从0到1打造一套小白也能跑得起来的量化框架[图文教程]

花姐的很多粉丝其实都不是程序员出身,但对量化投资充满兴趣,属于"野路子起步"的小白用户。虽然之前我已经分享了很多实用的策略,但还是有不少人卡在了环境搭建 这一步,始终迈不出第一步。 所以今天,我决定手把手教大家如何从0搭建一套能跑策略的量化环境和框架,一步一图,保姆级教程,别再被技术门槛劝退了!

一、Python环境安装

在这里我强烈推荐大家使用 Anaconda 来搭建量化环境,尤其是对非程序员的小白来说,这绝对是"神器级别"的存在。

为什么推荐它?原因很简单:

  1. 一键安装,省心省力:Anaconda 自带了 Python 和大量常用的科学计算库(像 numpy、pandas、matplotlib 等),装一次就齐活了,不用东拼西凑到处踩坑。
  2. 内置虚拟环境管理:你可以为不同策略创建不同的独立环境,互不干扰,出了问题随时重建,告别"改了一个包,所有项目全挂了"的崩溃场景。
  3. 自带 Jupyter Notebook:写代码、调试、画图、看结果一条龙,交互式体验非常友好,特别适合边学边练。

总之,Anaconda 对于初学者来说就是一把"开门钥匙",帮你省下80%的环境配置时间,把更多精力放在策略研究和实战上!

接下来是安装教程

1、 在电脑浏览器打开https://www.anaconda.com/download/success

2、下载 Distribution Installers 版本

很多量化小白在 Anaconda 官网下载时,都会卡在这个选择上------到底是安装 "Distribution Installers" 还是 "Miniconda Installers"?

我的建议非常明确:

量化小白优先推荐安装:Anaconda Distribution(也就是 Distribution Installers)

为什么推荐它? Anaconda Distribution 是个"全家桶",自带了上百个常用的科学计算和数据分析库,比如:

  • numpypandas(数据处理)
  • matplotlibseaborn(可视化)
  • scipystatsmodels(统计分析)
  • Jupyter Notebook(交互式编程环境)

很多小白刚接触 Python,如果选择 Miniconda 还要手动一个个 pip install,极容易遇到版本冲突、依赖缺失、安装失败等问题,让人劝退。 而 Anaconda Distribution 大部分库都已经打包好,安装成功率非常高,几乎零踩坑。

那 Miniconda 适合谁? Miniconda 更适合有经验的用户,对环境和依赖管理有明确要求、想节省磁盘空间的"高手用户"。它更灵活但也更复杂,小白慎入。

3、安装 根据你的电脑下载对应的安装版本,小白推荐用windows电脑,很多量化教学、策略实现的初级教程默认就是 Windows 环境写的,跟着学最省事。 找到Anaconda安装包,双击安装

这里推荐注册下,不注册也可以,不过每次打开都会提示注册比较烦。

4、配置 Python 国内镜像

强烈推荐配置一个国内镜像源,尤其是在国内网络环境下,能显著提高你后续用 conda installpip install 安装库的速度和成功率。

C:\Users\r_pc\pip (其中r_pc替换成你自己电脑的用户名)目录新建一个pip.ini文件,然后输入以下内容,并保存。如果没有pip文件夹就新建一个。

bash 复制代码
[global]

index-url=http://mirrors.aliyun.com/pypi/simple/

[install]

trusted-host=mirrors.aliyun.com

5、创建一个虚拟环境

开始菜单找到Anacondar Navigator 然后单击运行

6、查看和安装Python包

在虚拟环境安装Python包时需要先激活环境。

win+R调出windows电脑的运行 界面,输入cmd然后按回车键

输入activate pyhuajie激活我们上面创建的虚拟环境

在激活的虚拟环境里,通过这个命令安装常用量化库

bash 复制代码
pip install pandas numpy matplotlib akshare tushare backtrader

安装ta-lib 之前写过教程了,这里大家直接参考我写的文章即可 《史上最强量化工具库 Ta-Lib 从入门到精通,一篇文章就够了!

安装xtquant 看我文章的都知道花姐喜欢用xtquant库来获取行情数据,稳定还免费。 打开https://dict.thinktrader.net/nativeApi/download_xtquant.html

xtquant文件夹 复制到C:\Users\r_pc\anacondas3\envs\pyhuajie\Lib\site-packages目录下,这里的r_pc改成你自己电脑的名称

通过输入命令:pip list 查看已经安装的Python包和对应的版本号

到此关于量化需要的Python环境就基本上搭建完毕了。后续需要安装其它Python包,可以参考 6、查看和安装Python包 教程

二、安装VScode开发工具

新手搞量化首选 VS Code:上手简单、功能强大、运行高效,一站式搞定写代码、调试和跑策略。

打开https://code.visualstudio.com/

安装比较简单,双击安装包然后安装即可

配置中文环境,输入chin选第一个

接下来重启 VScode客户端

中文界面就搞定了

接下来安装Python开发必备的插件Python、Pylance、Python Debugger、Python Snippets、autoDocstring

Python: 做开发必备插件

Pylance: 代码智能提示

Python Debugger: Python代码调试用的插件

Python Snippets: 可以让我们快速创建代码片段

autoDocstring: 快速生成代码注释

三、第一行代码

随便找个地方,比如D盘新建一个目录比如huajie_demo,打开VScode

新建一个py文件,比如 demo.py

选择之前新建的pyhuajie虚拟环境

在demo.py输入如下代码:

python 复制代码
import pandas as pd
import backtrader as bt
import numpy as np
from xtquant import xtdata
from xtquant import xttrader

print("我的第一个代码")
  • Pandas: 和 NumPy 是搞量化策略最基础、最核心的两个库,几乎所有量化策略都绕不开它们。
  • NumPy: 主要用于数值计算和矩阵操作,速度快、效率高
  • Pandas: 主要用于处理时间序列数据和表格数据,在量化中几乎所有行情数据、K线、指标计算,都是用 Pandas DataFrame 处理的。
  • backtrader: 是一个功能强大、使用灵活的 Python 回测框架,用来"跑策略、测收益、画图表",让你的想法变成可验证的量化策略。
  • xtquant中的xtdata: 负责行情数据的读取
  • xtquant中的xttrader: 负责和收盘打通,处理股票实盘交易

通过这一系列操作,我们就可以开始编写属于自己的股票策略了。

相关推荐
倔强青铜三27 分钟前
苦练Python第61天:logging模块——让Python日志“有迹可循”的瑞士军刀
人工智能·python·面试
倔强青铜三31 分钟前
苦练Python第60天:json模块——让Python和JSON“无缝互译”的神兵利器
人工智能·python·面试
孤客网络科技工作室37 分钟前
Python - 100天从新手到大师:第二十七天Python操作PDF文件
开发语言·python·pdf
悬剑13141 小时前
python简易程序跑NLPIR模型
python·nlpir
wheeldown1 小时前
【Leetcode高效算法】用双指针策略打破有效三角形的个数
python·算法·leetcode
真的想不出名儿1 小时前
登录前验证码校验实现
java·前端·python
做运维的阿瑞1 小时前
Python原生数据结构深度解析:从入门到精通
开发语言·数据结构·后端·python·系统架构
璨sou1 小时前
Rust语言--基础入门到应用
后端·rust
孤客网络科技工作室2 小时前
Python - 100天从新手到大师:第二十六天Python操作Word和PowerPoint文件
python·word·powerpoint
zzywxc7872 小时前
AI赋能千行百业:金融、医疗、教育、制造业的落地实践与未来展望
java·人工智能·python·microsoft·金融·golang·prompt