4、开发环境搭建:Python环境配置、Anaconda与虚拟环境、常用IDE(VS Code/PyCharm)配置、Git版本控制

说实话,做量化交易系统开发,环境搭建这一步看着简单,但坑是真不少。我见过太多人花了一周写策略,结果因为环境问题跑不起来,最后发现是Python版本不对。嗯,咱们今天就把这事一次性搞定。

4.1 Python环境配置——选对版本很重要

我个人习惯用Python 3.9或3.10。为什么不是最新的3.12?因为很多量化库(比如vnpy、backtrader)对最新版的支持还没跟上。你想想看,策略写好了,结果装个库报错,多闹心。

推荐版本:Python 3.9.13 或 3.10.11

下载地址:python.org → Downloads → Windows/macOS/Linux

安装时记得勾选「Add Python to PATH」。我刚开始学的时候忘了勾,后面每次都要手动找python.exe,烦得很。

小技巧:装完后打开终端,输入 python --versionpip --version,确认安装成功。

4.2 Anaconda与虚拟环境——隔离才是王道

做量化交易,你手上可能同时维护三四个项目。有的用pandas 1.5,有的用2.0。如果不隔离,分分钟冲突到怀疑人生。

Anaconda就是干这个的。它自带conda命令,可以创建独立的Python环境。

安装Anaconda

去官网下载Anaconda3-2023.09版本(对应Python 3.11)。安装时注意:

  • Windows用户:不要安装在C盘,我吃过这个亏,后面磁盘爆了
  • macOS用户:建议用Homebrew安装,省事
  • Linux用户:直接wget下载.sh文件,bash安装

创建虚拟环境

我个人习惯每个项目一个独立环境。命令很简单:

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

# 激活环境
conda activate quant_trading

# 安装常用库
pip install numpy pandas matplotlib ta-lib
pip install vnpy backtrader pyfolio

# 退出环境
conda deactivate

注意:千万别在base环境里装太多东西。我曾经把base环境搞崩了,重装了三次Anaconda。后来学乖了,base只装conda本身,其他全放虚拟环境里。

4.3 常用IDE配置——VS Code vs PyCharm

这两个我都用过。说实话,没有绝对的好坏,看个人习惯。我目前主力是VS Code,但PyCharm在某些场景下确实更强。

VS Code配置(推荐)

轻量、插件丰富、启动快。做量化交易够用了。

  1. 安装VS Code:官网下载,一路下一步
  2. 必装插件
    • Python(微软官方)
    • Pylance(代码补全)
    • Jupyter(跑策略回测用)
    • GitLens(看代码历史)
    • Rainbow CSV(看数据文件)
  3. 配置Python解释器

    按Ctrl+Shift+P,输入「Python: Select Interpreter」,选择你刚创建的conda环境。

我的习惯:在VS Code里打开项目文件夹,然后终端自动激活对应的conda环境。这样写代码、跑回测、看结果都在一个窗口里,效率高很多。

PyCharm配置(专业版)

如果你做大型项目,PyCharm的调试功能确实强。但社区版够用,没必要花钱。

  1. 新建项目时,选择「Existing interpreter」→ 选conda环境
  2. 设置代码风格:PEP 8,自动格式化
  3. 配置Run Configuration:设置工作目录为项目根目录

避坑:PyCharm默认会用虚拟环境,但有时候它自己创建的venv会和conda冲突。我建议统一用conda管理环境,PyCharm只负责写代码。

4.4 Git版本控制——后悔药必备

做量化交易,策略迭代很快。今天改个参数,明天加个指标。没有Git,你根本不知道哪个版本是能赚钱的。

Git安装与配置

# 安装Git(Windows用exe,macOS用brew,Linux用apt)
# 配置用户名和邮箱
git config --global user.name "你的名字"
git config --global user.email "你的邮箱"

# 配置换行符(Windows用户注意)
git config --global core.autocrlf true

日常操作流程

我一般这样用:

# 克隆项目
git clone https://github.com/你的项目.git

# 创建分支(每个策略一个分支)
git checkout -b strategy_v2

# 改完代码后
git add .
git commit -m "添加均线策略,参数优化"

# 推送到远程
git push origin strategy_v2

核心原则:每次提交只改一个功能。别一次提交几百行代码,后面回退都找不到位置。

.gitignore配置

有些文件不该提交到Git仓库:

# Python缓存
__pycache__/
*.pyc

# 数据文件(太大)
*.csv
*.h5
data/

# 配置文件(含API密钥)
config.ini
.env

# IDE配置
.vscode/
.idea/

我曾经踩过的坑:有一次不小心把API密钥提交到了GitHub公开仓库,结果第二天账户被刷了2000多块钱。从那以后,我所有敏感信息都放在.env文件里,并且.gitignore里一定写上.env。

4.5 本章知识体系

下面这张图是我自己总结的环境搭建流程,你可以照着走一遍:

量化交易开发环境搭建流程 Python 3.9/3.10 Anaconda + 虚拟环境 (conda) VS Code 或 PyCharm(配置Python解释器) Git + GitHub/GitLab ✅ 可以开始写策略了

说白了,环境搭建就四步:装Python → 建虚拟环境 → 配IDE → 上Git。每一步都有坑,但按我上面说的来,基本不会出问题。

最后说一句:环境搭建是基础中的基础。别嫌麻烦,一次性配好,后面能省你80%的调试时间。我见过太多人策略写好了,结果环境配不对,白白浪费一个周末。

专注资料整理