第一章：Python量化环境搭建
做量化交易，第一件事不是写策略，而是搭环境。
我见过太多人，策略逻辑想得挺漂亮，结果一跑代码就报错——库版本冲突、Python路径不对、虚拟环境乱成一锅粥。说白了，环境没搭好，后面全是坑。
这一章，我就带你一步步把量化环境搭起来。干净、稳定、可复现。这是专业选手的基本素养。
1.1 为什么选Anaconda？
Python本身只是个解释器。真正干活的是那些第三方库——pandas处理数据、numpy做计算、matplotlib画图、scikit-learn/tensorflow做模型。
问题来了：每个库有不同版本，版本之间还可能打架。你装了这个，那个就崩了。
Anaconda就是来解决这个问题的。它自带Python、包管理器conda、还有150+常用科学计算库。装一个Anaconda，等于把半个量化工具箱搬回家了。
- 自带Python和常用库，省去手动安装的麻烦
- conda包管理器，比pip更擅长处理依赖冲突
- 支持虚拟环境隔离，不同项目互不干扰
1.2 安装Anaconda
去官网下载对应系统的安装包。我建议选Python 3.9或3.10版本，太新或太旧都可能遇到库兼容问题。
Windows用户注意：
- 安装时勾选「Add Anaconda to my PATH environment variable」
- 但如果你已经装了其他Python，建议不勾选，用Anaconda Prompt启动
macOS/Linux用户：
- 下载.sh文件，终端运行
bash Anaconda3-xxx.sh - 一路yes，最后问是否初始化conda，选yes
装完后验证一下：
conda --version
python --version能看到版本号，说明装好了。
1.3 虚拟环境管理——量化项目的命根子
我刚开始做量化时，所有项目共用一套环境。结果呢？一个项目需要tensorflow 2.4，另一个需要2.10，升级一个，另一个就废了。
后来我学乖了——每个项目一个虚拟环境。干净、隔离、想删就删。
创建环境：
conda create -n quant_env python=3.9quant_env 是环境名，你可以换成项目名，比如 lstm_strategy、backtest_v2。
激活环境：
conda activate quant_env激活后，终端前面会出现 (quant_env) 字样，表示你在这个环境里了。
退出环境：
conda deactivate查看所有环境：
conda env list删除环境：
conda remove -n quant_env --allml_strategy_202501。这样半年后回看，还能知道当时用的什么配置。
1.4 必备库安装
量化交易的核心库，我按用途分了三类：
| 类别 | 库名 | 用途 |
|---|---|---|
| 数据处理 | pandas, numpy | 数据清洗、计算、特征工程 |
| 可视化 | matplotlib, seaborn | K线图、回测曲线、特征分布 |
| 机器学习/深度学习 | scikit-learn, tensorflow/pytorch | 模型训练、预测、评估 |
一键安装：
conda install pandas numpy matplotlib seaborn scikit-learn
conda install tensorflow # 或者 pytorch如果你用pytorch，建议去官网按系统选命令安装，因为pytorch的cuda版本需要匹配显卡驱动。
验证安装：
python -c "import pandas; print(pandas.__version__)"
python -c "import tensorflow as tf; print(tf.__version__)"不报错，就说明装好了。
1.5 Jupyter Notebook——量化研究的交互式利器
写策略和写工程代码不一样。策略需要反复试、看中间结果、画图验证。Jupyter Notebook就是干这个的。
启动：
conda activate quant_env
jupyter notebook浏览器会自动打开，界面里可以新建Notebook、管理文件。
常用快捷键：
Shift + Enter：运行当前单元格，跳到下一个Ctrl + Enter：运行当前单元格，不跳转A：在上方插入单元格B：在下方插入单元格DD：删除单元格M：切换到Markdown模式（写注释、标题）Y：切换到代码模式
我的工作流：
- 在Notebook里写策略原型，边写边跑边看结果
- 验证通过后，把核心逻辑整理成.py脚本
- 用脚本做回测或实盘
Notebook适合探索，脚本适合生产。别混为一谈。
1.6 本章知识体系
下面这张图，帮你把整个环境搭建的逻辑串起来：
从Anaconda出发，创建虚拟环境，在里面装三大类库，最后用Jupyter Notebook做交互式开发。这就是量化交易的标准环境配置。
1.7 环境导出与复现
这一点容易被忽略，但很重要。你写了一个策略，半年后想复现，结果忘了当时用的什么库版本。
解决方案：导出环境配置。
conda env export > environment.yml这个文件记录了所有库的版本。别人拿到后，直接：
conda env create -f environment.yml就能复现一模一样的环境。
environment.yml。提交代码时一起提交。这样团队协作或自己回看，都不会有环境问题。
1.8 常见问题与避坑
问题1：conda安装太慢
换国内镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes问题2：Jupyter Notebook无法启动
检查是否在虚拟环境里安装了jupyter：
conda install jupyter问题3：import tensorflow报错
大概率是版本与Python不匹配。我建议用conda装，它会自动处理依赖。
好了，环境搭好了。下一章我们开始真正接触数据——用pandas处理金融时间序列。那才是量化交易的起点。