第2章环境搭建

2. 环境搭建：Python环境安装、Anaconda配置、Jupyter Notebook使用、常用库安装

说实话，做量化交易这么多年，我见过太多人一上来就急着写策略。

结果呢？环境没配好，跑个回测报一堆错，半天时间全浪费在调试上了。

这一章，咱们就把地基打牢。你跟着我走一遍，后面写代码会顺畅很多。

Python版本怎么选？我个人习惯用3.8或3.9。

为什么？因为很多量化库对最新版Python的支持会慢半拍。我在项目中就踩过这个坑——装了Python 3.11，结果某个关键库死活装不上，最后只能降版本。

去官网 python.org 下载安装包就行。安装时记得勾选「Add Python to PATH」。

注意： 别偷懒不勾这个选项。我曾经帮一个朋友排查问题，搞了半天发现他根本没把Python加到环境变量里。

Anaconda是什么？说白了就是一个Python的「全家桶」。

它帮你把Python、常用库、包管理工具都打包好了。你想想看，要是每个库都手动装，光依赖冲突就能让你崩溃。

安装步骤很简单：

我个人强烈建议用conda创建虚拟环境。为什么？因为不同项目可能依赖不同版本的库，混在一起迟早出问题。

# 创建虚拟环境
conda create -n quant python=3.9

# 激活环境
conda activate quant

# 退出环境
conda deactivate

小技巧： 我习惯把环境名取得有辨识度，比如 quant、backtest、live_trading。这样切换起来一目了然。

Jupyter Notebook这东西，做量化的人几乎人手一个。

它最大的好处是什么？你可以一段一段地写代码，边写边看结果。不像传统IDE，写完整段才能跑。

安装很简单：

conda install jupyter

启动就更简单了：

jupyter notebook

浏览器会自动弹出来。嗯，这里要注意——默认端口是8888，如果被占用了，它会自动换一个端口。

我在项目中经常这么用：先在一个Notebook里快速验证策略想法，确认可行了，再搬到正式的脚本里。这样效率高很多。

做量化交易，有几个库是绕不开的。我列个表给你看：

安装命令其实很简单，一条一条执行就行：

conda install pandas numpy matplotlib
pip install ccxt

为什么ccxt用pip而不是conda？因为ccxt更新很频繁，pip上的版本通常更新。我建议你装完之后验证一下：

python -c "import pandas; import numpy; import matplotlib; import ccxt; print('All good!')"

如果没报错，说明环境配好了。

  核心要点： 环境搭建是量化交易的第一步，也是最容易被忽视的一步。花半小时把环境配好，后面能省下无数个「为什么报错」的夜晚。

下面这张图，是我自己梳理的环境搭建流程。你跟着走一遍，基本不会出问题：

这张图把整个流程串起来了。你从Python安装开始，一步步往下走，最后验证通过，环境就算搭好了。

我个人建议你把这张图存下来，以后换电脑或者重装系统时，照着走一遍就行。

避坑指南： 我曾经在Windows上装ccxt时遇到SSL证书问题。解决办法很简单——升级一下 certifi 库：pip install --upgrade certifi。

好了，环境搭建就到这里。你跟着操作一遍，应该不会有什么大问题。

如果遇到报错，别慌。把错误信息复制到搜索引擎里，99%的问题都能找到答案。

公众号:蓝海资料掘金营，微信deep3321