第1章：工欲善其事，必先利其器

做量化交易，尤其是配对交易，说白了就是和数据打交道。你想想看，没有趁手的工具，再好的策略也跑不起来。这一章，我就带你把环境搭好，后面写代码、跑回测才能顺风顺水。

我个人习惯用 Anaconda 来管理 Python 环境。为什么？因为它把 Python 解释器、常用库、还有 Jupyter Notebook 都打包好了。你不需要一个个去装，省心很多。我记得刚入行那会儿，还在手动装各种依赖库，装到崩溃。后来用了 Anaconda，真香。

1.1 安装 Anaconda

去 Anaconda 官网下载对应你操作系统的安装包。Windows、macOS、Linux 都有。我建议下载 Python 3.9 或 3.10 版本的，太新的版本有些库可能还没适配好。

安装过程很简单，一路点「Next」就行。但有一个坑，我必须要提醒你：

安装完成后，打开终端（Windows 下是 Anaconda Prompt），输入：

conda --version

如果能看到版本号，比如 conda 23.7.4，那就说明装好了。

1.2 配置 Jupyter Notebook

Jupyter Notebook 是我们写策略、做分析的主力工具。它最大的好处是能边写代码边看结果，特别适合探索性分析。

启动 Jupyter Notebook 很简单，在终端输入：

jupyter notebook

浏览器会自动打开一个页面，默认地址是 http://localhost:8888。你可以在里面新建文件夹、新建 Notebook 文件（后缀是 .ipynb）。

我个人习惯在桌面上建一个叫 pair_trading 的文件夹，专门放这个课程的所有代码和数据。这样好管理。

1.3 安装必备库

做配对交易，有几个库是绕不开的。我把它们列出来，你照着装就行。

你可以一次性装完：

conda install pandas numpy statsmodels matplotlib

装完之后，我建议你写个小脚本测试一下，看看能不能正常导入：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt

print("所有库导入成功！")
print(f"pandas 版本: {pd.__version__}")
print(f"numpy 版本: {np.__version__}")

如果没报错，那就说明环境搭好了。嗯，这里要注意一点：statsmodels 的导入可能会有点慢，尤其是第一次。别急，等几秒就好。

1.4 本章知识体系

为了让你对整个环境搭建有个全局认识，我画了一张图。你看一眼就明白了。

这张图把整个环境搭建的逻辑串起来了。最上层是 Anaconda，它提供了平台。中间是 Jupyter Notebook 和 Python 解释器，一个负责交互式编程，一个负责执行代码。最底层是四个核心库，它们各司其职，共同构成了配对交易策略的技术基础。

1.5 避坑指南

环境搭建看起来简单，但我在项目里遇到过不少问题。挑几个常见的跟你说说：

• conda 命令找不到：多半是安装时没勾 PATH 选项。解决办法是手动把 Anaconda 的 Scripts 目录加到系统环境变量里。
• Jupyter Notebook 打不开：试试在终端里输入 jupyter notebook --no-browser，然后手动复制链接到浏览器。
• 库版本冲突：我曾经因为装了太新的 pandas，导致 statsmodels 报错。建议用 conda 安装，它会自动处理依赖关系。

好了，环境搭好了，后面我们就可以开始写真正的策略代码了。别急，先把这一步走稳，后面才能跑得快。