2. 开发环境搭建：Anaconda安装与配置、Jupyter Notebook使用、VS Code配置Python开发环境、虚拟环境管理
说实话，很多新手在量化交易这条路上栽的第一个跟头，不是策略写错了，而是环境没搭好。我见过太多人花了两天时间装包、配路径、解决冲突，最后心态崩了。所以这一章，咱们就把地基打牢。
核心目标：一套干净、可复现、能随时切换的 Python 开发环境。说白了，就是让你写代码时只关心逻辑，不操心版本打架。
2.1 Anaconda：量化交易的瑞士军刀
Anaconda 是什么？它不是一个简单的 Python 发行版。它自带了一个包管理器（conda）和一个环境管理器。我个人习惯用 Anaconda 来隔离不同项目的依赖，比如一个项目用 pandas 1.5，另一个用 2.0，互不干扰。
安装步骤：
- 去官网下载对应系统的安装包（Windows/macOS/Linux）。
- 安装时，务必勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会警告你，但相信我，勾上它省去后面很多麻烦。
- 安装完成后，打开终端（或 Anaconda Prompt），输入
conda --version，看到版本号就说明成功了。
注意：我曾经在 macOS 上没勾选 PATH，结果每次用 conda 都要先 source 一遍路径，烦不胜烦。所以这一步别偷懒。
2.2 Jupyter Notebook：交互式探索的利器
做量化交易，你经常需要快速验证一个想法：这个因子有没有用？回测结果长什么样？Jupyter Notebook 就是干这个的。它让你把代码、图表、文字说明放在一个文档里，边写边看结果。
启动方式：
# 在终端输入
jupyter notebook浏览器会自动打开一个页面。你可以在里面新建 Python 3 笔记本。嗯，这里要注意：Jupyter 默认使用 base 环境。如果你在别的虚拟环境里装了包，记得先切换内核。
我的习惯：在项目根目录下启动 Jupyter，这样所有文件路径都是相对路径，迁移项目时不用改代码。
2.3 VS Code：从脚本到项目的进阶选择
Jupyter 适合探索，但写正式的策略代码、做回测框架，我还是推荐 VS Code。它轻量、插件丰富、对 Python 支持极好。
配置步骤：
- 安装 VS Code 后，打开扩展面板，搜索并安装「Python」扩展（微软官方出品）。
- 按
Ctrl+Shift+P（macOS 是Cmd+Shift+P），输入Python: Select Interpreter，选择你 Anaconda 环境里的 Python 解释器。 - 安装「Jupyter」扩展，这样你可以在 VS Code 里直接打开 .ipynb 文件，不用来回切换窗口。
避坑指南：我曾经在 VS Code 里调试代码，发现导入的包版本不对。后来才发现，是因为 VS Code 默认用了全局 Python，而不是 conda 环境。所以每次新建项目，第一件事就是检查左下角的解释器路径。
2.4 虚拟环境管理：让每个项目独立运行
这是本章的重头戏。量化交易项目往往依赖大量第三方库：numpy、pandas、scikit-learn、backtrader……这些库的版本之间可能有冲突。比如项目 A 需要 pandas 1.5，项目 B 需要 pandas 2.0。如果没有虚拟环境，你只能二选一。
conda 创建虚拟环境：
# 创建一个名为 quant_env 的环境，指定 Python 版本为 3.9
conda create -n quant_env python=3.9
# 激活环境
conda activate quant_env
# 安装常用包
conda install numpy pandas matplotlib jupyter
# 退出环境
conda deactivate常用命令速查表：
| 命令 | 说明 |
|---|---|
conda create -n env_name python=x.x |
创建环境并指定 Python 版本 |
conda activate env_name |
激活环境 |
conda deactivate |
退出当前环境 |
conda env list |
查看所有环境 |
conda env remove -n env_name |
删除环境 |
conda list |
查看当前环境已安装的包 |
小技巧：当你需要复现别人的环境时，可以用 conda env export > environment.yml 导出当前环境的依赖列表。别人拿到这个文件后，执行 conda env create -f environment.yml 就能一键复现你的环境。我在团队协作时经常用这招，再也没出现过「在我电脑上能跑啊」的尴尬。
2.5 本章知识体系
下面这张图帮你理清整个开发环境的搭建逻辑。从 Anaconda 这个基础平台出发，衍生出 Jupyter（交互式探索）和 VS Code（项目开发）两条路径，而虚拟环境管理则是贯穿始终的「隔离带」，确保每个项目互不干扰。
你看，整个体系其实就三层：底层是 Anaconda 这个平台，中间层是 Jupyter 和 VS Code 两个工具，顶层是虚拟环境管理这个「保险丝」。把这三层理清楚，后面写策略、做回测时就不会被环境问题绊住脚。
最后提醒一句：别在 base 环境里装太多包。base 环境就像你的工作台，保持干净整洁。每个项目单独建一个虚拟环境，用完就删，不心疼。我刚开始做量化时，base 环境里装了上百个包，后来想升级某个库，结果依赖全乱了，最后只能重装 Anaconda。嗯，血的教训。