4、Python科学计算环境：Anaconda环境管理、NumPy基础、Pandas数据处理、Matplotlib可视化

做量化回测，说白了就是跟数据打交道。你想想看，行情数据、因子数据、交易记录，哪个不是成百上千万条？我刚开始做回测时，直接用原生Python写循环，结果一个简单的均线策略跑了半小时还没出结果。嗯，从那以后我就明白了——科学计算环境，是回测系统的地基。

这一章，咱们就把地基打牢。我会带你过一遍Anaconda、NumPy、Pandas、Matplotlib这四个核心工具。都是实战中天天用的东西，没什么花架子。

4.1 Anaconda环境管理：别让依赖搞崩你的回测

我个人习惯，每个项目都建一个独立的虚拟环境。为什么？因为Python的包依赖太容易打架了。我曾经在同一个环境里装了ta-lib和backtrader，结果升级numpy时把ta-lib搞崩了，回测数据全变成NaN。那叫一个酸爽。

Anaconda就是来解决这个问题的。它自带conda包管理器，比pip更擅长处理二进制依赖。比如安装ta-lib这种C扩展库，用pip经常报错，用conda一行搞定。

4.2 NumPy基础：回测的数学引擎

NumPy是Python科学计算的基石。量化回测里，你处理的所有数据——价格、收益率、波动率——底层都是NumPy数组。为什么不用Python列表？因为慢。我测试过，计算100万条数据的移动平均，NumPy比纯Python快100倍以上。

核心就三个东西：数组、向量化运算、广播机制。

4.2.1 创建数组

import numpy as np

# 从列表创建
prices = np.array([100.0, 101.5, 102.3, 101.8, 103.2])

# 全零数组，常用于初始化持仓
positions = np.zeros(100)

# 等差数列，常用于生成时间轴
time_axis = np.linspace(0, 1, 1000)

# 随机数，蒙特卡洛模拟常用
returns = np.random.randn(1000) * 0.02 + 0.001

4.2.2 向量化运算

这是NumPy最爽的地方。不用写循环，直接对整个数组做运算。我刚开始做回测时，计算收益率还傻傻地写for循环，后来发现一行代码搞定：

# 计算日收益率（向量化，无循环）
daily_returns = (prices[1:] - prices[:-1]) / prices[:-1]

# 计算累计收益率
cumulative_returns = np.cumprod(1 + daily_returns)

# 计算滚动标准差（波动率）
rolling_std = np.std(daily_returns) * np.sqrt(252)  # 年化

4.2.3 广播机制

广播是NumPy的隐藏技能。比如你有一个1000只股票的日收益率矩阵（1000行×252列），想给每只股票加上一个基准收益，不用写循环：

# 假设 returns 是 (1000, 252) 的矩阵
# benchmark_returns 是 (252,) 的向量
# 广播会自动对齐维度
excess_returns = returns - benchmark_returns  # 结果还是 (1000, 252)

4.3 Pandas数据处理：回测的瑞士军刀

NumPy处理的是数值，Pandas处理的是带标签的数据。量化回测里，时间序列、因子数据、交易记录，全是Pandas的DataFrame。我个人觉得，Pandas是回测系统里最重要的库，没有之一。

4.3.1 时间序列索引

金融数据天然带时间戳。Pandas的DatetimeIndex就是为这个设计的：

import pandas as pd

# 创建时间序列
dates = pd.date_range('2020-01-01', periods=1000, freq='D')
price_series = pd.Series(np.random.randn(1000).cumsum() + 100, index=dates)

# 按时间切片
price_2021 = price_series['2021']

# 重采样到周频
weekly_prices = price_series.resample('W').last()

# 滚动计算
ma_20 = price_series.rolling(window=20).mean()

4.3.2 数据清洗

真实行情数据从来不是干净的。停牌、涨跌停、数据缺失，都是家常便饭。Pandas提供了全套清洗工具：

# 读取CSV行情数据
df = pd.read_csv('stock_data.csv', parse_dates=['date'], index_col='date')

# 检查缺失值
print(df.isnull().sum())

# 向前填充（用上一个交易日数据填充停牌日）
df.fillna(method='ffill', inplace=True)

# 删除全为NaN的行
df.dropna(how='all', inplace=True)

# 去重（同一个交易日可能有重复数据）
df = df[~df.index.duplicated(keep='first')]

4.3.3 分组与聚合

多因子回测时，经常需要按股票分组计算。Pandas的groupby就是干这个的：

# 假设有因子数据：股票代码、日期、因子值、下期收益率
# 按股票分组，计算每个股票的因子与收益率的相关系数
ic_series = df.groupby('date').apply(
    lambda g: g['factor'].corr(g['next_return'])
)

# 按行业分组，计算行业平均因子值
industry_factor = df.groupby(['date', 'industry'])['factor'].mean()

4.4 Matplotlib可视化：让回测结果说话

回测跑完了，一堆数字摆在那，谁看得懂？可视化就是让数据说话的工具。我个人习惯，每个回测报告至少包含三张图：净值曲线、回撤曲线、因子收益分布。

4.4.1 净值曲线

import matplotlib.pyplot as plt

# 假设 cumulative_returns 是累计收益率序列
plt.figure(figsize=(12, 6))
plt.plot(cumulative_returns.index, cumulative_returns.values, 
         label='策略净值', linewidth=2)
plt.plot(benchmark.index, benchmark.values, 
         label='基准净值', linewidth=1, alpha=0.7)
plt.title('策略净值曲线')
plt.xlabel('日期')
plt.ylabel('净值')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

4.4.2 回撤曲线

回撤是衡量风险的核心指标。我习惯用填充色标出最大回撤区间：

# 计算回撤
cum_max = cumulative_returns.cummax()
drawdown = (cumulative_returns - cum_max) / cum_max

plt.figure(figsize=(12, 4))
plt.fill_between(drawdown.index, 0, drawdown.values, 
                 color='red', alpha=0.3, label='回撤')
plt.title('策略回撤曲线')
plt.xlabel('日期')
plt.ylabel('回撤幅度')
plt.axhline(y=-0.1, color='gray', linestyle='--', label='-10%警戒线')
plt.legend()
plt.show()

4.4.3 多图布局

回测报告通常需要多张图一起看。Matplotlib的subplots可以搞定：

fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 左上：净值曲线
axes[0, 0].plot(cumulative_returns)
axes[0, 0].set_title('净值曲线')

# 右上：回撤曲线
axes[0, 1].fill_between(drawdown.index, 0, drawdown.values, color='red', alpha=0.3)
axes[0, 1].set_title('回撤曲线')

# 左下：月度收益热力图
monthly_returns = daily_returns.resample('M').apply(lambda x: (1+x).prod() - 1)
# 这里省略热力图绘制细节

# 右下：因子IC序列
axes[1, 1].plot(ic_series)
axes[1, 1].axhline(y=0, color='gray', linestyle='--')
axes[1, 1].set_title('因子IC序列')

plt.tight_layout()
plt.show()

4.5 本章知识体系

下面这张图，是我自己整理的科学计算环境知识结构。你可以把它当作学习地图：

这四个工具，说白了就是一套流水线：Anaconda管环境，Pandas管清洗，NumPy管计算，Matplotlib管展示。我做了这么多年回测，这套组合拳从来没换过。你只要把这四个工具练熟了，后面写策略、搭系统，都会顺手很多。

---

公众号:蓝海资料掘金营，微信deep3321