环境搭建

在大数据中搭建起一个初学量化交易环境，需要进行以下几个步骤：

1. 数据获取

量化交易的第一步是获取较为全面和准确的数据，在大数据中，可以通过各种方式获取数据，如Web爬虫、API接口、数据供应商等。数据的获取包括股票、期货、外汇等市场的历史数据、实时行情数据、财务数据等。

2. 数据处理与清洗

获取到的数据一般需要进行清洗与处理，以去除不需要的数据、填充缺失值、处理异常值等。数据处理的过程可以使用大数据技术栈中的工具和框架实现，如Hadoop、Spark等。此外，还可以使用Python和R等编程语言进行数据处理和清洗。

3. 数据分析与建模

在清洗和处理好的数据上，可以进行各种技术分析和建模工作。常见的技术分析方法包括趋势分析、波动性分析、均线系统等，可以使用Python的pandas、numpy库进行实现。在建模过程中，可以使用机器学习和深度学习方法，如回归模型、决策树、SVM、神经网络等。

问题解决

在搭建初学量化交易环境的过程中，可能会遇到以下一些问题，需要进行解决：

1. 数据获取问题

在获取数据的过程中，可能会遇到数据源不稳定、接口限制、数据质量较差等问题。如何找到可靠的数据源、建立与数据供应商的良好合作关系、制定数据处理和清晰的规则等，可以帮助解决这些问题。

2. 数据处理问题

在数据处理和清洗过程中，可能会遇到数据缺失、异常值、数据格式转换等问题。如何选择合适的处理方法、建立统一的数据清洗规则、制定合理的数据格式标准等，可以帮助解决这些问题。

3. 算法模型问题

在进行数据分析和建模时，可能会遇到算法选择、参数优化、模型评估等问题。如何选择适用于量化交易的算法模型、进行参数优化、建立有效的模型评估指标等，可以帮助解决这些问题。

总结

搭建初学量化交易环境需要进行数据获取、数据处理与清洗、数据分析与建模等步骤。在这个过程中，可能会遇到数据获取问题、数据处理问题和算法模型问题。解决这些问题可以通过寻找可靠的数据源、制定规范的数据处理流程、选择合适的算法模型和优化参数等帮助实现。

此外，随着大数据和人工智能技术的不断发展，量化交易领域也会面临更多的挑战和机遇。对于初学者而言，需要不断学习和掌握新的知识和技能，拓宽视野，与时俱进，以应对不断变化的市场需求。