量化环境搭建实战

A 股量化环境搭建：4 个 conda 环境的安装步骤

akshare + akquant + PyBroker + vnpy.alpha + VeighNa Studio。Windows 11 + conda 26.5.3，2026 年 9 月实际操作记录。

环境规划

装 4 个环境，互相隔离：

环境	Python	装什么	用途	体积
quant	3.12	akshare + yfinance + akquant + quantstats	取数、分析、回测、出报告	970 MB
pybroker	3.12	lib-pybroker + akshare + quantstats	策略置信区间检验	781 MB
vnpy-alpha	3.12	vnpy $alpha$ + jupyterlab + akshare	机器学习选股	2.4 GB
veighna_studio	3.13	官方发行版（50 个 vnpy 模块）	实盘交易	1.9 GB

为什么分开装

三处依赖冲突决定的：

1. numba 卡 numpy 上限

复制代码

numba 0.67.0  →  numpy<2.6
akquant       →  numpy>=2.2.2（无上限）

PyBroker 依赖 numba。装进 quant 会让整个环境的 numpy 被压在 2.6 以下。单独装，quant 保持无上限。

2. peewee 版本区间不相交

复制代码

vnpy_sqlite / vnpy_mysql / vnpy_postgresql  →  peewee >= 3.17.9
empyrical-reloaded（alphalens 依赖）         →  peewee <  3.17.4

交集为空。所以 vnpy[alpha] 不能装进 VeighNa Studio------pip 不会报错，它会默默把 peewee 降到 3.17.3，然后 vnpy 的数据库层失效（SQLite 是默认库）。

3. alphalens 卡 pandas 上限

复制代码

alphalens-reloaded  →  pandas<3.0

所以 vnpy-alpha 环境的 pandas 是 2.3.3，而另外两个是 3.0.5。

准备工作

conda 路径

Anaconda 装在 D:\anaconda3，但新建环境默认落在 C:\用户目录\.conda\envs，跟 Anaconda 装哪无关。查看：

bash 复制代码

conda config --show envs_dirs

conda 不在 PATH

conda init 注册的是 shell 函数，不是把 conda.exe 加进 PATH。交互式 PowerShell 里 conda activate 能用，脚本里就报「不是内部或外部命令」。

所以本文命令全部用绝对路径：

bash 复制代码

D:\anaconda3\Scripts\conda.exe create -n myenv python=3.12 -y
C:\Users\你的用户名\.conda\envs\myenv\python.exe -m pip install 包名

中文乱码

Windows 控制台默认 GBK，打印 akshare 返回的中文列名会乱码。执行时加环境变量：

bash 复制代码

set PYTHONIOENCODING=utf-8

装之前先 dry-run

bash 复制代码

python.exe -m pip install --dry-run 包名

完整跑一遍依赖解算，输出会装哪些包、哪些被升降级，但不写磁盘。装 quantstats 之前我跑的结果：

复制代码

Would install contourpy-1.3.3 cycler-0.12.1 fonttools-4.64.0 kiwisolver-1.5.1
matplotlib-3.11.1 pillow-12.3.0 pyparsing-3.3.2 quantstats-0.0.81 scipy-1.18.1 seaborn-0.13.2

10 个新包，现有的 akshare / akquant / pandas / numpy 都没出现在列表里，说明不会动它们。

导出成 JSON 可以进一步分析，比如找出需要现场编译的 sdist：

bash 复制代码

pip install --dry-run --ignore-installed --report out.json 包名

python 复制代码

import json
r = json.load(open("out.json", encoding="utf-8"))
for it in r["install"]:
    fn = it.get("download_info", {}).get("url", "").rsplit("/", 1)[-1]
    if fn.endswith((".tar.gz", ".zip")):
        print("需编译:", it["metadata"]["name"], it["metadata"]["version"])

单独测试某个 sdist 能不能构建：

bash 复制代码

pip wheel "包名==版本" --no-deps -w 临时目录

构建成功的 wheel 进 pip 缓存，正式安装时直接复用。

环境一：quant

安装

bash 复制代码

D:\anaconda3\Scripts\conda.exe create -n quant python=3.12 -y

bash 复制代码

C:\Users\你的用户名\.conda\envs\quant\python.exe -m pip install akshare yfinance akquant quantstats

Python 选 3.12：akshare 要求 >=3.11，Anaconda base 自带的版本通常太新（我的是 3.14），量化库还没适配。

装完 60 个包。

包	版本	说明
akshare	1.18.94	A 股数据主力，免费无 token
yfinance	1.7.0	美股/全球行情
akquant	0.3.57	回测框架，Rust 内核，内置 103 个 TA 指标，A 股/期货/期权交易规则原生支持
quantstats	0.0.81	绩效分析，一行出 HTML 报告

这四个包的依赖声明里没有任何上限约束，numpy/pandas 可以自由升级。后面那些会引入上限的工具不要往这里装。

akquant 有 7 个 extras，上面的命令一个都没装：

复制代码

[ml]  sklearn+torch   [quantstats]   [plot] plotly
[full] = ml+plot+quantstats          [signal-redis]   [dev]   [docs]

需要的话按需加，比如 pip install "akquant[quantstats,plot]"。

验证

python 复制代码

import akshare as ak, pandas as pd, quantstats as qs

px = ak.stock_zh_a_daily(symbol="sh600519", start_date="20240101", adjust="qfq")
px["date"] = pd.to_datetime(px["date"])
ret = px.set_index("date")["close"].pct_change().dropna()

bm = ak.stock_zh_index_daily(symbol="sh000300")
bm["date"] = pd.to_datetime(bm["date"])
bmr = bm.set_index("date")["close"].pct_change().dropna()
bmr = bmr[bmr.index.isin(ret.index)]

print("Sharpe:", qs.stats.sharpe(ret))
print("最大回撤:", qs.stats.max_drawdown(ret))
print("Beta:", qs.stats.greeks(ret, bmr)["beta"])
qs.reports.html(ret, benchmark=bmr, output="report.html")

生成的 HTML 含净值曲线、回撤、月度收益热力图和 50+ 指标。

注意 quantstats 默认用 yfinance 取基准指数，国内网络下不稳，显式传 benchmark= 参数用 akshare 的数据。

环境二：pybroker

安装

bash 复制代码

D:\anaconda3\Scripts\conda.exe create -n pybroker python=3.12 -y

bash 复制代码

C:\Users\你的用户名\.conda\envs\pybroker\python.exe -m pip install lib-pybroker akshare quantstats

PyPI 上的包名是 lib-pybroker ，不是 pybroker；import 时写 import pybroker。

akshare 不是 PyBroker 的依赖，但它的 AKShare 数据源运行时要 import，不装会 ImportError。

装完 75 个包，含 numba 0.67.0、llvmlite 0.49.0、optuna 4.9.0。

用法

PyBroker 跟其他回测框架的区别是 bootstrap 置信区间------不只给点估计，还给区间。

python 复制代码

from pybroker import Strategy, StrategyConfig
from pybroker.ext.data import AKShare

def my_strategy(ctx):
    if len(ctx.close) < 21: return
    ma20 = ctx.close[-20:].mean()
    if not ctx.long_pos():
        if ctx.close[-1] < ma20 * 0.97:
            ctx.buy_shares = ctx.calc_target_shares(0.33)
    elif ctx.close[-1] > ma20 * 1.03:
        ctx.sell_shares = ctx.long_pos().shares

if __name__ == "__main__":            # Windows 上必须，原因见「常见报错」
    cfg = StrategyConfig(initial_cash=1_000_000, bootstrap_samples=500)
    st = Strategy(AKShare(), "20220101", "20260904", cfg)
    st.add_execution(my_strategy, ["600519", "000001", "601318"])
    res = st.backtest(calc_bootstrap=True, adjust="qfq")

    print(res.metrics_df)
    print(res.bootstrap.conf_intervals)
    print(res.bootstrap.drawdown_conf)

上面这段代码的实测输出（2022-01 至 2026-09，三只股票）：

复制代码

点估计     总收益 +6.87%   最大回撤 -29.34%   胜率 58.2%   交易 55 次
           Profit Factor 1.15（总盈利 53.3 万 / 总亏损 46.4 万）

Bootstrap  Sharpe   97.5% 区间 [-0.039, 0.074]   跨过零
           PF       97.5% 区间 [ 0.863, 1.269]   下界跌破 1
           最大回撤  99.9% 置信度  -62.0%         是回测所见的 2.1 倍

点估计已经不好看了，bootstrap 进一步说明：Sharpe 的区间跨零、Profit Factor 下界跌破 1，意味着这个策略赚钱与否在统计上无法区分于随机；而真实世界的回撤可能到 -62%，是回测里那个 -29% 的两倍多。

换一组股票结果会完全不同------这也正是为什么要看区间不看点估计。

它的 AKShare 数据源内置了降级，东财失败自动切腾讯源：

python 复制代码

try:
    return akshare.stock_zh_a_hist(...)        # 东财
except (ConnectionError, KeyError, requests.RequestException):
    if period != "daily": raise
    return akshare.stock_zh_a_hist_tx(...)     # 腾讯

只有日线有降级，周线直接抛异常。

它不带机器学习库

sklearn / xgboost / lightgbm / torch 全部不装。PyBroker 是「自带模型」设计，pybroker.model() 只提供注册机制。要跑 ML 策略自己装：

bash 复制代码

C:\Users\你的用户名\.conda\envs\pybroker\python.exe -m pip install scikit-learn lightgbm

两者只有 numpy 下限，不会破坏 numba 的 numpy<2.6。

环境三：vnpy-alpha

vn.py 从 4.0 开始带了个 vnpy.alpha 模块，做多因子机器学习：内置 Alpha158（158 个价量因子）和 Alpha101 两套数据集，配 LightGBM / Lasso / MLP 三个模型。

它是 vnpy 的子模块，但跟实盘那套完全独立------这个环境不装任何券商接口，只做研究。

安装

从 GitHub Releases 下载 vnpy 4.4.0 源码，解压到本地。

bash 复制代码

D:\anaconda3\Scripts\conda.exe create -n vnpy-alpha python=3.12 -y

bash 复制代码

C:\Users\你的用户名\.conda\envs\vnpy-alpha\python.exe -m pip install -e "D:\你的路径\vnpy-4.4.0[alpha]"

bash 复制代码

C:\Users\你的用户名\.conda\envs\vnpy-alpha\python.exe -m pip install jupyterlab akshare

装完 159 个包，2.4 GB。大头是 torch（安装后 539 MB，下载包 118 MB）和 PySide6 全家桶（安装后 485 MB）------PySide6 是 Qt 图形界面，做因子研究一行都用不到，但 vnpy 核心硬依赖它，绕不过去。

三点说明：

用源码而不是 pip install vnpy ：源码里有 examples/alpha_research/，含 6 个研究流程 notebook（Alpha101、LightGBM、Lasso、MLP），这些不在 pip 包里。

用 -e（editable） ：site-packages 链到源码目录，改源码立即生效，examples/ 就在旁边。验证：

python 复制代码

import vnpy
print(vnpy.__file__)   # 应指向源码路径

[alpha] 不能省。这是 pyproject.toml 里定义的可选依赖组：

toml 复制代码

alpha = ["polars>=1.26.0", "scipy>=1.15.2", "alphalens-reloaded>=0.4.5",
         "scikit-learn>=1.6.1", "lightgbm>=4.6.0", "torch>=2.6.0", "pyarrow>=19.0.1"]

不写的话 torch/lightgbm 一个都不装，import vnpy.alpha 直接失败。

别用官方 install.bat ：它最后一行是 pip install .，不带 [alpha]。

[dev] 不用装 ：hatchling 和 babel 在 build-system.requires 里，pip 构建时自动在隔离环境获取；stubs 只服务静态类型检查。

数据从哪来

官方取数 notebook 用米筐 RQData 和迅投 XT，都是付费源。用 akshare 自己灌。

AlphaLab 的数据格式是普通 parquet，不是自研二进制：

复制代码

lab/
├── daily/{代码}.{SSE|SZSE}.parquet
├── component/                        （指数成分，可选）
└── dataset/ model/ signal/

桥接代码：

python 复制代码

import akshare as ak, pandas as pd
from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.object import BarData
from vnpy.alpha import AlphaLab

lab = AlphaLab("./lab/a_share")
code = "600519"

df = ak.stock_zh_a_daily(
    symbol=("sh" if code.startswith("6") else "sz") + code,
    start_date="20180101", adjust="qfq")

df["date"] = pd.to_datetime(df["date"])          # 见「常见报错」第 6 条
ex = Exchange.SSE if code.startswith("6") else Exchange.SZSE

bars = [BarData(
    symbol=code, exchange=ex, datetime=r.date.to_pydatetime(),
    interval=Interval.DAILY,
    open_price=float(r.open), high_price=float(r.high),
    low_price=float(r.low), close_price=float(r.close),
    volume=float(r.volume),
    turnover=float(r.amount),                     # 见「常见报错」第 7 条
    gateway_name="AK",
) for r in df.itertuples()]

lab.save_bar_data(bars)

之后是标准流程：

python 复制代码

df = lab.load_bar_df(vt_symbols, Interval.DAILY, start, end, 100)
dataset = Alpha158(df, train_period=..., valid_period=..., test_period=...)
dataset.add_processor("learn", partial(process_drop_na, names=["label"]))
dataset.add_processor("learn", partial(process_cs_norm, names=["label"], method="zscore"))
dataset.prepare_data(max_workers=4)     # filters 可选，不用指数成分也能跑
dataset.process_data()

model = LgbModel(seed=42)
model.fit(dataset)
pre = model.predict(dataset, Segment.TEST)

三个模型的调用方式不同

vnpy.alpha 只实现了三个模型：

python 复制代码

# LightGBM ------ 原生支持 NaN，直接用
model = LgbModel(seed=42)

# Lasso ------ 必须先填 NaN，否则报 ValueError: Input X contains NaN
dataset.add_processor("infer", partial(process_fill_na, fill_value=0))
model = LassoModel()

# MLP ------ 必须传 input_size，还要额外的归一化处理器
dataset.add_processor("infer", partial(process_robust_zscore_norm,
                                       fit_start_time=fs, fit_end_time=fe))
dataset.add_processor("infer", partial(process_fill_na, fill_value=0, fill_label=False))
model = MlpModel(input_size=158, hidden_sizes=(256,), lr=0.002,
                 optimizer="adam", n_epochs=8000, batch_size=8192,
                 weight_decay=0.0002, seed=42)

股票池要够大

我用 38 只股票测试时，show_signal_performance() 报错：

复制代码

Dropped 100.0% entries from factor data: 2.5% in forward returns computation
and 97.5% in binning phase
ValueError: No objects to concatenate

这个函数内部硬编码 quantiles=10，38 只分 10 档每档不到 4 只，样本不足被全丢。

绕开可视化直接算 IC 也没意义：IC 均值 +0.0197、标准差 0.2536、ICIR 0.0776、IC>0 占比 50.7%。IC 是横截面相关系数，38 只股票的单日估计噪声太大。横截面因子研究用 300 只量级。

三个升级陷阱

pip list --outdated 会列出这些，但不能升：

包	现版本	原因
PySide6（含 Addons/Essentials/shiboken6）	6.8.2.1	vnpy 硬锁 `pyside6==6.8.2.1`
peewee	3.17.3	empyrical-reloaded 要 `peewee<3.17.4`
pandas	2.3.3	alphalens-reloaded 要 `pandas<3.0`

环境四：veighna_studio

用官方发行版，不用 conda 装。下载 veighna_studio-4.4.0.exe（507 MB）安装即可。

为什么不用 pip 装

复制代码

pip install vnpy   →  46 个包，vnpy_* 模块只有 vnpy 自己一个
VeighNa Studio     →  50 个 vnpy_* 模块

vn.py 是模块化架构，github.com/vnpy/vnpy 只是框架核心，每个券商接口、每个交易 App 都是独立的仓库和独立的 PyPI 包，核心包一个都不带。

而且所有带 C++ 编译的券商网关，Windows wheel 只有 cp313：

模块	Windows wheel
vnpy_ctp	仅 cp313
vnpy_mini	仅 cp313
vnpy_femas	仅 cp313
vnpy_sec	无 wheel，仅 sdist

Studio 捆绑 Python 3.13.8 就是这个原因。想用 conda 复刻，得建 3.13 环境再手动装 38 个包。

和 conda 冲突吗

conda 环境不受影响，但它会改系统 PATH，这点要知道。

实测结果：

① 会往系统 PATH 加两条（安装时自动加的，向导里没给选项）：

复制代码

[Machine PATH 第 15、16 位]
D:\CodeEnv\veighna_studio
D:\CodeEnv\veighna_studio\Scripts

后果是：全新 shell 里敲 python 会解析到 Studio 的 Python 3.13，而不是你的 conda 环境。

bash 复制代码

C:\> where python
D:\CodeEnv\veighna_studio\python.exe
C:\Users\你的用户名\AppData\Local\Microsoft\WindowsApps\python.exe

② 没有写 Python 注册表 ：HKLM\SOFTWARE\Python\PythonCore 下只有 Anaconda 那一条（3.14），Studio 没有注册自己。

③ conda 环境完全不受影响 ：conda env list 正常，各环境 pip check 全绿。

原因是 conda 的 conda activate 是 profile 里注册的 shell 函数，不看 PATH；而且激活后 conda 会把环境路径 prepend 到 PATH 最前面，顺序上压过 Studio。

实际影响 ：只影响不 activate 任何环境时的裸 python 命令。如果你的脚本依赖裸 python，装 Studio 后行为会变。用绝对路径或者先 conda activate 就不受影响。

装之前建议存个 PATH 快照，方便对比和还原：

bash 复制代码

reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path > path-before.txt

注意：查 PATH 要看注册表 （持久化的值），不能看当前进程的 %PATH%。已经启动的进程持有的是旧快照，安装程序改了 PATH 也不会反映进去------我第一次就是这么查错的。

vnpy.alpha 在 Studio 里不可用

官方发行版没带 [alpha] extra，缺 polars/torch/lightgbm/sklearn/alphalens。强行装会触发前面说的 peewee 冲突，破坏数据库层。要用 alpha 走 vnpy-alpha 环境。

常见报错速查

1. `conda` 不是内部或外部命令

conda init 注册的是 shell 函数不是 PATH 条目。用绝对路径 D:\anaconda3\Scripts\conda.exe。

2. 中文输出乱码 `Ӫҵ��`

Windows 控制台 GBK 编码。设 PYTHONIOENCODING=utf-8，或写 UTF-8 文件再读。

3. 东方财富接口全部连不上

复制代码

ConnectionError: ('Connection aborted.', RemoteDisconnected('Remote end closed
connection without response'))

影响所有 *_em 接口：stock_zh_a_hist、stock_zh_a_spot_em、stock_individual_info_em、stock_news_em 等。

如果机器上有接管 DNS 的代理软件，域名可能被路由到境外出口后被拒。自查：

python 复制代码

import socket
print(socket.gethostbyname("push2his.eastmoney.com"))
# 返回 198.18.x.x 说明 DNS 被接管

改用非东财源，这套组合够完成一份完整的基本面分析：

维度	接口	源
日线行情	`stock_zh_a_daily(symbol="sh600519", adjust="qfq")`	新浪，需 sh/sz 前缀
全市场快照	`stock_zh_a_spot()`	新浪，较慢
指数	`stock_zh_index_daily(symbol="sh000300")`	新浪
财务摘要	`stock_financial_abstract_ths(symbol="600519", indicator="按报告期")`	同花顺，25 列全给
三大报表	`stock_financial_report_sina(stock="sh600519", symbol="资产负债表")`	新浪
财务指标	`stock_financial_analysis_indicator(symbol="600519", start_year="2020")`	新浪
估值 PE/PB	`stock_zh_valuation_baidu(symbol="600519", indicator="市盈率(TTM)", period="近五年")`	百度
十大股东	`stock_main_stock_holder(stock="600519")`	新浪
主营业务	`stock_zyjs_ths(symbol="600519")`	同花顺
分红	`stock_fhps_detail_ths(symbol="600519")`	同花顺

两个字段细节：stock_financial_abstract_ths 的缺失值是字符串 "False"，金额是 "1.15亿" / "3622.32万" 格式需自己解析；stock_main_stock_holder 的日期列名是「截至日期」不是「截止日期」。

4. 装 akshare 卡在 `Building wheel for jsonpath`

jsonpath 是 akshare 的依赖，只有 10 KB 源码包没有预编译版本，setup.py 用了 3.12 已移除的 distutils，靠 setuptools 垫片构建。会停几秒，正常现象。

5. 跑回测炸出几十个进程

复制代码

RuntimeError: An attempt has been made to start a new process before the
current process has finished its bootstrapping phase.

MemoryError
ImportError: DLL load failed while importing _multiarray_umath: 页面文件太小，无法完成操作。

Windows 用 spawn 创建子进程会重新导入主模块，模块顶层有启动进程的代码就会无限递归。那些 MemoryError 和 DLL load failed 是内存被撑爆的连带症状，不是 numpy 装坏了。

脚本加守卫：

python 复制代码

def main():
    ...

if __name__ == "__main__":
    main()

6. `'datetime.date' object has no attribute 'to_pydatetime'`

ak.stock_zh_a_daily() 返回的 date 列是原生 datetime.date，不是 pandas Timestamp。先转换：

python 复制代码

df["date"] = pd.to_datetime(df["date"])

7. 成交额和换手率写反（不报错）

akshare 的列：

复制代码

['date', 'open', 'high', 'low', 'close', 'volume', 'amount', 'outstanding_share', 'turnover']

amount 是成交额，turnover 是换手率。而 vnpy 的 BarData.turnover 指成交额。

python 复制代码

turnover=float(r.amount)      # 正确
turnover=float(r.turnover)    # 错误，但不报错

程序照常跑完，成交额相关的因子全算错。

8. 升级 `pydantic_core` 后 pydantic 用不了

复制代码

pydantic 2.13.5  →  pydantic-core==2.46.5

是等号锁定。pip 只解算你要装的包，不会拦你，装完就破坏了这个锁。

pip list --outdated 里的传递依赖不要单独升级，要升就升上游的包。

9. `pip install pybroker` 装到别的包

PyPI 上的包名是 lib-pybroker。import 时才是 import pybroker。

10. 查 PATH 要看注册表，不能看 `%PATH%`

装完 VeighNa Studio 后我查了一遍 PATH，显示没被改动，结论写错了。

原因是用 echo %PATH% 查的是当前进程的 PATH，而这个 shell 在安装之前就启动了，持有的是旧快照。安装程序改的是注册表，已运行的进程感知不到。

正确查法：

bash 复制代码

reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path
reg query "HKCU\Environment" /v Path

Studio 确实往系统 PATH 加了两条，所以裸 python 会指向它的 Python 3.13。

装完的验收

结构检查

bash 复制代码

python.exe -m pip check

输出 No broken requirements found. 算过。

存快照方便回滚：

bash 复制代码

python.exe -m pip freeze > env-lock.txt
python.exe -m pip install -r env-lock.txt --force-reinstall   # 回滚

功能验证

import 成功不代表能用，要实际调用。我给 quant 跑了 13 项：4 个 akshare 接口、yfinance 取数、akquant 的指标和类、quantstats 的 4 个指标 + HTML 生成，加一个跨库联动（akshare 取数 → pandas 计算 → quantstats 出报告）。

vnpy-alpha 跑了完整链路：数据写入 → 读回 → 158 因子计算 → 三个模型训练 → 预测输出。

最终结果

复制代码

quant           akshare + yfinance + akquant + quantstats        无上限约束
pybroker        PyBroker + numba + optuna                        numpy<2.6
vnpy-alpha      vnpy.alpha + torch + lightgbm + alphalens        pandas<3.0 / peewee<3.17.4 / pyside6==6.8.2.1
veighna_studio  官方发行版 50 个模块                               独立 Python 3.13，会改系统 PATH

总计约 6 GB。

版本号、报错信息、测试结果均来自 2026 年 9 月实际操作。环境：Windows 11 + conda 26.5.3 + Python 3.12/3.13。

量化环境搭建实战

A 股量化环境搭建：4 个 conda 环境的安装步骤

环境规划

为什么分开装

准备工作

conda 路径

conda 不在 PATH

中文乱码

装之前先 dry-run

环境一：quant

安装

验证

环境二：pybroker

安装

用法

它不带机器学习库

环境三：vnpy-alpha

安装

数据从哪来

三个模型的调用方式不同

股票池要够大

三个升级陷阱

环境四：veighna_studio

为什么不用 pip 装

和 conda 冲突吗

vnpy.alpha 在 Studio 里不可用

常见报错速查

1. conda 不是内部或外部命令

2. 中文输出乱码 Ӫҵ������

3. 东方财富接口全部连不上

4. 装 akshare 卡在 Building wheel for jsonpath

5. 跑回测炸出几十个进程

6. 'datetime.date' object has no attribute 'to_pydatetime'

7. 成交额和换手率写反（不报错）

8. 升级 pydantic_core 后 pydantic 用不了

9. pip install pybroker 装到别的包

10. 查 PATH 要看注册表，不能看 %PATH%

装完的验收

结构检查

功能验证

最终结果

1. `conda` 不是内部或外部命令

2. 中文输出乱码 `Ӫҵ��`

4. 装 akshare 卡在 `Building wheel for jsonpath`

6. `'datetime.date' object has no attribute 'to_pydatetime'`

8. 升级 `pydantic_core` 后 pydantic 用不了

9. `pip install pybroker` 装到别的包

10. 查 PATH 要看注册表，不能看 `%PATH%`