2、开发环境搭建：Anaconda安装、Jupyter Notebook配置、Python基础库安装、美股数据API选择
说实话，很多新手在量化交易这条路上，第一步就栽了。
不是代码写不出来，而是环境没搭好。我见过太多人，花了两小时装软件，结果版本冲突、路径不对、库装不上……最后连个print("Hello World")都跑不出来。
这一章，我带你一次性搞定。按我的习惯来，稳得很。
2.1 Anaconda安装：别自己折腾Python
为什么我推荐Anaconda？
因为它把Python解释器、包管理器、常用科学计算库，一股脑全给你打包好了。你不需要手动去官网下载Python，再一个个pip install。说白了，Anaconda就是量化交易的「全家桶」。
- 去Anaconda官网下载，选Python 3.9+版本（别选太新，有些库还没适配）
- 安装时勾选「Add Anaconda to my PATH environment variable」——这一步很多人漏掉，后面命令行里打不开conda，又回来重装
- 安装路径不要有中文，不要有空格。我习惯放D:\Anaconda3
2.2 Jupyter Notebook配置：你的量化实验台
Anaconda装好后，Jupyter Notebook就自动有了。你可以在开始菜单里找到它，或者直接在命令行敲：
jupyter notebook嗯，这里要注意：第一次启动时，它会自动打开浏览器。如果没打开，手动复制终端里那个带token的URL就行。
我个人习惯做几件事：
- 修改默认工作目录：在配置文件里改。命令行执行
jupyter notebook --generate-config，然后找到c.NotebookApp.notebook_dir，改成你放量化代码的文件夹，比如D:\Quant - 安装nbextensions插件：这玩意儿能加代码折叠、目录生成、变量查看器。命令是
pip install jupyter_contrib_nbextensions，然后重启Jupyter，在Nbextensions标签页里勾上你想要的 - 设置密码：如果你要在服务器上跑，记得设个密码。命令
jupyter notebook password
import sys; print(sys.version)，确认Python版本和路径都对。这一步能省掉后面很多莫名其妙的报错。
2.3 Python基础库安装：pandas、numpy、matplotlib
这三个库，是量化交易的「三驾马车」。
- pandas：处理表格数据，K线、财务数据、回测结果，全靠它
- numpy：数学计算底层，pandas的爹，很多运算速度靠它撑
- matplotlib：画图工具，K线图、净值曲线、相关性热力图
安装命令很简单，在Anaconda Prompt里执行：
conda install pandas numpy matplotlib为什么用conda而不是pip？因为conda会自动处理依赖关系，避免版本冲突。我在项目中遇到过好几次，用pip装pandas，结果numpy版本不兼容，一跑就报DLL加载失败。换成conda，一次搞定。
验证安装是否成功，打开Jupyter Notebook，跑一下：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
print("pandas version:", pd.__version__)
print("numpy version:", np.__version__)
print("All good!")如果没报错，恭喜你，环境搭好了。
2.4 美股数据API选择：从哪里拿数据？
数据是量化交易的「米」。没米，再好的厨子也做不出饭。
市面上美股数据API很多，我按自己的使用经验，给你排个序：
| API名称 | 免费额度 | 数据质量 | 我的评价 |
|---|---|---|---|
| yfinance | 完全免费 | 中等（偶尔延迟） | 入门首选，简单粗暴 |
| Alpha Vantage | 每天5次免费请求 | 较高 | 适合做日线级别分析 |
| IEX Cloud | 每月5万条免费 | 高 | 我目前在用的主力 |
| Polygon.io | 免费版有延迟 | 极高 | 专业级，但贵 |
我个人建议：初学者先用yfinance。为什么？因为它不需要API Key，一行代码就能拿到数据。你想想看，如果一开始就要注册账号、申请密钥、配置环境变量，很多人直接就放弃了。
安装yfinance：
pip install yfinance然后试试拿苹果公司的历史数据：
import yfinance as yf
aapl = yf.download("AAPL", start="2023-01-01", end="2023-12-31")
print(aapl.head())跑出来就是一个标准的DataFrame，有Open、High、Low、Close、Volume、Adj Close六列。嗯，这就是我们后面所有策略分析的原材料。
2.5 本章知识体系总览
下面这张图，是我自己画的环境搭建流程图。你跟着走一遍，基本不会出问题：
你看，其实就六步。每一步都不复杂，关键是别跳步骤。我见过有人直接跳到第5步，结果连pandas都没装，报错后一脸懵。
好了，环境搭好，数据源就绪。接下来，你就可以开始真正接触量化交易的核心——策略逻辑了。不过在那之前，我建议你先用yfinance拉几支股票的数据，随便画个K线图玩玩。熟悉一下工具，后面学起来会顺手很多。