4. Python环境搭建：Anaconda安装、Jupyter Notebook配置、必备库安装

说实话，很多做量化交易的朋友，一开始就栽在环境搭建上。

我记得有个学员，策略逻辑写得挺好，结果因为库版本冲突，折腾了两天没跑起来。后来我帮他一看，就是Anaconda没装对。

所以这一章，咱们把环境彻底搞定。一步到位，后面写代码才不闹心。

4.1 为什么选Anaconda？

你可能会问：直接用Python官网装不行吗？

行是行，但麻烦。做TWAP策略，我们要处理数据、画图、对接交易所API。这些库一个一个手动装，版本冲突能让你崩溃。

Anaconda的好处就是——全家桶。它自带Python、包管理器conda、还有Jupyter Notebook。说白了，装一个Anaconda，后面90%的库都不用愁了。

4.2 Anaconda安装实战

咱们直接上手。我习惯用Windows演示，Mac和Linux流程差不多。

4.2.1 下载与安装

1. 打开Anaconda官网（https://www.anaconda.com/products/individual）
2. 下载对应系统的安装包（64位）
3. 双击安装，一路默认就行

4.2.2 验证安装

打开终端（Windows用cmd或PowerShell），输入：

conda --version

如果看到版本号，比如 conda 23.7.4，就说明装好了。

再输入：

python --version

嗯，这里要注意。如果显示的是系统自带的Python版本，说明环境变量没配好。我曾经遇到过这种情况，折腾了半小时才发现是安装时没勾PATH选项。

4.3 Jupyter Notebook配置

Jupyter Notebook是我做量化策略最常用的工具。为什么？因为它能边写代码边看结果，还能加注释、画图。TWAP策略的回测、可视化，用它再合适不过。

4.3.1 启动Jupyter

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。

我第一次用的时候，觉得这玩意儿就是个高级记事本。后来发现，它其实是量化交易的瑞士军刀。

4.3.2 常用配置

我个人习惯改几个配置，让体验更好：

1. 修改默认目录：找到配置文件 jupyter_notebook_config.py（在 C:\Users\你的用户名\.jupyter\ 下），修改 c.NotebookApp.notebook_dir 为你放策略的文件夹
2. 设置密码：终端运行 jupyter notebook password，按提示设置
3. 安装插件：用 pip install jupyter_contrib_nbextensions，然后启用代码折叠、目录生成等插件

4.4 必备库安装

做TWAP策略，核心就四个库：pandas、numpy、matplotlib、ccxt。咱们一个一个来。

4.4.1 pandas（数据处理核心）

pandas是量化交易的基础。处理行情数据、计算统计指标、合并数据框，全靠它。

conda install pandas

或者用pip：

pip install pandas

安装后验证：

python -c "import pandas; print(pandas.__version__)"

我建议装1.5.x版本，稳定。2.0以上有些API变了，老代码可能报错。

4.4.2 numpy（数值计算引擎）

numpy是pandas的底层支撑。做TWAP策略时，计算均价、标准差、协方差，都离不开它。

conda install numpy

验证：

python -c "import numpy; print(numpy.__version__)"

4.4.3 matplotlib（可视化利器）

画K线图、成交分布图、策略收益曲线，matplotlib是标配。

conda install matplotlib

验证：

python -c "import matplotlib; print(matplotlib.__version__)"

4.4.4 ccxt（交易所API统一接口）

ccxt是连接交易所的桥梁。它支持100多家交易所，API接口统一。做TWAP策略，要对接币安、OKX这些交易所，ccxt是首选。

pip install ccxt

注意：ccxt更新频繁，建议用pip安装，保持最新版。

验证：

python -c "import ccxt; print(ccxt.__version__)"

我曾经踩过一个坑：用conda装的ccxt版本太老，连不上币安的WebSocket。后来换成pip装最新版，问题就解决了。

4.5 一键安装脚本

为了省事，我写了个脚本，把上面四个库一次性装好：

# install_twap_env.py
import subprocess
import sys

def install_package(package):
    subprocess.check_call([sys.executable, "-m", "pip", "install", package])

packages = ['pandas', 'numpy', 'matplotlib', 'ccxt']

for pkg in packages:
    print(f"正在安装 {pkg}...")
    install_package(pkg)
    print(f"{pkg} 安装完成")

print("所有库安装完毕！")

保存为 install_twap_env.py，终端运行 python install_twap_env.py 就行。

4.6 环境验证与测试

装完别急着走。咱们跑个测试，确保所有库能协同工作。

# test_env.py
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import ccxt

print("pandas版本:", pd.__version__)
print("numpy版本:", np.__version__)
print("matplotlib版本:", plt.matplotlib.__version__)
print("ccxt版本:", ccxt.__version__)

# 简单测试：生成随机价格数据并画图
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='1min')
prices = 50000 + np.cumsum(np.random.randn(100) * 10)

df = pd.DataFrame({'time': dates, 'price': prices})
df.set_index('time', inplace=True)

plt.figure(figsize=(10, 5))
plt.plot(df.index, df['price'], label='模拟价格')
plt.title('TWAP环境测试 - 随机价格序列')
plt.xlabel('时间')
plt.ylabel('价格')
plt.legend()
plt.grid(True)
plt.show()

print("环境测试通过！")

如果能看到一张折线图，说明环境搭建成功。