2. 开发环境搭建：Python安装与版本管理（pyenv），虚拟环境（venv/conda），必备库安装

说实话，很多做量化交易的朋友，最后都栽在了环境配置上。

代码写得好好的，换个机器就跑不起来了。或者某个库版本不对，回测结果天差地别。我刚开始做量化那会儿，就吃过这个亏。有一次策略回测收益曲线漂亮得不行，结果发现是numpy版本不同导致的计算精度差异……嗯，从那以后，我再也不敢轻视环境管理了。

2.1 Python版本管理：为什么需要pyenv？

你想想看，量化交易领域，不同库对Python版本的要求经常打架。比如backtrader在Python 3.9上跑得稳，但某些ccxt的新特性又需要3.10以上。怎么办？

我个人的习惯是：用pyenv来管理多个Python版本。它就像一个版本切换器，让你可以在不同项目间自由切换Python解释器。

安装pyenv（macOS/Linux）

# macOS
brew install pyenv

# Linux
curl https://pyenv.run | bash

# 配置到shell
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.zshrc
echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.zshrc
echo 'eval "$(pyenv init -)"' >> ~/.zshrc

常用pyenv命令

命令	说明
pyenv install --list	查看可安装的Python版本
pyenv install 3.10.11	安装指定版本
pyenv versions	查看已安装的版本
pyenv global 3.10.11	设置全局默认版本
pyenv local 3.9.18	为当前项目设置版本

我曾经踩过一个坑：在项目里用了Python 3.11的新语法，结果部署到服务器上发现服务器只有3.8。从那以后，我每个项目都会在根目录放一个.python-version文件，明确指定版本。

2.2 虚拟环境：venv vs conda

有了pyenv管理Python版本，接下来就是虚拟环境了。说白了，虚拟环境就是给每个项目一个独立的「小房间」，里面装的库互不干扰。

venv（Python自带）

轻量、简单，适合大多数场景。

# 创建虚拟环境
python -m venv trading_env

# 激活（macOS/Linux）
source trading_env/bin/activate

# 激活（Windows）
trading_env\Scripts\activate

# 退出
deactivate

Conda（Anaconda/Miniconda）

如果你做数据分析或机器学习，conda更合适。它能管理非Python的依赖，比如C++库。

# 创建环境
conda create -n trading_env python=3.10

# 激活
conda activate trading_env

# 退出
conda deactivate

# 导出环境
conda env export > environment.yml

# 从文件创建
conda env create -f environment.yml

我个人习惯：纯Python项目用venv，涉及科学计算或需要GPU支持的项目用conda。你想想看，这样分工明确，管理起来也清爽。

2.3 必备库安装

好，环境搭好了，接下来就是装库了。量化交易必备的库，我按用途分了三类：

数据处理三件套

pip install pandas numpy matplotlib

• pandas：处理时间序列数据，K线、订单簿都靠它
• numpy：数值计算，回测中的矩阵运算离不开它
• matplotlib：画图，看策略表现、资金曲线

交易所接口

pip install ccxt

ccxt支持100多家交易所的统一API接口。我当年写策略时，为了对接币安和OKX，分别写了两套API调用代码。后来发现ccxt，直接一套代码搞定所有交易所。嗯，真香。

回测框架

pip install backtrader

backtrader是Python里最流行的回测框架之一。它支持多策略、多数据源、自定义指标。虽然现在有更新的框架，但backtrader的生态最成熟，文档也全。

2.4 完整安装脚本

为了方便，我写了一个一键安装脚本。你直接复制到终端运行就行。

# 创建虚拟环境
python -m venv quant_env

# 激活
source quant_env/bin/activate  # macOS/Linux
# quant_env\Scripts\activate   # Windows

# 升级pip
pip install --upgrade pip

# 安装核心库
pip install pandas==2.0.3
pip install numpy==1.24.3
pip install matplotlib==3.7.2
pip install ccxt==4.1.22
pip install backtrader==1.9.78.123

# 可选：安装Jupyter Notebook用于交互式开发
pip install jupyter

# 导出依赖
pip freeze > requirements.txt

echo "环境搭建完成！"

2.5 验证安装

装完了，怎么知道对不对？跑个简单的测试脚本看看。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import ccxt
import backtrader as bt

print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")
print(f"ccxt版本: {ccxt.__version__}")
print(f"backtrader版本: {bt.__version__}")

# 生成一个简单的K线数据
dates = pd.date_range('2024-01-01', periods=100)
data = pd.DataFrame({
    'open': np.random.randn(100).cumsum() + 100,
    'high': np.random.randn(100).cumsum() + 102,
    'low': np.random.randn(100).cumsum() + 98,
    'close': np.random.randn(100).cumsum() + 100,
    'volume': np.random.randint(1000, 5000, 100)
}, index=dates)

print("\n数据预览：")
print(data.head())

# 画个收盘价曲线
plt.figure(figsize=(10, 6))
plt.plot(data.index, data['close'])
plt.title('测试数据 - 收盘价曲线')
plt.xlabel('日期')
plt.ylabel('价格')
plt.show()

如果这段代码能顺利跑通，恭喜你，开发环境已经搭好了。

2.6 知识体系总览

下面这张图，是我整理的环境搭建核心逻辑。你可以把它当成一个检查清单。

这张图把环境搭建的三大模块串起来了。你从Python版本管理开始，选好虚拟环境方案，再装上必备库，一条线走到底。