二、环境与工具链搭建：Python量化生态、LLM API接入与Agent框架选型

说实话，搭建环境这件事，看着简单，但坑是真不少。我见过太多人花了一整天装包，最后发现版本冲突，心态直接崩了。今天咱们就把这事一次性捋清楚。

2.1 Python量化生态：三驾马车

做量化投研，Python生态里有三样东西你绕不开：Pandas、NumPy、Scikit-learn。这三兄弟各司其职，配合好了，效率翻倍。

2.1.1 NumPy：底层计算引擎

NumPy是量化计算的基石。说白了，它就是Python里的C语言——快、稳、省内存。我个人习惯，所有涉及数值计算的地方，优先用NumPy数组，而不是Python原生列表。

import numpy as np

# 计算日收益率向量化
prices = np.array([100, 102, 101, 105, 108])
returns = np.diff(prices) / prices[:-1]
# 结果：array([0.02, -0.0098, 0.0396, 0.0286])

我在项目中遇到过一个问题：用for循环计算500万行数据的移动平均，跑了3分钟没出结果。换成NumPy的卷积操作，0.3秒搞定。嗯，这就是差距。

2.1.2 Pandas：数据处理的瑞士军刀

Pandas是量化分析师最亲密的伙伴。DataFrame和Series这两个数据结构，你每天都会跟它们打交道。

功能	常用方法	我的使用频率
数据读取	read_csv, read_sql, read_parquet	每天
时间序列	resample, shift, rolling	每天
数据清洗	dropna, fillna, drop_duplicates	每次必用
分组聚合	groupby, pivot_table	高频

import pandas as pd

# 加载股票数据
df = pd.read_csv('stock_data.csv', parse_dates=['date'])
df.set_index('date', inplace=True)

# 计算20日移动平均
df['ma20'] = df['close'].rolling(window=20).mean()

# 生成信号：收盘价上穿MA20
df['signal'] = 0
df.loc[df['close'] > df['ma20'], 'signal'] = 1

2.1.3 Scikit-learn：机器学习工具箱

因子挖掘离不开机器学习。Scikit-learn提供了从预处理到模型评估的完整流水线。你想想看，一个Pipeline对象就能把特征缩放、降维、模型训练串起来，多省事。

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 假设X是因子矩阵，y是未来收益率
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42
)

# 标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)

# 训练模型
model = RandomForestRegressor(n_estimators=100, max_depth=5)
model.fit(X_train_scaled, y_train)

# 查看因子重要性
importance = model.feature_importances_

2.2 LLM API接入：让Agent学会思考

传统的因子挖掘靠人工经验，现在有了大语言模型，我们可以让Agent自动生成因子逻辑。接入LLM API是第一步。

2.2.1 OpenAI API接入

OpenAI的API是目前最成熟的。我个人建议用gpt-4-turbo或gpt-4o，推理能力强，适合生成复杂的因子逻辑。

import openai
from openai import OpenAI

client = OpenAI(api_key="your-api-key")

def generate_factor_idea(market_context):
    """让LLM生成因子想法"""
    response = client.chat.completions.create(
        model="gpt-4-turbo",
        messages=[
            {"role": "system", "content": "你是一位量化投资专家，擅长因子挖掘。"},
            {"role": "user", "content": f"基于以下市场环境，提出3个有效的因子：{market_context}"}
        ],
        temperature=0.7,
        max_tokens=500
    )
    return response.choices[0].message.content

2.2.2 DeepSeek API接入

DeepSeek是国产大模型里的黑马，性价比很高。如果你对数据隐私有要求，或者想降低成本，DeepSeek是个好选择。

from openai import OpenAI

# DeepSeek兼容OpenAI的接口格式
client = OpenAI(
    api_key="your-deepseek-key",
    base_url="https://api.deepseek.com/v1"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一位量化因子专家。"},
        {"role": "user", "content": "请解释动量因子和反转因子的区别。"}
    ]
)
print(response.choices[0].message.content)

2.3 Agent框架选型：LangChain vs CrewAI

有了LLM API，我们还需要一个框架来组织Agent的行为。目前主流的有两个：LangChain和CrewAI。我两个都用过，说说我的感受。

2.3.1 LangChain：灵活但复杂

LangChain就像一个乐高积木盒，零件很多，你可以搭出任何形状。它的核心概念是Chain——把多个步骤串起来。

from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate
from langchain.llms import OpenAI

# 定义一个因子生成链
prompt = PromptTemplate(
    input_variables=["factor_type", "market_data"],
    template="你是一位量化研究员。请基于{market_data}，生成一个{factor_type}因子的计算逻辑。"
)

chain = LLMChain(llm=OpenAI(model="gpt-4"), prompt=prompt)
result = chain.run(factor_type="动量", market_data="过去60日收益率数据")

LangChain的问题在于——学习曲线陡。我刚开始用的时候，光是理解Agent、Tool、Memory这几个概念就花了两天。但一旦上手，确实强大。

2.3.2 CrewAI：简单但受限

CrewAI的设计理念是「多Agent协作」。你定义几个角色，给他们分配任务，他们就能像团队一样工作。说白了，就是让AI模拟一个投研团队。

from crewai import Agent, Task, Crew

# 定义因子研究员
factor_analyst = Agent(
    role="因子分析师",
    goal="挖掘有效的量化因子",
    backstory="你是一位经验丰富的量化研究员，擅长从市场数据中发现规律。",
    verbose=True
)

# 定义信号生成器
signal_generator = Agent(
    role="信号生成专家",
    goal="将因子转化为交易信号",
    backstory="你擅长将因子逻辑转化为可执行的交易策略。",
    verbose=True
)

# 分配任务
task1 = Task(
    description="分析过去3个月的股票数据，找出3个有效因子",
    agent=factor_analyst
)

task2 = Task(
    description="基于因子结果，生成买入/卖出信号",
    agent=signal_generator
)

crew = Crew(agents=[factor_analyst, signal_generator], tasks=[task1, task2])
result = crew.kickoff()

2.4 整体架构图

下面这张图展示了整个工具链的层次关系。你可以看到，从底层的数据处理，到中间的LLM接入，再到顶层的Agent编排，每一层都有明确的分工。

2.5 环境搭建避坑清单

最后，我整理了一份避坑清单。这些都是我踩过的坑，你直接拿去用。

1. Python版本：建议用3.10或3.11。3.12有些包还没适配，别当小白鼠。
2. 虚拟环境：每个项目单独建一个虚拟环境。我用conda，你也可以用venv或poetry。
3. 依赖管理：用requirements.txt或pyproject.toml锁定版本。我曾经因为NumPy版本不一致，导致模型结果对不上，排查了两天。
4. API Key管理：用.env文件配合python-dotenv加载。千万别提交到Git。
5. GPU加速：如果做深度学习因子挖掘，记得装CUDA版本的PyTorch或TensorFlow。