搭建研究环境：Python、虚拟环境、Jupyter 与 VS Code

你将学到什么

• 2026 年应安装哪个 Python 版本，以及为什么“比最新版落后一个版本”通常是更稳妥的选择。
• 如何创建虚拟环境，让每个交易项目都拥有自己的一套可复现的软件包。
• 如何安装 pandas、numpy、matplotlib 和 Jupyter，以及如何在 requirements.txt 文件中锁定版本。
• 如何组织研究文件夹，使数据、笔记本和可复用代码不会混在一起。

讲解

Python 是一种通用编程语言，凭借其数据库生态，它已成为金融量化研究的标准工具。课程《系统化交易与回测》在电子表格中测试了一条规则；本课程则把同样的思路搬到代码中。

选哪个版本？截至 2026 年末，最新的 Python 系列是 3.15，而 pandas 3.0（2026 年 1 月发布）要求 Python 3.11 或更高版本。一条实用规则：安装至少已发布几个月的最新版本，因为全新发布的版本有时还缺少科学计算库的预编译包（“wheels”）。请务必查看当前的下载页面；在 Windows 上安装时请勾选“Add python to PATH”。在终端中用 python --version 验证（在 macOS 和 Linux 上你可能需要使用 python3）。

虚拟环境。虚拟环境（venv）是一个私有文件夹，为某一个项目保存它自己的一套 Python 软件包。没有它，为项目 A 升级 pandas 可能会在不知不觉中破坏项目 B。内置模块即可创建一个：

python -m venv .venv

用 .venv\Scripts\activate（Windows）或 source .venv/bin/activate（macOS/Linux）激活它。之后命令提示符会显示 (.venv)，从此 pip 只会安装到这个文件夹中。pip 是 Python 的软件包安装工具；PyPI（Python Package Index，Python 软件包索引）是它下载软件包的公共仓库。

核心库。numpy 提供快速的数值数组；pandas 在 numpy 之上构建带标签的表格（DataFrame），是本课程的主力工具；matplotlib 用于绘制图表；Jupyter 提供笔记本，即把代码、输出和说明混合在一起的文档。一行命令即可全部安装：

pip install pandas numpy matplotlib jupyterlab pyarrow

pyarrow 软件包是可选的，但 pandas 团队推荐安装，因为 pandas 3.0 用它来实现新的默认字符串类型并加快文件读取。

可复现性。安装完成后，运行 pip freeze > requirements.txt。该文件会列出确切的版本，例如 pandas==3.0.1。以后运行 pip install -r requirements.txt 即可重建完全相同的环境，这样今天的回测将来也能得出同样的数字；无法复现的结果就不算结果。

笔记本还是脚本？Jupyter 笔记本（用 jupyter lab 启动）非常适合探索，因为每个单元格都可单独运行并显示其输出。VS Code（Visual Studio Code，一款免费编辑器）可以打开同样的 .ipynb 笔记本和普通的 .py 脚本，提供调试器，并在你输入时提示错误。请在 VS Code 中选择 .venv 内的解释器，否则即使你已经安装了 pandas，导入时也会报错“No module named pandas”。

一种可扩展的文件夹结构：

• data/raw/ 存放下载后从不手动编辑的文件，data/processed/ 存放清洗后的版本。
• notebooks/ 存放用于探索的笔记本，并按编号命名（01_load.ipynb、02_returns.ipynb）。
• src/ 存放可复用的函数（指标、绩效指标），tests/ 存放你将在第 9 课编写的单元测试。
• requirements.txt，以及一个 .gitignore，用于排除 .venv/、大型数据文件和任何保存 API 密钥的文件。

实例演算

假设示例：笔记本中的第一个单元格，用来替代你在课程《风险与交易管理》中可能手工完成过的仓位规模计算。假设条件：账户 €10,000，每笔交易风险 1%，入场价 €50.00，止损价 €47.00。不计手续费、点差和滑点。

account = 10_000

risk_pct = 0.01

entry, stop = 50.0, 47.0

risk_eur = account * risk_pct

per_share = entry - stop

shares = int(risk_eur // per_share)

print(shares, shares * entry, shares * per_share)

逐步计算：以欧元计的风险 = 10,000 × 0.01 = €100。每股风险 = 50 − 47 = €3。股数 = 100 ÷ 3 = 33.3，整除运算符 // 向下取整为 33（向上取整会超出风险预算）。仓位价值 = 33 × €50 = €1,650。实际计划风险 = 33 × €3 = €99。输出为 33 1650.0 99.0。

10_000 中的下划线只是为了便于阅读。另外，计划风险并不等于最大亏损：价格跳空越过止损位时，亏损可能超过 €99。

常见错误

练习活动

在纸上写出完成以下操作所需的准确终端命令序列：创建一个名为 momentum_research 的项目文件夹，在其中创建并激活虚拟环境，安装 pandas、numpy、matplotlib 和 JupyterLab，保存版本信息，然后启动 JupyterLab。接着说明如果安装成功，python -c "import pandas; print(pandas.__version__)" 应该输出什么。

要点回顾

• 使用较新但不是刚刚发布的 Python 3 版本；pandas 3.0 需要 Python 3.11 或更高版本。
• 每个项目一个虚拟环境，再加上锁定版本的 requirements.txt，可以让每次回测都可复现。
• pandas、numpy、matplotlib 和 Jupyter 是本课程依赖的四个工具；VS Code 把笔记本和脚本连接在一起。
• 从第一天起就把原始数据、处理后的数据、笔记本和可复用代码分开存放。

下一步

第 2 课介绍在接触 pandas 之前你需要掌握的少量核心 Python 知识：数据类型、列表、字典、循环、函数，以及如何阅读错误信息。