第一章：Python量化环境搭建
做量化交易，第一步不是写策略，而是搭环境。
我见过太多人一上来就 pip install 一堆库，结果版本冲突、依赖报错，折腾半天还没开始写代码。嗯，这其实完全可以避免。
1.1 为什么选择Anaconda
说白了，Anaconda 就是 Python 的「全家桶」。它帮你把 Python 解释器、常用库、包管理工具都打包好了。你想想看，做量化交易需要 Numpy 做计算、Pandas 处理数据、Matplotlib 画图、CCXT 对接交易所...一个个手动装，光解决依赖就能让你崩溃。
我个人习惯用 Anaconda 还有一个原因：环境隔离。做市商策略对稳定性要求极高，你不能因为装了个新库就把生产环境搞崩了。Conda 的虚拟环境机制，说白了就是给你的每个项目一个「独立小房间」。
- 预装 1500+ 科学计算包，省去手动编译的麻烦
- conda 包管理器比 pip 更擅长处理二进制依赖
- 环境隔离，不同项目互不干扰
1.2 Anaconda安装与配置
安装过程其实很简单，但我还是想提醒几个坑。
Windows用户：
- 去官网下载 Anaconda 最新版（Python 3.9+）
- 安装时记得勾选「Add Anaconda to my PATH environment variable」
- 安装路径不要有中文和空格
macOS/Linux用户：
- 下载 .sh 安装脚本
- 终端执行：
bash Anaconda3-xxx-Linux-x86_64.sh - 一路 yes 到底，最后问是否初始化 conda，选 yes
安装完成后，验证一下：
conda --version
python --version
看到版本号就说明装好了。
1.3 创建量化交易专用环境
我个人习惯给每个策略类型建独立环境。做市商策略对环境稳定性要求高，我一般这样操作：
conda create -n market_making python=3.9
conda activate market_making
环境名叫 market_making，Python 3.9。为什么选 3.9？因为 CCXT 和 Pandas 在这个版本上兼容性最好，我在项目中验证过。
1.4 常用量化库安装
环境激活后，开始装核心库。我按依赖顺序来：
# 基础科学计算
conda install numpy pandas matplotlib
# 交易所接口
pip install ccxt
# 可选：性能优化
conda install numba cython
验证安装：
python -c "import numpy; import pandas; import matplotlib; import ccxt; print('All good!')"
没报错就说明环境搭好了。
1.5 Jupyter Notebook配置
做量化研究，Jupyter Notebook 几乎是标配。它让你能边写代码边看结果，特别适合策略回测和数据分析。
安装：
conda install jupyter notebook
配置远程访问（如果你在服务器上跑）：
jupyter notebook --generate-config
然后修改配置文件，设置密码和端口。我个人习惯用 8899 端口，避免和默认的 8888 冲突。
启动：
jupyter notebook --port=8899
浏览器打开 http://localhost:8899，就能看到 Notebook 界面了。
- 用 Notebook 做策略研究和回测
- 用 .py 脚本做实盘运行
- Notebook 里不要放敏感信息（API Key 等）
1.6 知识体系总览
下面这张图展示了本章的核心逻辑：
1.7 环境验证与测试
环境搭好了，跑个简单测试确认一切正常：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import ccxt
# 测试数据
data = np.random.randn(100)
df = pd.DataFrame(data, columns=['price'])
# 简单绘图
plt.plot(df)
plt.title('Environment Test')
plt.show()
# 测试交易所连接
exchange = ccxt.binance()
print(exchange.fetch_ticker('BTC/USDT'))
如果能看到折线图，并且打印出 BTC 的最新价格，恭喜你，环境搭建成功了。
pip install --upgrade certifi
1.8 常见问题与解决
| 问题 | 原因 | 解决方案 |
|---|---|---|
| conda 命令找不到 | 未添加到 PATH | 重新安装并勾选 PATH 选项 |
| pip 安装 CCXT 报错 | 网络问题或版本冲突 | 使用国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ccxt |
| Jupyter 无法启动 | 端口被占用 | 换端口：jupyter notebook --port=8890 |
| Matplotlib 中文乱码 | 缺少中文字体 | 安装 SimHei 字体或设置 rcParams |
嗯，环境搭建这部分就这些内容。看起来步骤不少，但实际操作下来也就十几分钟。我当初第一次搭环境时折腾了快两个小时，现在回想起来，其实就是没理解 conda 和 pip 的区别。
环境稳定了，后面写策略才能安心。记住一个原则：生产环境不要随便升级库版本。做市商策略跑得好好的，别因为手痒升级 Pandas 导致回测结果对不上。