2、环境准备：Python环境搭建、Anaconda安装、Jupyter Notebook配置、必备库安装
说实话，做量化回测这件事，环境搭不好，后面全是坑。我见过太多人花了两小时装库，结果版本冲突，最后心态崩了。今天咱们就把这一步走稳，后面写策略才顺。
2.1 Python环境搭建——选对版本很重要
Python版本怎么选？我个人习惯用3.8或3.9。为什么？因为tushare和akshare这两个库，在3.10以上偶尔会报一些兼容性问题。你想想看，回测还没跑起来，先被环境卡住，多憋屈。
下载地址：python.org
安装时记得勾选「Add Python to PATH」。这个选项不勾，后面命令行里打python会找不到。我曾经帮一个朋友远程调试，折腾了半小时才发现是这步漏了。
2.2 Anaconda安装——环境管理的瑞士军刀
Anaconda是什么？说白了就是一个Python的「全家桶」。它帮你把Python、常用库、包管理器都打包好了。更重要的是，它自带虚拟环境功能。
为什么要用虚拟环境？举个例子：你同时做两个项目，一个用pandas 1.0，另一个用pandas 2.0。没有虚拟环境，这两个版本会打架。有了Anaconda，每个项目各玩各的，互不干扰。
安装步骤很简单：
- 去官网下载Anaconda（选择Python 3.x版本）
- 一路默认安装，但注意：安装路径不要有中文和空格
- 安装完成后，打开Anaconda Prompt，输入
conda --version验证
cb_strategy。这样就算装坏了，删掉重来也不影响其他项目。
2.3 Jupyter Notebook配置——交互式开发的利器
Jupyter Notebook，说白了就是一个「能写代码的笔记本」。你可以在里面写代码、看结果、画图表、写注释，全在一个页面里。做量化回测时，这种交互方式特别爽——写一段策略，立刻看到结果，不满意马上改。
启动方式：
# 在Anaconda Prompt里输入
jupyter notebook浏览器会自动打开一个页面。我建议你创建一个专门的文件夹，比如 cb_backtest，所有回测代码都放里面。
配置小技巧：默认的Jupyter界面有点素。你可以装一个主题包：
pip install jupyterthemes
jt -t oceans16 -f roboto -fs 12 -nf roboto -nfs 12嗯，这里要注意：主题包不是必须的，但看着舒服，写代码心情也好。
2.4 必备库安装——pandas, numpy, matplotlib, tushare, akshare
这些库就是咱们做回测的「工具箱」。我按用途给你捋一捋：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理，表格操作 | pip install pandas |
| numpy | 数值计算，数组操作 | pip install numpy |
| matplotlib | 数据可视化，画K线图 | pip install matplotlib |
| tushare | 股票/可转债数据接口 | pip install tushare |
| akshare | 免费金融数据接口 | pip install akshare |
安装命令统一执行：
pip install pandas numpy matplotlib tushare akshare如果遇到下载慢的问题，可以换国内镜像源：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas numpy matplotlib tushare akshare2.5 验证环境——跑个简单测试
装完库，咱们验证一下环境是否正常。打开Jupyter Notebook，新建一个Python文件，输入：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tushare as ts
import akshare as ak
print("所有库导入成功！")
# 测试pandas
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(df)
# 测试matplotlib
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()如果没报错，说明环境搭好了。如果报错，多半是某个库没装上，重新pip install一下就行。
2.6 本章知识体系总览
下面这张图，把咱们这章的核心逻辑串起来了。你可以把它当成一张「地图」，后面写代码时随时回来对照。
这张图里，Python是地基，Anaconda是脚手架，Jupyter是工作台，五个库是工具。地基稳了，脚手架搭好了，工具齐了，后面写策略就是水到渠成的事。
好了，环境准备这块就到这儿。你按这个流程走一遍，应该半小时内就能搞定。如果遇到问题，别硬扛——去网上搜一下报错信息，八成有人遇到过。毕竟，搞量化的人，谁还没被环境折腾过呢？