Python 環境設置
量化投資需要一個穩定的 Python 環境，並裝好數據處理與交易分析用的套件。這一頁介紹三種常見的環境選擇，以及量化分析最常用的套件清單。
開發環境怎麼選
| 方式 | 適合對象 | 說明 |
|---|---|---|
| Anaconda | 想在本機長期開發 | 內建 Jupyter Notebook 與大量科學計算套件，套件衝突較少 |
| Python 官方 + venv | 想精準掌控套件版本 | 手動管理虛擬環境，較適合已熟悉 Python 的使用者 |
| Google Colab | 想立刻開始、不想安裝 | 免安裝、雲端執行 Jupyter Notebook，本站多數 Notebook 範例都可直接在 Colab 開啟 |
第一次接觸量化投資，建議先用 Google Colab：不用安裝，開啟瀏覽器就能執行程式碼，之後有需要長期開發再改裝 Anaconda。
安裝 Anaconda 與建立虛擬環境
- 前往 Anaconda 官網下載對應作業系統的安裝檔並安裝。
- 建立一個獨立的量化投資虛擬環境，避免跟其他專案的套件版本互相衝突：
安裝量化投資常用套件
pip install numpy pandas matplotlib seaborn yfinance
pip install ta pandas-ta
pip install scikit-learn statsmodels
pip install backtesting backtrader vectorbt
| 套件 | 用途 |
|---|---|
numpy |
數值運算的底層工具 |
pandas |
處理股價、財報等表格式與時間序列資料 |
matplotlib / seaborn |
繪製走勢圖、指標圖 |
yfinance |
從 Yahoo Finance 下載股票歷史資料 |
ta / pandas-ta |
純 Python 技術指標套件，不需編譯即可安裝 |
TA-Lib |
業界標準技術指標函式庫，速度快但需先裝好底層 C 函式庫（見技術分析） |
scikit-learn / statsmodels |
機器學習與統計分析 |
backtesting / backtrader |
交易策略回測框架 |
vectorbt |
向量化回測框架，適合大量參數組合的快速測試 |
TA-Lib 需要另外安裝步驟
TA-Lib 沒有列在上面的 pip install 指令中，因為它需要先裝好底層 C 函式庫才能安裝成功，做法依作業系統不同。第一次接觸技術分析時，建議先用 ta 或 pandas-ta，等真的需要 TA-Lib 再處理安裝問題。
使用 Jupyter Notebook
量化交易通常在 Notebook 裡邊寫邊看結果，方便隨時檢查中間的資料長什麼樣子。
進入 Notebook 後，先匯入常用套件，再測試能否成功下載股價，確認環境沒問題：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import yfinance as yf
data = yf.download("AAPL", start="2023-01-01", end="2024-01-01")
print(data.head())
如果能順利印出蘋果（AAPL）的股價資料，代表環境已經準備好，可以繼續下一章 取得市場資料。
推薦影音
官方：Google Colaboratory 入門
簡述：Google 官方對 Colab 的介紹，說明 Colab 如何在瀏覽器中免安裝執行 Notebook、掛載雲端硬碟與安裝套件，適合完全沒有 Python 環境、想先用 Colab 開始的初學者。