环境搭建与数据准备：虚拟交易环境配置、历史数据获取与清洗、回测框架选择

说实话，很多做量化的人一上来就急着写策略。我见过太多人，策略写得花里胡哨，结果回测环境没搭对，数据全是坑。嗯，今天咱们就把这第一步走扎实。

环境搭建和数据准备，说白了就是给策略搭个舞台。舞台不稳，戏再好也白搭。我个人习惯把这块分成三个部分：虚拟交易环境、历史数据、回测框架。咱们一个一个来。

虚拟交易环境配置

为什么要搞虚拟环境？你想想看，真金白银的实盘谁敢直接上？我刚开始做量化那会儿，就吃过这个亏。策略在本地跑得飞起，一上实盘就崩。后来才明白，本地环境和实盘环境差太多了。

虚拟交易环境的核心，就是模拟真实券商的API接口。我个人推荐用Docker来隔离环境。为什么？因为依赖管理太烦了。你装个pandas版本不对，整个回测结果都可能变。

# 我的标准Dockerfile片段
FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 注意：这里要设置时区
ENV TZ=Asia/Shanghai
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime

COPY . .

CMD ["python", "run_backtest.py"]

历史数据获取与清洗

数据是量化策略的命根子。数据有问题，策略再牛也是白搭。我曾经因为一个除权除息的数据没处理好，回测收益率差了20%。嗯，那感觉就像考试时发现题目看错了。

数据获取有几个渠道：

• 免费数据源：Yahoo Finance、东方财富、Tushare（部分免费）
• 付费数据源：Wind、Choice、聚宽
• 自己爬：不推荐，维护成本太高

我个人建议，初期用免费数据就够了。但要注意，免费数据经常有缺失和错误。我一般会做以下清洗：

def clean_market_data(df):
    """
    数据清洗函数 - 我踩过的坑都写在注释里了
    """
    # 1. 去除重复行
    df = df.drop_duplicates(subset=['date', 'code'])
    
    # 2. 处理缺失值
    # 注意：前向填充要小心，连续缺失超过3天就别填了
    df = df.fillna(method='ffill', limit=3)
    
    # 3. 去除停牌数据
    df = df[df['volume'] > 0]
    
    # 4. 处理复权
    # 我习惯用后复权，这样看历史走势更真实
    df['adj_close'] = df['close'] * df['adj_factor']
    
    return df

数据频率也是个问题。日线数据最简单，但很多策略需要分钟级数据。我个人经验是：

策略类型	推荐数据频率	数据量（1年）
趋势跟踪	日线	约250条/标的
均值回归	30分钟线	约4800条/标的
高频策略	Tick级	海量

回测框架选择

回测框架这块，我折腾过不少。从自己手写到用现成的，各有优劣。说白了，没有最好的框架，只有最适合你的。

目前主流的回测框架有：

• Backtrader：功能全面，社区活跃，适合大多数场景
• Zipline：Quantopian出品，但维护不太积极了
• PyAlgoTrade：轻量级，适合快速验证想法
• vnpy：国内团队开发，支持实盘

我个人最常用的是Backtrader。为什么？因为它灵活，而且文档写得不错。我刚开始用的时候，照着文档写了个简单的双均线策略，半小时就跑通了。

import backtrader as bt

class MyStrategy(bt.Strategy):
    def __init__(self):
        self.sma_short = bt.indicators.SimpleMovingAverage(
            self.data.close, period=10)
        self.sma_long = bt.indicators.SimpleMovingAverage(
            self.data.close, period=30)
    
    def next(self):
        if self.sma_short > self.sma_long:
            self.buy()
        elif self.sma_short < self.sma_long:
            self.sell()

# 初始化回测引擎
cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)

# 加载数据
data = bt.feeds.PandasData(dataname=clean_data)
cerebro.adddata(data)

# 运行回测
results = cerebro.run()

框架选好后，还要注意几个细节：

• 滑点设置：别设0，实盘不可能没滑点。我一般设0.1%
• 手续费：不同券商不一样，要查清楚
• 资金管理：别全仓干，回测时就要考虑仓位控制

好了，环境搭好了，数据准备好了，框架也选好了。接下来就是写策略、跑回测、调参数。但记住，回测只是开始，不是结束。我见过太多人在回测上花太多时间，结果实盘还是亏。嗯，这个咱们后面再聊。

---

公众号:蓝海资料掘金营，微信deep3321