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：

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。
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。
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：

numpy、pandas（数据处理）
matplotlib、seaborn（可视化）
scipy、statsmodels（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 install 或 pip install 安装库的速度和成功率。

在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。

按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

把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。