想用 AI 做量化交易，第一步不是写复杂模型，而是先学会回测——用历史数据验证你的交易策略是否靠谱。本文带你从零开始，装好工具、跑通第一个回测，避开新手最容易掉进去的坑。

准备环境：安装 Python 和必备库

你需要一个能运行 Python 的环境。如果你是纯新手，推荐直接装 Anaconda（一个打包了 Python 和常用数据科学库的发行版，省去一个个安装的麻烦）。

1. 去 Anaconda 官网（anaconda.com）下载对应你系统的安装包，安装时选“Add Anaconda to my PATH environment variable”（方便后续在命令行使用）。
2. 安装完成后，打开终端（Mac/Linux）或 Anaconda Prompt（Windows），输入 conda list，如果看到一堆包名就说明成功了。
3. 接下来安装回测需要的两个库：pandas（处理表格数据）和 yfinance（免费获取股票历史数据）。在终端里依次输入：conda install pandas 和 pip install yfinance。如果遇到网络慢，可以换成国内镜像，比如 pip install yfinance -i https://pypi.tuna.tsinghua.edu.cn/simple。

获取数据：下载股票历史价格

回测需要真实的历史价格。我们用 yfinance 获取苹果（AAPL）过去两年的日线数据。

• 打开你喜欢的代码编辑器（比如 VS Code 或 Jupyter Notebook），新建一个 Python 文件。
• 输入以下代码并运行：
  import yfinance as yf
data = yf.download('AAPL', start='2022-01-01', end='2024-01-01')
print(data.head())
• 你会看到包含开盘价、收盘价等列的表格。注意：数据默认是未复权的，回测前需要调整。yfinance 下载时加参数 auto_adjust=True 就能拿到复权价格（已处理分红、拆股等事件），避免价格出现假跳变。

跑通第一个回测：移动平均线策略

现在写一个最简单的策略：当短期均线上穿长期均线时买入，反之卖出。代码不到 40 行，但要注意一个关键细节——避免未来信息（即回测时用了未来才有的数据，这会让结果虚高）。

1. 计算两条均线：short_ma = data['Close'].rolling(window=20).mean() 和 long_ma = data['Close'].rolling(window=50).mean()。
2. 生成交易信号：当 short_ma 从下方穿过 long_ma 时买入（信号为1），反之卖出（信号为-1）。关键一步：用 .shift(1) 把信号往后移一天，这样模拟的是“收盘后产生信号，第二天开盘才交易”，而不是当天收盘价买卖（那相当于作弊）。
3. 计算每日收益：假设每次交易都按第二天开盘价成交，并扣除手续费（比如万分之三）。
4. 最后比较策略收益与简单“买入持有”的收益。如果策略跑不过买入持有，那就别实盘。

完整的代码示例（复制即可运行）：

import pandas as pd
import yfinance as yf

# 下载数据
data = yf.download('AAPL', start='2022-01-01', end='2024-01-01', auto_adjust=True)
close = data['Close']

# 计算均线
short = close.rolling(20).mean()
long = close.rolling(50).mean()

# 生成信号（避免未来信息）
signal = pd.Series(0, index=close.index)
signal[short > long] = 1
signal[short < long] = -1
signal = signal.shift(1)  # 重要：后移一天

# 计算策略收益（假设无手续费）
daily_ret = close.pct_change()
strategy_ret = (signal * daily_ret).dropna()
cumulative = (1 + strategy_ret).cumprod()

# 比较买入持有
buy_hold = (1 + daily_ret).cumprod()
print('策略累计收益:', cumulative.iloc[-1])
print('买入持有累计收益:', buy_hold.iloc[-1])

常见坑与下一步

• 检查数据质量：用 data.isnull().sum() 看有没有缺失值，用 data.index.duplicated().sum() 看有没有重复日期。脏数据会导致回测结果完全失真。
• 避免幸存者偏差：如果你只测试当前仍存在的股票（比如只测标普500现在的成分股），就忽略了那些已经退市或破产的公司——你的策略可能恰好避开了它们。建议用全历史成分股列表或指数本身来测试。
• 多试参数：向量化回测很快，你可以测试几十组均线参数，找出稳健的组合，而不是靠一个参数碰运气。

现在你已经装好了环境、拿来了数据、跑通了第一个回测。下一步可以尝试加入止损、交易成本，或者换成其他策略（比如 RSI 背离）。记住：回测最大的作用不是让你自信，而是让你发现自己的策略到底有多脆弱。保持怀疑，才能进步。