第1章：Python金融分析环境搭建

做量化交易，第一件事不是写策略，而是搭环境。

我见过太多人，策略逻辑想得挺漂亮，结果一跑代码就报错——不是库版本冲突，就是API连不上。说白了，环境没搭好，后面全是坑。

这一章，咱们就把地基打牢。我会带着你一步步装好Anaconda、玩转Jupyter Notebook、复习三大件（NumPy/Pandas/Matplotlib），再聊聊国内常用的金融数据接口。

1.1 Anaconda安装与配置

Anaconda是什么？简单说，它是一个Python发行版，帮你把Python解释器、常用库、包管理器打包在一起。你不需要一个个去pip安装，省心很多。

我个人习惯用Anaconda来管理多个Python环境。比如做回测用一个环境，做机器学习用另一个，互不干扰。

安装步骤

1. 去官网下载Anaconda（选Python 3.9+版本，别选太老的）
2. 安装时勾选「Add Anaconda to my PATH environment variable」
3. 安装完成后，打开终端（Windows用Anaconda Prompt）
4. 输入 conda --version 验证安装

conda create -n quant python=3.9
conda activate quant

1.2 Jupyter Notebook使用技巧

Jupyter Notebook是量化分析的神器。你想想看，写一段代码、立刻看到结果、还能加注释和图表，多方便。

启动方式很简单：在终端输入 jupyter notebook，浏览器就会自动打开。

几个我常用的快捷键

1.3 NumPy/Pandas/Matplotlib基础回顾

这三样东西，是量化分析的「三驾马车」。我每天写策略都离不开它们。

NumPy：数值计算的基础

说白了，NumPy就是Python里的数组工具。它比Python原生的列表快得多，因为底层是C写的。

import numpy as np

# 创建一个数组
prices = np.array([100, 102, 101, 105, 108])
returns = np.diff(prices) / prices[:-1]
print(returns)  # 计算收益率

Pandas：数据处理的核心

Pandas的DataFrame，你可以把它想象成Excel表格，但功能强大多了。

import pandas as pd

# 创建一个时间序列
dates = pd.date_range('2024-01-01', periods=5, freq='D')
data = pd.DataFrame({
    'close': [100, 102, 101, 105, 108],
    'volume': [10000, 12000, 11000, 15000, 13000]
}, index=dates)

print(data.head())

Matplotlib：可视化利器

画图是量化分析里最直观的验证方式。我习惯用Matplotlib来快速看数据分布。

import matplotlib.pyplot as plt

plt.plot(data.index, data['close'])
plt.title('价格走势')
plt.xlabel('日期')
plt.ylabel('收盘价')
plt.show()

1.4 金融数据API接口介绍

做量化，数据是命根子。没有数据，策略就是空中楼阁。

国内常用的数据接口，我主要用两个：Tushare和JoinQuant。

Tushare

Tushare是老牌的数据接口，数据全、更新快。但需要注册获取token。

import tushare as ts

# 设置token（需要去官网注册）
ts.set_token('你的token')
pro = ts.pro_api()

# 获取日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20240101', end_date='20240131')
print(df.head())

JoinQuant（聚宽）

聚宽不仅提供数据，还有在线回测平台。适合快速验证策略想法。

# 聚宽的数据获取方式（在聚宽平台内使用）
from jqdata import *

# 获取平安银行的历史数据
df = get_price('000001.XSHE', start_date='2024-01-01', end_date='2024-01-31')
print(df.head())

本章知识体系

下面这张图，帮你理清本章的核心脉络：

嗯，这一章的内容就到这里。环境搭好了，后面咱们才能安心搞策略。