第二章 工具与数据准备：Python环境搭建、Pandas与NumPy基础、数据源获取

做配对交易，说白了就是跟数据打交道。没有趁手的工具，再好的策略也跑不起来。

这一章，我带你把环境搭好，把基础打牢。别嫌烦，这些准备工作做好了，后面写策略的时候你会感谢我的。

2.1 Python环境搭建

我个人习惯用Anaconda来管理Python环境。为什么？因为它把科学计算常用的包都打包好了，省得你一个一个去pip install。

安装步骤其实很简单：

1. 去Anaconda官网下载对应系统的安装包
2. 一路默认安装，记得勾选"Add Anaconda to my PATH environment variable"
3. 打开终端或Anaconda Prompt，输入 python --version 确认安装成功

嗯，这里要注意：如果你用的是Mac或Linux，建议用命令行安装，别用图形界面。我在项目中遇到过图形界面装到一半卡死的情况，后来全改用命令行，再没出过问题。

装好之后，我建议你创建一个独立的虚拟环境：

conda create -n pair_trading python=3.9
conda activate pair_trading

这样你的配对交易环境就跟其他项目隔离开了。万一搞崩了，删掉重来就是，不影响别的项目。

2.2 Pandas与NumPy基础

这两个库是量化交易的左膀右臂。NumPy管数值计算，Pandas管数据处理。说白了，一个负责算，一个负责装。

2.2.1 NumPy：数组与矩阵运算

配对交易里，你经常要算协方差、相关系数、回归系数。这些用原生Python写，慢得你想哭。NumPy用C语言在底层实现，速度能快几十倍。

看个最简单的例子：

import numpy as np

# 创建两个价格序列
price_a = np.array([100.5, 101.2, 102.1, 101.8, 103.0])
price_b = np.array([50.2, 50.8, 51.3, 51.0, 51.7])

# 计算收益率
ret_a = np.diff(price_a) / price_a[:-1]
ret_b = np.diff(price_b) / price_b[:-1]

# 计算相关系数
corr = np.corrcoef(ret_a, ret_b)[0, 1]
print(f"收益率相关系数: {corr:.4f}")

你想想看，如果不用NumPy，光写个相关系数就得十几行循环。用NumPy，一行搞定。

2.2.2 Pandas：时间序列处理利器

做配对交易，你的数据全是带时间戳的。Pandas的DataFrame就是为这个场景设计的。

我曾经犯过一个低级错误：用Excel手动整理数据，结果日期格式不统一，导致回测结果全错了。后来我学乖了，所有数据都用Pandas处理，格式统一，还能自动对齐时间轴。

基础操作看这里：

import pandas as pd

# 读取CSV数据
df = pd.read_csv('stock_data.csv', parse_dates=['date'], index_col='date')

# 查看前5行
print(df.head())

# 计算滚动相关系数（配对交易常用）
df['corr_60'] = df['ret_a'].rolling(window=60).corr(df['ret_b'])

# 缺失值处理
df = df.dropna()  # 或者 df.fillna(method='ffill')

2.3 数据源获取

数据是量化交易的血液。没有数据，策略就是空中楼阁。

国内常用的数据源有两个：Tushare和JoinQuant。我两个都用过，说说我的感受。

2.3.1 Tushare：免费但有限制

Tushare是老牌的数据接口，免费用户能拿到日线数据，基本够用。但要注意，它有限流，一分钟只能请求200次。

安装和基本用法：

pip install tushare

import tushare as ts

# 设置token（去官网注册获取）
ts.set_token('your_token_here')
pro = ts.pro_api()

# 获取两只股票的历史日线数据
df_600519 = pro.daily(ts_code='600519.SH', start_date='20200101', end_date='20231231')
df_000858 = pro.daily(ts_code='000858.SZ', start_date='20200101', end_date='20231231')

# 合并数据
df = pd.merge(df_600519[['trade_date', 'close']], 
              df_000858[['trade_date', 'close']], 
              on='trade_date', 
              suffixes=('_茅台', '_五粮液'))

我个人习惯把数据存到本地CSV文件里，这样下次回测就不用重复请求了。既省时间，又不会被限流卡住。

2.3.2 JoinQuant：回测平台自带数据

如果你用JoinQuant的在线回测平台，数据是直接提供的，不用自己拉。但如果你要本地跑，还是得用Tushare或者自己找数据源。

JoinQuant的好处是数据质量高，复权处理得干净。坏处是本地用起来没那么灵活。

2.4 本章知识体系

下面这张图，把本章的核心逻辑串起来了。你一看就明白：

说白了，这一章就是帮你把地基打牢。环境搭好了，库用熟了，数据源搞定了，后面写策略就是水到渠成的事。

好了，工具准备好了。下一章，我们开始真正动手，写配对交易的策略逻辑。

---

公众号:蓝海资料掘金营，微信deep3321