零基础也能学会!Python量化入门:今天帮你装好环境,跑通第一个策略

上周五跟几个朋友吃饭，聊到理财，有人说在用量化策略跑基金，回撤控制得贼好，年化收益比银行理财高出一大截。旁边一个小白朋友听完眼睛亮了：「量化？我也想学！但我连Python都不会啊……」别慌，今天这篇就是写给小白的。手把手带你装好Python环境，装好三个最核心的量化库，再用随机数据跑通你人生中第一个策略——双均线策略。读完这篇文章，你就已经迈出了量化投资的第一步。

第一步：装Anaconda，别从官网直接装Python

很多小白上来就去python.org下载安装包，我劝你停住。对于做量化来说，推荐直接装Anaconda。它是一个打包了Python和一大堆科学计算库的发行版，装一个顶一百个，99%的坑在安装阶段就被它堵死了。去Anaconda官网（anaconda.com），找到Download按钮，根据你的电脑系统（Windows/Mac/Linux）下载对应版本，大约800MB，耐心等一下。安装过程全程点"下一步"就行，默认选项够用了。装完之后，Windows用户按Win键，搜"Anaconda Prompt"，打开它；Mac用户直接打开"终端"（Terminal）。出现(base)字样，说明安装成功。

第二步：用pip安装三个量化库

在Anaconda Prompt（Windows）或终端（Mac）里，逐行输入下面三行命令，回车运行：pip install pandas numpy vectorbt。这三个库分别是：pandas——数据分析神器，处理时间序列数据全靠它；numpy——科学计算基础库，底层运算全靠它加速；vectorbt——今天的主角，专门用来做量化策略回测，代码极简、功能极强。

第三步：写双均线策略代码

打开Jupyter Notebook，新建一个Python文件，复制粘贴下面这段：import pandas as pd; import numpy as np; import vectorbt as vbt; np.random.seed(42); close = pd.Series(np.cumsum(np.random.randn(200))+100, index=pd.date_range("2024-01-01", periods=200, freq="D")); fast_ma = close.rolling(window=10).mean(); slow_ma = close.rolling(window=30).mean(); entries = fast_ma > slow_ma; exits = fast_ma < slow_ma; portfolio = vbt.Portfolio.from_signals(close, entries, exits); print(portfolio.stats())。代码逻辑很简单：金叉（快线从下方穿过慢线）→ 买入信号；死叉（快线从上方穿过慢线）→ 卖出信号。这就是双均线策略的核心思想，也是量化世界里最经典的趋势跟踪策略之一。

第四步：运行回测，看结果

按Shift+Enter一行一行运行代码，你会看到策略"体检报告"：Total Return——总收益率；Sharpe Ratio——夏普比率（衡量风险收益比）；Max Drawdown——最大回撤（最惨时亏了多少）；Win Rate——胜率。用vectorbt还能直接出图：portfolio.plot().show()，K线图、持仓曲线、买卖点标记，全部自动生成。

用随机数据跑通策略，只是起点。真实量化世界里，你要做的，是找到真正有效的因子、优化策略参数、做好风险管理。但所有这些，都建立在"今天这一步"的基础上——你已经证明了自己可以：装环境、跑代码、看结果。量化不是玄学，它是一套可以学习、可以验证、可以迭代的方法论。从今天起，你也是个"量化人"了。下一期，我们聊聊：如何用真实行情数据（免费数据源）替代随机数据，以及如何看懂回测报告里的那些坑。