个人做量化交易靠谱吗?
量化需要条件大家都说了就不再多说，我这里只谈一个，那就是你策略部署所需要的数据来源，持续性以及新策略开发如何解决。
如果是选股，那么你就要通过购买或者接入其他收费端口来获取数据满足策略要求，比如多因子策略的部署对于财务数据等要求，这里我们来看看东财的需要几千一年，wind需要几万十几万一年不等，作为个人来讲是很不划算的，另外接入数据还需要钱，除非你能够确信你的策略有效。
平台可以提供，但是要注意当前国内量化的市场并不理想，有一些平台会转型，所以能否未来提供数据也是一个未知数。
最近被量化交易坑惨了的散户多吗?
从成本和前期准备来讲，国内的选股策略对个人在量化交易的部署中有很高的要求。
当前满足个人投资者进行量化的只有择时，有免费接口可以提供。
但是这种择时策略也只能建立在股票身上，对冲，资产管理这些还需要其他数据接口，也就是说解决不了数据来源，当前更多还是只能追求bate策略，alpha策略的实现比较难，毕竟我们的股票禁止大规模做空，融券标的的范围和数量有限。昨天我看一本量化书中的配对策略，设置运行确定40%的回测结果，但是由于不现实，不能实现也只能看看了事。
当然本质上来讲，要有好的策略必须有扎实的数学功底，尽管Python环境下的量化门槛已经很低了，但是市面上的公开策略是没有意义的，只能当做入门和练手，也不要妄图依靠这些公开策略盈利，这些都是烂大街，被大多数人验证来验证去的，能盈利的策略当然是保密和半公开，甚至是错误的。
因此我不赞同对于数学的无视和忽略，你顶多能进门，但是深入有所创新和发现必须有数学基础，而为了确保数据质量，在流程上可以大大简化代码部署的工程量和环节，提高运算速度和训练质量。
当前量化还是以国外为优势，所以英语的学习能够让我们及时接触量化前沿的变化和方向，这是一个等的过程，也需要门槛。
综合来看，对于个人而言，首要是有数学基础，便于在练手后开拓新算法和新策略，数据质量的保证有便于训练的速度提升，英语或者券商的金融工程研报会给你提供新的思路和方向，缺一不可。
原创文章，作者：菜鸡，如若转载，请注明出处：https://www.20on.com/226956.html
