资料推荐：做量化这么多年，我收集、整理了大量通达信选股公式，全部源码、无加密，需要的朋友请直接购买：小红书商品页。
开源代码：https://github.com/z1041950008/deyide_quant — 张得意量化工具箱，脚本与示例随仓库更新。

01 Python 量化交易环境搭建完整教程

📖 引言

欢迎来到量化交易的世界！本文是 deyide_quant 系列教程的第一篇，将带你从零开始搭建完整的 Python 量化交易开发环境。

学习目标

• 掌握 Anaconda 的安装与配置方法
• 学会安装量化核心库（pandas/numpy/matplotlib）
• 完成第一个量化程序的编写与运行
• 解决环境搭建中的常见问题

🔧 核心概念

为什么选择 Anaconda？

Anaconda 是一个开源的 Python 发行版，专为数据科学和科学计算设计。对于量化交易者来说，Anaconda 有以下优势：

1. 预装常用库：包含 180+ 数据科学包
2. 环境管理：可以轻松创建隔离的虚拟环境
3. 跨平台：支持 Windows、macOS、Linux
4. 包管理：conda 命令简化了包的安装和管理

量化核心库介绍

💻 代码实现

步骤 1: Anaconda 安装与配置

Windows 安装

1. 访问官网：https://www.anaconda.com/products/distribution
2. 下载 Windows 版本安装包
3. 双击运行，按向导完成安装
4. 建议勾选"Add Anaconda to PATH"

macOS 安装

# 使用 Homebrew 安装
brew install --cask anaconda

# 或下载 pkg 安装包手动安装

Linux 安装

# 下载安装脚本
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-Linux-x86_64.sh

# 运行安装
bash Anaconda3-2023.09-Linux-x86_64.sh

# 验证安装
conda --version

步骤 2: 创建量化交易环境

# 创建名为 quant 的虚拟环境，指定 Python 版本
conda create -n quant python=3.9 -y

# 激活环境
conda activate quant

# 安装核心库
conda install pandas numpy matplotlib scipy -y

# 安装 Jupyter
conda install jupyter jupyterlab -y

步骤 3: 验证安装

创建测试文件test_install.py：

"""
test_install.py - 验证量化环境安装
"""
import sys
print(f"Python 版本：{sys.version}")

# 测试 pandas
import pandas as pd
print(f"pandas 版本：{pd.__version__}")
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print("pandas 测试通过:")
print(df)

# 测试 numpy
import numpy as np
print(f"\nnumpy 版本：{np.__version__}")
arr = np.array([1, 2, 3, 4, 5])
print("numpy 测试通过:")
print(f"数组：{arr}, 均值：{np.mean(arr)}")

# 测试 matplotlib
import matplotlib
print(f"\nmatplotlib 版本：{matplotlib.__version__}")
import matplotlib.pyplot as plt
plt.figure(figsize=(6, 4))
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.title("Matplotlib 测试")
plt.savefig("test_plot.png")
print("matplotlib 测试通过，图表已保存为 test_plot.png")

print("\n✅ 所有库安装成功！")

运行测试：

python test_install.py

步骤 4: 获取股票数据示例

创建get_stock_data.py：

"""
get_stock_data.py - 获取股票数据示例
使用 akshare 获取 A 股历史行情
"""
import pandas as pd
import akshare as ak
from datetime import datetime

def get_stock_data(symbol: str, start_date: str, end_date: str) -> pd.DataFrame:
    """
    获取 A 股历史行情数据

    参数:
        symbol: 股票代码，如 '000001'
        start_date: 开始日期，格式 'YYYYMMDD'
        end_date: 结束日期，格式 'YYYYMMDD'

    返回:
        DataFrame 包含股票行情数据
    """
    try:
        # 使用 akshare 获取个股历史行情
        df = ak.stock_zh_a_hist(
            symbol=symbol,
            period="daily",
            start_date=start_date,
            end_date=end_date,
            adjust="qfq"  # 前复权
        )

        # 重命名列
        df.columns = [
            'date', 'open', 'close', 'high', 'low',
            'volume', 'turnover', 'amplitude', 'pct_change',
            'change', 'turnover_rate'
        ]

        # 转换日期格式
        df['date'] = pd.to_datetime(df['date'])
        df.set_index('date', inplace=True)

        return df

    except Exception as e:
        print(f"获取数据失败：{e}")
        return pd.DataFrame()

if __name__ == "__main__":
    # 获取平安银行 2023 年数据
    print("正在获取股票数据...")
    df = get_stock_data("000001", "20230101", "20231231")

    if not df.empty:
        print(f"\n✅ 成功获取 {len(df)} 条数据")
        print("\n前 5 行数据:")
        print(df.head())
        print("\n数据描述:")
        print(df.describe())

        # 绘制收盘价图表
        import matplotlib.pyplot as plt
        plt.figure(figsize=(14, 7))
        plt.plot(df.index, df['close'], label='收盘价')
        plt.title('平安银行 2023 年收盘价走势')
        plt.xlabel('日期')
        plt.ylabel('价格 (元)')
        plt.legend()
        plt.grid(True, alpha=0.3)
        plt.savefig("stock_price_2023.png")
        print("\n图表已保存为 stock_price_2023.png")
    else:
        print("❌ 数据获取失败")

🎯 实战应用

运行结果示例

执行test_install.py后输出：

Python 版本：3.9.18 (main, Sep 11 2023, 08:38:23) 
[GCC 11.4.0]
pandas 版本：2.1.0
pandas 测试通过:
   A  B
0  1  4
1  2  5
2  3  6

numpy 版本：1.24.3
numpy 测试通过:
数组：[1 2 3 4 5], 均值：3.0

matplotlib 版本：3.7.2
matplotlib 测试通过，图表已保存为 test_plot.png

✅ 所有库安装成功！

执行get_stock_data.py后：

正在获取股票数据...

✅ 成功获取 242 条数据

前 5 行数据:
                open   close   high  ...  change  turnover_rate
date                                  ...
2023-01-03  13.05  13.15  13.18  ...    0.10           0.52
2023-01-04  13.15  13.08  13.20  ...   -0.07           0.48
...

图表已保存为 stock_price_2023.png

❓ 常见问题

Q1: conda 命令无法识别

解决方案:

# Windows: 重新安装并勾选"Add to PATH"
# 或手动添加环境变量
# macOS/Linux: 编辑 ~/.bashrc 或 ~/.zshrc
export PATH="$HOME/anaconda3/bin:$PATH"
source ~/.bashrc

Q2: 安装包时出现权限错误

解决方案:

# 不要使用 sudo，创建独立环境
conda create -n quant python=3.9
conda activate quant
# 在激活的环境中安装包

Q3: 下载速度慢

解决方案:

# 使用国内镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

Q4: 导入模块失败

解决方案:

# 检查当前环境
conda env list

# 确认已激活正确环境
conda activate quant

# 重新安装缺失的包
conda install 包名

📝 总结

要点回顾

1. ✅ Anaconda 是量化交易的最佳 Python 发行版选择
2. ✅ 使用虚拟环境隔离项目依赖
3. ✅ pandas/numpy/matplotlib 是量化核心三剑客
4. ✅ akshare 是免费的 A 股数据获取工具

仓库链接：https://github.com/z1041950008/deyide_quant