备库安装

接下来是重头戏——安装回测必备的四个库。我按依赖顺序来装：

3.5.1 pandas：数据处理核心

pandas是量化交易的基础。DataFrame结构天然适合处理时间序列数据。安装：

conda install pandas

或者用pip：

pip install pandas

我个人推荐用conda安装，因为它会自动处理依赖关系。比如pandas依赖numpy，conda会一并装上。

3.5.2 numpy：数值计算引擎

numpy提供高效的数组运算。虽然pandas底层已经用了numpy，但有些场景还是需要直接操作numpy数组。安装：

conda install numpy

3.5.3 matplotlib：数据可视化

回测结果总要画出来吧？matplotlib就是干这个的。安装：

conda install matplotlib

我建议同时安装seaborn，它基于matplotlib，画出来的图更漂亮：

conda install seaborn

3.5.4 backtrader：回测框架

backtrader是这次课程的核心。它封装了回测的通用逻辑，你只需要写策略逻辑就行。安装：

pip install backtrader

注意，backtrader在conda源里可能不是最新版，所以我用pip安装。如果遇到网络问题，可以加国内镜像：

pip install backtrader -i https://pypi.tuna.tsinghua.edu.cn/simple

3.6 验证安装

装完别急着走，先验证一下。打开Jupyter，新建一个Notebook，运行以下代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import backtrader as bt

print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")
print(f"backtrader版本: {bt.__version__}")

# 简单测试：生成随机数据并画图
data = pd.DataFrame(np.random.randn(100, 3), columns=['A', 'B', 'C'])
data.plot()
plt.title('安装验证测试')
plt.show()

如果没报错，还能看到一张折线图，恭喜你，环境搭好了！

3.7 知识体系总览

下面这张图，是我画的环境搭建整体流程。你可以对照着检查自己走到哪一步了：

3.8 环境管理小贴士

命令	作用	使用频率
conda list	查看当前环境已安装的包	⭐⭐⭐⭐
conda env list	列出所有虚拟环境	⭐⭐⭐
conda remove -n env_name --all	删除整个环境	⭐
conda export > environment.yml	导出环境配置（方便分享）	⭐⭐

好了，环境搭好了，工具也装齐了。下一节，我们就可以开始写真正的回测代码了。记住，好的开始是成功的一半——环境搭得稳，后面写策略才顺手。

---