第1章：工欲善其事，必先利其器
Python量化环境搭建：Anaconda安装与配置、Jupyter Notebook使用、必备库安装
各位同学，欢迎来到《统计套利配对交易实战》的第一课。
做量化交易，说白了就是跟数据打交道。数据从哪来？怎么处理？怎么回测？这些都得靠工具。我见过太多人，策略想得天花乱坠，结果连个环境都配不好，折腾半天跑不起来。嗯，咱们别走弯路，先把吃饭的家伙准备好。
1.1 为什么选择Python？为什么是Anaconda？
你可能听过一句话：「人生苦短，我用Python」。在量化领域，Python几乎成了标配。为什么？因为它生态好。你要算统计量，有scipy；你要做回归，有statsmodels；你要画K线图，有matplotlib。这些库就像乐高积木，拼起来就能干活。
但问题来了——装库本身是个麻烦事。你装A库，它依赖B库的1.0版本；你装C库，它又依赖B库的2.0版本。冲突了怎么办？
这时候，Anaconda就派上用场了。它自带了一个包管理器叫conda，能帮你自动处理依赖关系。我个人习惯，每做一个新项目，就新建一个虚拟环境。这样项目A用Python 3.8，项目B用Python 3.10，互不干扰。
1.2 安装Anaconda（手把手版）
安装过程其实很简单，但我还是想啰嗦几句，因为有些坑我踩过。
第一步：下载
去Anaconda官网（anaconda.com），找到Download按钮。注意看你的操作系统——Windows、macOS、Linux，选对应的版本。我建议下载Python 3.9或3.10的版本，太新的Python版本有些旧库可能不兼容。
第二步：安装
- Windows用户：双击exe文件，一路Next。但有一个关键选项——「Add Anaconda to my PATH environment variable」，我建议勾上。虽然安装程序会警告你「不推荐」，但勾上之后你在命令行里直接敲
conda就能用，方便很多。 - macOS用户：下载pkg文件，双击安装。或者用命令行：
bash Anaconda3-2024.10-MacOSX-x86_64.sh。安装过程中会问你是否要初始化conda，选yes。 - Linux用户：跟macOS类似，用bash命令安装。安装完后记得
source ~/.bashrc刷新一下。
python，弹出来的是微软商店……折腾了半小时才发现。所以，该勾的勾上。
第三步：验证安装
打开终端（Windows是cmd或PowerShell，macOS/Linux是Terminal），输入：
conda --version如果看到类似conda 24.9.2这样的输出，恭喜你，安装成功。
1.3 配置虚拟环境
我不建议直接在base环境里装东西。base环境是Anaconda自带的，万一搞坏了，重装很麻烦。我习惯为每个项目建一个独立环境。
打开终端，执行：
conda create -n statarb python=3.9这条命令创建了一个名为statarb的环境，Python版本是3.9。注意，statarb是「统计套利」的缩写，你可以随便起名，但最好有意义。
创建完成后，激活它：
conda activate statarb你会看到命令行前面多了(statarb)字样，说明你现在就在这个环境里了。
conda deactivate。查看所有环境用conda env list。删除环境用conda env remove -n statarb。
1.4 安装必备库
环境建好了，接下来装库。咱们做统计套利，最常用的就是这几个：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理，尤其是时间序列 | conda install pandas |
| numpy | 数值计算，矩阵运算 | conda install numpy |
| statsmodels | 统计模型，回归分析，协整检验 | conda install statsmodels |
| scipy | 科学计算，优化算法 | conda install scipy |
| matplotlib | 数据可视化，画图 | conda install matplotlib |
| yfinance | 获取雅虎财经数据 | pip install yfinance |
你可能会问：为什么yfinance要用pip而不是conda？因为yfinance不在conda的默认频道里，用pip装更直接。没关系，conda和pip可以混用，只要你在同一个虚拟环境里操作就行。
安装命令可以一条一条执行，也可以写在一起：
conda install pandas numpy statsmodels scipy matplotlib
pip install yfinance安装完成后，验证一下：
python -c "import pandas; import numpy; import statsmodels; import scipy; import matplotlib; import yfinance; print('All good!')"如果没报错，说明所有库都装好了。
coint函数找到了几对不错的股票组合。
1.5 Jupyter Notebook：交互式编程利器
装好库了，但你在哪写代码？用记事本？用PyCharm？都可以。但我强烈推荐Jupyter Notebook，尤其是做数据分析的时候。
为什么？因为它是交互式的。你写一行代码，立刻就能看到结果。你画个图，图就显示在代码下面。你调整参数，马上就能看到变化。这种「所见即所得」的感觉，做量化研究非常舒服。
安装Jupyter很简单：
conda install jupyter启动它：
jupyter notebook终端会输出一串信息，然后自动打开浏览器，你会看到Jupyter的界面。点击右上角的「New」→「Python 3」，就新建了一个笔记本。
在笔记本里，你可以这样写：
# 第一个单元格
import pandas as pd
import numpy as np
print("Hello, 统计套利！")
# 第二个单元格
data = pd.DataFrame(np.random.randn(100, 2), columns=['A', 'B'])
data.head()按Shift + Enter运行当前单元格，光标会自动跳到下一个单元格。非常流畅。
1.6 本章知识体系总览
说了这么多，咱们用一张图来总结一下本章的核心逻辑：
这张图把本章的内容串起来了。从Anaconda出发，先搞定安装配置，再创建虚拟环境，然后安装必备库，最后用Jupyter Notebook来写代码。每一步都是下一步的基础，缺一不可。
1.7 本章小结
好了，环境搭建这部分就讲完了。你可能会觉得：「不就是装个软件吗？有什么好讲的？」
但我想说，环境搭建是量化交易的第一步，也是很多人放弃的第一步。我见过太多人，策略写好了，结果因为某个库版本不对，跑出来的结果完全不一样。所以，别嫌麻烦，把这一步走扎实了，后面才能走得顺。
现在，打开你的终端，跟着上面的步骤，把环境搭起来。然后，在Jupyter里敲一行import pandas as pd，感受一下「一切就绪」的感觉。