個人是可以進行量化投資的。

量化投資是目前比較火熱的投資方式，需要對資料進行量化分析，應該來說是更具有理性方式的投資方式，也是比較基於資料分析的投資方式，不同於碰運氣炒股投資方式，更側重於資料化的分析。

一般來說還需要一個量化模型，我本人也期望學習量化投資，但是僅僅學會說的那些知識還不夠，還缺一個指導，引入們之後再最佳化學習，會更加牢固，影片講解或有實際操作練習會更好。

題主能夠掌握這些知識已經非常難得，但是要做量化投資，仍然還有一些功課需要做。

首先，是主觀交易邏輯的梳理，這是根本大事。也就是你自己的“交易之道”。這個部分是最重要的，交易的邏輯決定了“去哪裡尋找利潤”這樣的核心問題，這個問題其實與量化並沒有什麼特別大的關係，而是與經濟、金融、商品價格規律等理論有關。因此，題主如果想要投資某樣資產標的，首先要了解其價格執行的內部邏輯，梳理交易的思路，尋找到利潤所在。比如你看到了潛在的趨勢，可以考慮動量策略；你看到了價格的錯配，可以考慮對沖策略；你看到了行業的領先滯後，可以做lag。

其次，找到自己的邏輯之後，就進入了題主擅長的領域，就是分析資料。就是做到儘量客觀，通過歷史資料的分析，尋找資料中的規律，從而制定自己的交易策略。

然後，題主還需要學習一些it方面的知識，量化成功的必須條件就是“唯快不破”，因此伺服器託管到機房是有必要的。python用來資料分析還是不錯的，但是用來實現交易，執行效率就不夠了。不同的交易所可能有不同的api，題主可以根據各種特點來開發基於之前對沖策略的交易框架。

最後，是交易的監控部分，如果發現虧錢了，可能是程式的編寫有bug，也可能是交易的邏輯出了問題，也有可能只是暫時的回撤，需要謹慎的判斷與修正。

事實上，利用許多第三方平臺，可以很方便的幫題主完成it和交易監控，雖然效能和伺服器託管不能比較，但是中低頻的交易已經足夠使用，一些軟體甚至還非常好用。因此我建議題主在直接著手拿著資料分析之前，先拋開資料，梳理一下標的物的內在執行邏輯，這樣基本上可以做到鏈路全通，藉助計算機的效率，個人也可以做到一個研發交易團隊所做的事情。

這個當然要結合個體情況，一定要說可行不可行，我的答案是可行的。我最開始入行的時候看了很多技術分析的書，什麼《波浪理論》之類的。技術分析流派相信，價格反映一切，價格以趨勢的方式來演變，歷史出現的趨勢會重演。說的糙一點，就是，看曲線找規律，看著波段下單能賺錢，當時覺得，這個不就是幾何嗎？很多有天分的人靠學習K線圖，做價格幾何曲線題就可以賺到錢，用量化模型把價格曲線當成解析幾何來做為啥就覺得這個是不現實的呢？做量化模型跟管理基金不一樣，管理自己的小資金可以更加靈活，設好止損線，倉位輕一點，出入場方便，滑點也小，見好就收就是了。這個不是低估了量化難度或者高估了大家的水平。量化賺的是看得懂的錢，也是辛苦勞動換來的錢。持續盈利是需要持續看懂市場的，這就就需要持續學習。抱著投機取巧的心態，做啥都做不好，尤其是量化。業務做量化也看主業是啥，主業是做計算機的、做資料探勘的，也是一種專業技能的提升鍛鍊，未必耽誤正事。何況量化有個好處，不需要實時盯盤，不會干擾正常的工作狀態。如果做出一個策略，相當於在一段時間內就有了很好的被動收入。當然，對量化感興趣，願意持續學習是前提，只想賺錢方法太多了，買個量化基金也不是不可以。