小散是不是玩不起量化交易？不考虑技术的话，资金门槛要多少？

我看到一些券商的从业人员来回答，存在一些误导

回答这个问题需要说明 “量化交易”指的是什么

我们先来看看新闻：

恒温恒湿的机房、给期货公司托管的服务器和证券公司放置的自研交易系统等等数千万甚至上亿的投研支出

华南一家量化私募投研人士对记者透露，“所以如果想在开发策略上精进，就必须投入更多。目前我们公司每年在算力的硬件上投入就已经过亿，确实投入比较大，但也是不得不承担的成本了。”

与此同时，指数增强策略整体超额收益率正在逐步衰退。

在2019年至2023年，私募排排网的数据显示

中证500指增策略私募产品的平均超额收益率依次为19.19%、15.52%、8.55%、9.93%和2.86%；

沪深300指增策略的平均超额收益率依次为0.39%、12.24%、12.99%、6.35%和3.87%。

中证1000指增策略平均超额收益依次 为 17.90%、13.74%、16.36%和2.99%。

“不考虑技术的话”

另一位量化私募创始人坦言，做数据采集和数据清洗时成本非常高，经常出现的状况是花了钱买了数据、研究了因子，结果发现放到回测体系里，年化超额提升只有千分之二。然而就算仅仅是千分之二，现在依然有机构愿意付费。”

对于投研环节，想获取高质量数据需要有一定统计和数学基础的研究员。基本面因子研究方面，要么有研究经验，要么有比较强的财务背景，研究门槛和获取门槛更高。整体来讲，这两类相对有经验的人才除了“挖角”，就只能通过海外渠道才能找到合适的人。

又比如另类数据层面，之前为一个人包揽所有数据，链条短且效率高的小组模式，而现在的中心化模式，从数据端开始，到因子端、因子组合端、组合优化等各链条团队作战保证精耕细作，甚至有量化机构自己写风格因子及通过方法论的创新重新定义市场风险。

现在我们来说“小散”如何做量化交易。

量化私募开始用深度学习AI大模型，每年投入几千万挖人买数据，被淘汰的软件就被免费下放到了个人投资者“小散”。

这些量化软件之前都要收每年几千块的会员费，去年开始有券商统一支付费用后，免费给客户使用

这也是技术进步带来的红利，那么我们“小散”如何薅羊毛呢

我通过9个月时间的学习和跟不同朋友客户的交流，总结出几点最容易薅羊毛的方法。

如果有任何疑问或者碰到困难不好解决，可以找下面图片

两融100个 4.2%永久，300个4.0%