3、Python环境搭建：安装必要的库

做波动率套利，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。这一节，我就带你把环境搭好。

我个人习惯用 Anaconda 来管理 Python 环境。为什么？因为它自带了很多科学计算库，省去了一一安装的麻烦。如果你还没装 Anaconda，去官网下载个最新版就行，一路默认安装，没什么坑。

3.1 核心库一览

做波动率锥，我们需要这几样东西：

• numpy：数值计算的基础。数组操作、矩阵运算，全靠它。
• pandas：处理时间序列数据的利器。期权数据、历史价格，用 DataFrame 一装，操作起来特别顺手。
• matplotlib：画图工具。波动率锥最终要可视化，没它不行。
• scipy：科学计算库。里面有很多统计函数，比如正态分布、插值，做波动率曲面时会用到。
• mibian：期权定价库。虽然我们主要做波动率套利，但偶尔需要算个隐含波动率，用它很方便。

嗯，这里要注意：mibian 这个库比较老，有些 Python 3.9 以上的版本可能装不上。我遇到过这个问题，后来换了个方式解决，后面会讲。

3.2 安装步骤

打开你的终端（Windows 用户用 Anaconda Prompt），输入以下命令：

# 创建一个新环境，我习惯叫它 vol_env
conda create -n vol_env python=3.8

# 激活环境
conda activate vol_env

# 安装核心库
conda install numpy pandas matplotlib scipy

# 安装 mibian（如果 conda 装不上，用 pip）
pip install mibian

为什么会推荐 Python 3.8？因为 mibian 这个库最后一次更新是 2017 年，对高版本 Python 支持不太好。我曾经在 Python 3.10 上装它，折腾了半天没成功，最后老老实实退回 3.8。

3.3 验证安装

装完之后，我们验证一下。打开 Jupyter Notebook，输入以下代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.stats as stats
import mibian

print("numpy version:", np.__version__)
print("pandas version:", pd.__version__)
print("mibian version:", mibian.__version__)

# 简单测试：计算一个欧式看涨期权的隐含波动率
underlying_price = 100
strike_price = 100
interest_rate = 0.05
days_to_expiry = 30
option_price = 2.5

bs = mibian.BS([underlying_price, strike_price, interest_rate, days_to_expiry], callPrice=option_price)
print("Implied Volatility:", bs.impliedVolatility)

如果没报错，而且能看到版本号和隐含波动率的值，说明环境搭好了。

3.4 配置 Jupyter Notebook

Jupyter Notebook 默认界面有点素，我建议装个扩展包，让体验更好：

# 安装 jupyter_contrib_nbextensions
conda install -c conda-forge jupyter_contrib_nbextensions

# 启用扩展
jupyter contrib nbextension install --user

装完之后，打开 Jupyter Notebook，你会看到多了一个 Nbextensions 标签页。我常用的扩展有：

• Table of Contents：自动生成目录，方便跳转
• Collapsible Headings：折叠标题，长文档时特别有用
• ExecuteTime：显示每个单元格的运行时间，优化代码时用得上

嗯，这里有个小坑：有些扩展之间会冲突。我遇到过 Table of Contents 和 Collapsible Headings 同时开启时，页面加载变慢。解决办法是只开自己最需要的，别贪多。

3.5 本章知识体系

下面这张图，帮你理清整个环境搭建的逻辑：

3.6 一些个人经验

环境搭建这件事，看着简单，但真做起来总会遇到点小问题。我分享几个经验：

• 别用最新版 Python：量化金融的很多库更新慢，Python 3.8 或 3.9 是最稳妥的选择。
• 虚拟环境是好朋友：每个项目建一个独立环境，互不干扰。我吃过亏，有一次装了个新库，结果把整个 base 环境搞崩了，重装花了一下午。
• pip 和 conda 混用要小心：先试试 conda install，装不上再用 pip。混用可能导致依赖冲突。

好了，环境搭好了，下一节我们就可以正式开始处理数据了。记住，工具只是手段，策略才是核心。但工欲善其事，必先利其器——这句话在量化交易里尤其适用。