2. 开发环境搭建：Anaconda安装与配置、Jupyter Notebook使用、Pandas与NumPy库安装、Tushare/Akshare数据接口注册

说实话，做量化交易这件事，很多人一上来就急着写策略、跑回测。但我个人的经验是——先把厨房收拾利索了，再想着炒菜。环境搭建这一步看似基础，但我在项目里见过太多因为环境不一致导致的诡异bug。嗯，咱们今天就把这事一次性搞定。

2.1 Anaconda：量化交易者的瑞士军刀

为什么选Anaconda？说白了，它帮你把Python解释器、常用科学计算库、包管理器全打包好了。你不需要一个个去pip安装，省心很多。

安装步骤：

1. 去Anaconda官网下载对应系统的安装包（我建议选Python 3.9+版本）
2. 双击安装，一路默认即可。但有一个坑——安装路径不要有中文和空格。我曾经因为路径里带了个中文，折腾了一下午才找到原因。
3. 安装完成后，打开终端（Windows用Anaconda Prompt），输入 conda --version 验证

2.2 创建独立的量化交易环境

我个人习惯是每个项目建一个独立环境。为什么？你想想看，不同项目依赖的库版本可能冲突，混在一起迟早出事。

# 创建环境
conda create -n quant_env python=3.9

# 激活环境
conda activate quant_env

# 以后想退出
conda deactivate

环境名我取的是 quant_env，你可以按自己喜好来。但建议别用中文，终端对中文的支持你懂的……

2.3 Jupyter Notebook：交互式开发的利器

做量化研究，Jupyter Notebook几乎是标配。它让你能边写代码边看结果，还能加注释、画图表。我大部分策略的原型都是在Notebook里完成的。

安装与启动：

# 在quant_env环境下安装
conda install jupyter notebook

# 启动
jupyter notebook

启动后浏览器会自动打开，默认端口是8888。如果端口被占用，它会自动切换到8889，别慌。

2.4 Pandas与NumPy：量化分析的两大基石

做量化交易，你每天打交道最多的就是这两个库。NumPy负责数值计算，Pandas负责数据处理。说白了，一个管"算"，一个管"表"。

安装命令：

conda install pandas numpy

验证是否安装成功：

import pandas as pd
import numpy as np

print(pd.__version__)
print(np.__version__)

如果没报错，说明安装成功。我一般习惯用 pd 和 np 作为别名，行业惯例，大家都这么写。

2.5 数据接口注册：Tushare与Akshare

做量化交易，数据是命根子。没有数据，策略就是空中楼阁。国内常用的免费数据接口有两个：Tushare和Akshare。

2.5.1 Tushare注册与使用

Tushare是老牌数据接口，数据质量高，但需要注册获取token。

1. 访问Tushare官网，用手机号注册
2. 登录后，在个人主页找到"接口TOKEN"
3. 复制token，安装tushare库：pip install tushare

import tushare as ts

# 设置token
ts.set_token('你的token')

# 初始化接口
pro = ts.pro_api()

# 获取股票日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20240101', end_date='20240301')
print(df.head())

2.5.2 Akshare注册与使用

Akshare是完全免费的，不需要注册，直接pip安装就能用。适合新手快速上手。

pip install akshare

import akshare as ak

# 获取A股日线数据
df = ak.stock_zh_a_hist(symbol="000001", period="daily", 
                        start_date="20240101", end_date="20240301")
print(df.head())

两个接口各有优劣。Tushare数据更规范，但有限流；Akshare完全免费，但偶尔接口会变动。我个人建议：研究阶段用Akshare，正式回测用Tushare。

2.6 本章知识体系总览

下面这张图帮你理清整个环境搭建的逻辑脉络：

2.7 环境验证：跑通第一个量化示例

环境搭好了，咱们跑个小例子验证一下。这段代码会从Akshare获取平安银行的历史数据，然后计算5日均线：

import pandas as pd
import numpy as np
import akshare as ak

# 获取数据
df = ak.stock_zh_a_hist(symbol="000001", period="daily",
                        start_date="20240101", end_date="20240301")

# 计算5日均线
df['MA5'] = df['收盘'].rolling(window=5).mean()

# 查看结果
print(df[['日期', '收盘', 'MA5']].head(10))

如果顺利跑通，恭喜你——环境搭建完成，可以正式开始量化之旅了。

好了，环境这块就说到这。记住一句话：环境搭得好，回测没烦恼。后面咱们就要开始真正写策略了，到时候你会发现，今天花的时间都是值得的。

---