第二章：环境搭建——Python环境配置、Anaconda安装、Jupyter Notebook设置、虚拟环境管理

做量化回测，第一步不是写策略，而是搭环境。

我见过太多人，策略写得挺好，结果一跑就报错。查了半天，原来是Python版本不对，或者包冲突了。说白了，环境问题能卡你三天。所以这一章，咱们把地基打牢。

2.1 Python环境配置——选对版本，少走弯路

Python版本怎么选？我个人习惯用3.8或3.9。为什么？因为量化相关的库，比如pandas、numpy、backtrader，对这两个版本支持最稳。

你想想看，如果你装了个Python 3.12，有些老库还没适配，一安装就报错。嗯，我在项目中遇到过，一个同事非要用最新版，结果折腾了两天，最后还是换回了3.9。

安装时注意勾选「Add Python to PATH」。这一步很多人会忘，忘了之后命令行打python没反应。我曾经帮一个新手远程调试，就因为这个勾没选，折腾了半小时。

2.2 Anaconda安装——全家桶省心省力

Anaconda是什么？说白了，就是一个Python的「全家桶」。它帮你装好了Python、常用库、还有包管理工具conda。

我个人强烈建议用Anaconda。尤其是做量化，你要装一堆金融库，一个个pip安装太累了。Anaconda一键搞定。

工具	说明
conda	包管理器，比pip更智能，能自动处理依赖
Jupyter Notebook	交互式编程环境，适合回测分析
Spyder	IDE，适合写复杂策略

安装步骤很简单：

1. 去Anaconda官网下载对应系统的安装包
2. 双击安装，一路默认就行
3. 注意：安装路径不要有中文，不要有空格

2.3 Jupyter Notebook设置——量化回测的利器

Jupyter Notebook，做量化回测的神器。你可以在里面写代码、看图表、做笔记，一气呵成。

启动方式很简单：打开命令行，输入 jupyter notebook，浏览器就会自动打开。

但默认配置有点丑，而且功能不够全。我建议做几个优化：

• 修改默认目录：找到配置文件 jupyter_notebook_config.py，修改 c.NotebookApp.notebook_dir 为你自己的回测项目文件夹
• 安装插件：pip install jupyter_contrib_nbextensions，装上后可以加目录、代码折叠等功能
• 设置密码：如果你在服务器上用，记得设密码，不然谁都能连上来

2.4 虚拟环境管理——项目隔离，互不干扰

做量化回测，你可能会同时维护好几个策略。每个策略依赖的库版本可能不一样。比如策略A用pandas 1.3，策略B用pandas 2.0。如果装在一个环境里，迟早出问题。

虚拟环境就是干这个的。每个项目有自己的「小房间」，互不干扰。

用conda创建虚拟环境：

# 创建一个名为 backtest_env 的环境，指定Python版本
conda create -n backtest_env python=3.9

# 激活环境
conda activate backtest_env

# 安装量化常用库
conda install pandas numpy matplotlib
pip install backtrader

# 退出环境
conda deactivate

我个人习惯给每个策略单独建一个环境。比如：

• strategy_moving_average —— 均线策略
• strategy_momentum —— 动量策略
• strategy_ml —— 机器学习策略

2.5 本章知识体系

下面这张图，帮你理清整个环境搭建的逻辑：

这张图展示了整个环境搭建的四个核心部分：Python版本选择、Anaconda安装、Jupyter配置、虚拟环境管理。它们层层递进，缺一不可。

2.6 验证环境是否搭好

环境搭完了，怎么知道对不对？跑个简单的测试：

# 在命令行输入
python --version
# 应该输出 Python 3.9.x

conda --version
# 应该输出 conda 4.x.x

jupyter --version
# 应该输出 Jupyter 版本号

如果都能正常显示，恭喜你，环境搭好了。

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。后面咱们就可以正式开始写策略了。