个人还是能做量化的。虽然能做的面比较窄，但是相比于瞎买股票，从数据中挖掘高胜率盈亏比的交易信号来进行交易还是更加靠谱。毕竟自己理工科出身,还是更相信数据。

个人常用的一些量化Python工具包括Alphalens、 Backtrader、Pyfolio等。 数据方面，目前也有很多开源数据和券商提供的数据。量化论坛也很多，也是很好的学习平台。

[常用工具]

1.Alphalens: 因子分析工具，可以进行分层统计、收益分析、信息分析和换手分析。因子挖掘和检验用它基本就够了。

2.Backtrader: 策略回测。曾对比过Backtrader和聚宽的回测结果，虽然回测统计指标结果有一-定的出入，但是差别没有大到离谱的程度。还不错，挺多人用的。

3 Pyfolio:收益分析。配合Backtrader-起使用,可以对投资组合回测结果进行分析，计算出一些常用的统计指标并可视化。

4数据:常用的一些免费低价数据源有tushare、 akshare、baostock 等。如果开了券商的量化接口，也可以通过券商接口来下载行情和一些基本的财务数据

5 量化接口:常用的如miniQMT、QMT、Ptrade。目前有些券商对个人客户开量化接口的门]槛降低了很多，不需要入金太多也可以开接口。低频策略的话，不用量化交易接口、手搓交易也可以，就是有点麻烦。

6量化论坛:聚宽、掘金量化等等。聚宽上有很多大佬分享自己的日常研究和策略成果，平时看看他们的帖子，找找灵感也是很不错的。站在巨人的肩膀.上搞事情还是快很多。

[最大的问题]

1.个人做量化最大的壁垒应该是数据:多样化的数据和高质量的数据。开源数据的质量没法保证，从券商获得的数据种类有限，买数据对个人宽客而言成本较高。比如聚宽的数据源一-年好像要69999元....

2.算力。如果不涉及到机器学习应该还好，一旦要用机器学习就对算力要求挺高的。虽然算力也可以买，如云服务器等，但是也是挺贵的。

[策略]

据我所了解，个人做量化主要侧重在小市值股票，赚流动性溢价的钱，近几年收益也不错。小市值策略能承载的资金有限，机构也看不上，更适合个人宽客做做。