第一章：开发环境搭建——工欲善其事，必先利其器

做量化交易，说白了就是跟数据打交道。你想想看，没有趁手的工具，再好的策略也跑不起来。这一章，我就带你一步步把环境搭好。别小看这一步，我见过太多人因为环境问题浪费好几天时间。

1.1 为什么选择Anaconda？

Python本身是个好语言，但做量化需要一堆第三方库。一个个手动装？太累了。Anaconda就是来解决这个问题的——它把Python和常用科学计算库打包在一起，还自带包管理工具。

我个人习惯用Anaconda，原因有三：

• 开箱即用——装完就有pandas、numpy这些库
• 环境隔离——不同项目用不同Python版本，互不干扰
• 跨平台——Windows、Mac、Linux都能用

1.2 安装Anaconda与Python

去官网下载Anaconda最新版。我建议选Python 3.9+版本，太老的版本有些新库不支持。

安装时注意两点：

1. 勾选"Add Anaconda to PATH"——这样命令行里就能直接用conda命令
2. 安装路径不要有中文——有些库对中文路径不友好

装完后打开终端（Windows用Anaconda Prompt），输入：

conda --version
python --version

能看到版本号，就说明装好了。嗯，这里要注意，如果提示"conda不是内部命令"，八成是PATH没加进去，重装时记得勾选那个选项。

1.3 Jupyter Notebook配置

Jupyter Notebook是我最常用的交互式编程环境。做量化分析时，一边写代码一边看结果，非常直观。

安装很简单：

conda install jupyter notebook

启动：

jupyter notebook

浏览器会自动打开一个页面。我建议你做个配置：

jupyter notebook --generate-config

这会生成一个配置文件，在用户目录下的.jupyter/jupyter_notebook_config.py。你可以修改默认目录、端口等。

1.4 常用量化库介绍

做量化交易，有几个库是绕不开的。我按使用频率给你排个序：

库名	用途	我为什么推荐它
pandas	数据处理、时间序列分析	做量化80%的时间都在跟DataFrame打交道
numpy	数值计算、矩阵运算	pandas底层就是它，性能关键
matplotlib	数据可视化	画K线图、回测曲线必备
backtrader	策略回测框架	我用了三年，社区活跃，文档齐全

安装这些库，一行命令搞定：

conda install pandas numpy matplotlib
pip install backtrader

为什么backtrader用pip？因为conda源里不一定有最新版。我曾经踩过这个坑，用conda装了个老版本，结果策略跑出来结果不对，排查了半天才发现是库版本问题。

1.5 虚拟环境管理

这是很多新手容易忽略的环节。你想想看，同时做几个项目，有的用Python 3.7，有的用3.9，有的依赖库版本还不一样。混在一起？迟早出问题。

虚拟环境就是给每个项目一个独立的Python空间。我常用的命令：

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

# 激活环境
conda activate quant_env

# 安装库（在激活的环境里）
conda install pandas numpy

# 退出环境
conda deactivate

# 查看所有环境
conda env list

我建议你养成习惯：每开始一个新项目，先建一个虚拟环境。名字最好跟项目相关，比如commodity_quant，这样一眼就能认出来。

1.6 本章知识体系

下面这张图帮你理清本章的核心逻辑：

这张图把本章内容串起来了。从Anaconda这个基础平台出发，装上Jupyter Notebook做交互式开发，再安装四个核心量化库，最后用虚拟环境管理不同项目。每一步都是下一环的基础。

1.7 验证环境是否搭好

装完别急着走，跑个简单脚本验证一下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import backtrader as bt

print("pandas版本:", pd.__version__)
print("numpy版本:", np.__version__)
print("backtrader版本:", bt.__version__)

# 生成随机数据验证
data = pd.DataFrame(np.random.randn(100, 3), columns=['A', 'B', 'C'])
print(data.head())

能正常输出，说明环境搭好了。如果报错，多半是某个库没装全。别慌，看看报错信息，缺什么就conda install或pip install什么。

---