期貨量化策略期望值研究：環境搭建記錄

最近為了研究期貨量化、以及不同策略對期望值的影響，我在 Win11 上做了一輪安裝測試，下面記錄一下我的環境搭建過程 ✨📈

🐍 我的 Python 環境用 Miniforge 搭建

安裝時建議選擇 “Just me” 👤✅
這樣更省心，能減少權限問題，也更不容易和系統裡其他 Python 發生“默認解釋器搶占”的混亂情況。

🧰 安裝後配置（研究/回測環境）

下面是我整理後的命令記錄：

# 1) 安裝完成後打開 Miniforge Prompt，檢查是否安裝成功並生效 ✅
conda --version
conda info

# 2) 設置更穩定的通道（只需要執行一次）🧊
conda config --set channel_priority strict
conda config --add channels conda-forge

# 3) 創建量化研究環境 🧪
conda create -n quant-research python=3.10 -y
conda activate quant-research
python --version

# 4) 安裝科學計算 & Jupyter 基礎包 📦
conda install -y numpy pandas scipy numba matplotlib scikit-learn jupyterlab ipykernel

# 5) 安裝量化相關庫（研究/回測線）📈
pip install akshare backtrader vectorbt

# 6) 將環境註冊到 🧠
python -m ipykernel install --user --name quant-research --display-name "quant-research"

# 7) 快速自檢 🧪✅
python -c "import numpy, pandas, akshare, backtrader, vectorbt; print('ok')"

🎉 完成！

這樣就完成了環境搭建，後面你只需要：

1	conda activate quant-research