4、暗池交易算法开发环境搭建：Python量化开发环境配置、常用库安装、回测框架选型

说实话，很多朋友一上来就问我：「老师，暗池交易算法到底用什么写？」我的回答永远是——先把你的开发环境整明白。环境搭不好，后面全是坑。我自己带过不少学员，至少有一半的bug最后发现是环境问题，而不是代码问题。

这一章，我们就来把地基打牢。我会带着你一步步配置Python量化开发环境，安装那些绕不开的库，最后聊聊回测框架怎么选。嗯，都是实战中摸爬滚打出来的经验。

4.1 Python量化开发环境配置

我个人习惯用Anaconda来管理Python环境。为什么？因为它自带了一堆科学计算库，省得你一个个去装。你想想看，要是用原生Python，装个numpy都能让你怀疑人生——特别是Windows用户，编译报错能把你整崩溃。

具体步骤其实很简单：

1. 下载Anaconda（选Python 3.9版本）
2. 安装时勾选「Add Anaconda to my PATH environment variable」
3. 打开终端或Anaconda Prompt，创建一个独立环境

# 创建名为 darkpool_env 的环境，指定Python 3.9
conda create -n darkpool_env python=3.9

# 激活环境
conda activate darkpool_env

# 验证Python版本
python --version

这里有个坑——我曾经遇到过，在Windows上装完Anaconda后，终端里死活激活不了环境。后来发现是PowerShell的执行策略问题。解决办法很简单：用管理员身份打开PowerShell，先跑一句 Set-ExecutionPolicy RemoteSigned，再激活就OK了。

4.2 常用库安装

暗池交易算法开发，说白了就是处理数据、建模、回测、可视化。这几个环节，每个都有对应的王牌库。我按安装顺序给你列出来：

库名	用途	安装命令	我的备注
pandas	数据处理、时间序列分析	pip install pandas	量化交易的核心，没有之一
numpy	数值计算、矩阵运算	pip install numpy	pandas的底层依赖，必装
scipy	科学计算、优化算法	pip install scipy	做暗池撮合优化时会用到
matplotlib	数据可视化	pip install matplotlib	画K线、画成交分布图

安装命令很简单，一行搞定：

pip install pandas numpy scipy matplotlib

如果你在国内，建议加上清华镜像源，速度能快10倍：

pip install pandas numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

装完之后，验证一下：

python -c "import pandas; import numpy; import scipy; import matplotlib; print('All good!')"

如果没报错，恭喜你，基础环境搭好了。我记得有一次帮学员远程调试，他装完pandas后导入报错，折腾了半小时才发现是Python版本太高（3.12），pandas有些底层C扩展还没适配。所以，版本别追新，稳才是王道。

4.3 回测框架选型

回测框架，说白了就是模拟历史行情，看看你的策略能不能赚钱。暗池交易的回测比普通股票回测要复杂——因为暗池的成交数据不公开，你得自己模拟订单簿和撮合逻辑。

目前市面上主流的回测框架有三个：Backtrader、Zipline、自研框架。我一个个说。

4.3.1 Backtrader

我个人最推荐新手用Backtrader。为什么？因为它上手快、文档全、社区活跃。你想想看，一个框架如果文档都写不清楚，你遇到bug连搜都搜不到，那得多痛苦。

Backtrader的核心概念就几个：

• Data Feed：数据源，喂给策略的行情数据
• Strategy：策略逻辑，你的买卖规则写在这里
• Broker：模拟券商，处理订单、计算手续费
• Analyzer：分析器，计算夏普比率、最大回撤等指标

安装很简单：

pip install backtrader

一个最简单的回测示例：

import backtrader as bt

class MyStrategy(bt.Strategy):
    def next(self):
        if not self.position:
            self.buy(size=100)
        else:
            self.sell(size=100)

cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)
# 这里需要加载数据，后面章节会细讲
cerebro.run()

不过要注意，Backtrader默认不支持暗池交易。你需要自己扩展Broker模块，加入暗池的订单类型和撮合规则。这个我们后面会专门讲。

4.3.2 Zipline

Zipline是Quantopian开发的框架，功能很强大，但安装起来有点麻烦。我当年装Zipline，光解决依赖就花了两天。后来发现它依赖的 pandas-datareader 版本和我的环境冲突，折腾了好久。

如果你非要用Zipline，建议用这个命令：

pip install zipline-reloaded

注意，是 zipline-reloaded，不是原版 zipline。原版已经停更了，reloaded版本有人在维护。

Zipline的优势在于：

• 内置了美股的历史数据下载器
• 支持分钟级和日级回测
• 有完整的交易记录和绩效分析

但缺点也很明显：

• 安装复杂，Windows用户尤其痛苦
• 扩展性不如Backtrader，想加暗池逻辑得改源码
• 社区活跃度在下降

所以我的建议是：除非你主要做美股，否则别碰Zipline。

4.3.3 自研框架

说实话，到了暗池交易这个层面，很多团队最后都走上了自研框架的路。为什么？因为市面上的框架都是为公开市场设计的，暗池的订单簿结构、撮合规则、信息泄露风险，这些标准框架根本覆盖不到。

我自己参与过两个自研框架的开发，一个是用Python写的轻量级框架，专门用来测试暗池的冰山订单策略；另一个是用C++写的生产级框架，处理纳秒级的订单流。

自研框架的核心模块：

1. 数据引擎：处理历史行情数据，支持暗池的匿名订单簿
2. 撮合引擎：模拟暗池的撮合逻辑，比如时间优先、价格优先、按比例分配
3. 策略引擎：加载你的交易策略，生成订单
4. 风控模块：检查订单是否合规，防止自成交
5. 绩效分析：计算滑点、成交率、市场冲击成本

下面这张图是我自己画的一个自研暗池回测框架的结构，你可以参考一下：

自研框架的好处是灵活，你想怎么改就怎么改。但代价也很明显——开发周期长，bug多，需要持续维护。我个人建议：先用Backtrader跑通逻辑，等策略成熟了，再考虑自研框架。

好了，环境搭好了，库也装上了，框架也选好了。接下来我们就可以真正开始写暗池交易算法了。别急，先把这些基础打牢，后面写代码的时候你会感谢自己的。

---