个人做量化需要准备哪些数据和工具？

## 先准备一条最小数据链路

入门不需要把所有软件和接口一次装齐。一个可执行的最小项目，可以先准备一份来源和版本清楚的历史行情 CSV，至少确认日期、证券代码和收盘价等必要字段；再用表格处理工具读取数据、计算均线或生成信号，输出图表、信号表和说明。原始数据要保留，不要在清洗时覆盖唯一副本，并记录来源、日期、字段和参数。

## 工具按职责分工

数据处理工具负责读写表格、处理时间序列和窗口计算；行情或财务数据服务提供价格、成交量或财务字段，但字段定义、覆盖范围、权限和调用限制要逐项核对；Jupyter适合分段运行代码、查看中间变量和图形，是可选的学习工具，不是回放必需品；大模型 SDK用于调用模型，模型名、鉴权方式和额度要按当前工具说明确认；券商通信工具可能连接指定本地终端，但安装了包不代表终端、账户和交易权限已经可用。是否需要 Node.js 或 npm，也取决于具体工具。

## 先本地、后外部、再执行

更稳妥的推进顺序是：先用本地历史数据跑通指标和信号，用一份可以手算的小数据核对；再接外部数据服务，单独处理网络、字段和权限问题；最后才讨论模拟执行，并把真实账户隔离。这样算法错误不会和网络或权限错误混在一起。不要因为接口暂时取不到价格，就用随机数或默认行情填出一条曲线。

还要区分三件事：能读到行情，不代表交易权限可用；能算出最新一期数据，不代表可以直接做历史回测；工具显示成功，也不代表结论已经经过验证。Jupyter 里单元格乱序运行还可能残留旧变量，完成后应重启内核并按顺序完整运行，或整理成可重复执行的脚本。

想搭建自己的数据和开发环境，可以学《AI 编程与量化开发环境》和《财务指标驱动行业内选股》。