投资市场是一个开放的市场，任何机构和个人都可以参与其中。这其中不乏集聚精英的大型交易公司、神秘莫测的私募基金，以及你——独立交易员。与这些机构竞争肯定不轻松，他们管理着数十亿美金的资产，有顶尖的数学家建立交易模型，专业的程序员构建全自动交易系统，高级的计算机硬件提供更低网络延迟、更快的运行速度，还有经验丰富的金融人员提供市场分析。而独立交易员往往只有简陋的计算设备，从交易模型到系统实现全凭自己。独立交易员到底能否盈利？能否在市场中存活下来？
答案是肯定的。据我所知，有很多独立交易员不但在大型基金遭受巨额亏损的时候存活下来，而且盈利颇丰。他们的策略灵活而稳定，在激烈变化的市场中保持着长期盈利。
关键在于“容量”（容量是一个交易策略能产生较好利润率的净值规模）。相比于1亿美元的账户，10万美元的账户获得较高夏普比率要容易得多。许多简单且可盈利的策略对小容量有效，但对于大型对冲基金，这些策略可能都不适用。一个例子，许多盈利的小容量策略其实就是在扮演做市商角色，在市场需要短期流动性的时候提供流动性，在流动性需求消失时获利走人。但如果管理着几十亿美元，你变成了需要流动性的一方，就不得不为获取流动性而支付一定的成本。
大容量策略还有其他劣势。各个大型基金间的激烈竞争意味着策略几无盈利。为了在竞争中获胜，交易员们必须开发更加复杂的模型。复杂的模型又容易导致数据拟合，从而使回测结果与实际交易情况相距甚远。
抛却策略上的劣势，当一个人用别人的资金进行交易时，好的结果几乎是无限制的，而最坏的结果也就是被炒鱿鱼而已。这导致在遵守机构严格的常规风险管理约束之外，只要能够避开风险管理者的监督，交易员就基本上都会趋向于采用高风险的策略。高风险的策略往往会像流星划过夜空一般，闪耀一瞬间夺目的光芒，随后又陷于沉寂——因为亏损已经使这种策略难以为继。
大型量化机构的另一个劣势是机构管理层施加的各种各样的约束。有的监督量化基金的高管可能并不精通量化技术，他们往往不是根据量化理论做出决策。当策略表现出盈利迹象时，管理层就会施加强大压力，要求交易员迅速扩大投资规模。一旦策略开始亏损，他们又可能要求你立刻清仓，弃用这一策略。所有学过最优化理论的学生都知道，任何施加在最优化问题上的约束条件都会降低最优值。独立交易员可以避免这些限制和干预。只要你性格坚定，能够坚持量化交易的基本原则，你的交易环境比大型机构更加接近最优。
即使比机构交易员更有优势，独立交易员的利润也不是天上掉下的馅饼。在交易市场，只有少数人能够保持长期盈利是永恒不变的旋律。正如经历九九八十一难取回真经的唐僧师徒一般，交易员也需要经过重重考验才能寻找到自己的“圣杯”。让我们一起来看看交易员长征路上的阻碍。
基本知识储备
值得庆幸的是，这一关并不难。独立交易员只需要掌握统计学，概率学等大学数学知识，以及基本的经济学知识就可以开始策略研究。最好具备计算机编程能力。当今，程序交易取代手工交易已经成为共识。程序交易至少在三个方面比手工交易有优势：
- 如果你读过交易界的经典著作《交易心理分析》就会知道人类心理对交易会施加多少负面影响。程序交易没有这些影响。
- 程序交易可以极大的取代手工劳动，可以让交易员有更多时间研发新的交易策略，或者，在交易时段娱乐。
- 程序交易可以用历史数据进行回测，使交易员对策略更有信心。
如果你从未学过计算机编程知识，从现在开始掌握也不难。python简单易学，功能强大，是你开始程序交易时极好的入门语言。
寻找策略
如果你能独立开发策略——那再好不过，不过这一点往往很难，特别对量化交易的新手来说。不过没关系，互联网上有很多资源可以利用。真的有人愿意在网络上分享他们开发的策略。但这些策略都不是拿来就能用的，你需要自己改造、优化，并进行严格的回测。你也可以在网络上分享你自己的策略，你往往能从读者的回复中获得新的灵感。你可以经常去以下网站看看（部分需要科学上网）：
- http://systematicinvestor.github.io
- https://quantumfinancier.wordpress.com
- https://quantlife.wordpress.com
- https://etrading.wordpress.com
- http://tradingwithpython.blogspot.com
- http://epchan.blogspot.com
- http://www.turingfinance.com
- http://www.forexfactory.com
回测
你无法相信一个策略是否能够盈利，除非经过严格的历史数据回测。回测似乎很简单，无非将历史交易数据应用到策略中，查看策略的表现。但这一过程有很多必须注意的地方。
- 历史交易数据。你需要确定历史交易数据是否可靠。一般来说获得一份可靠的低频外汇历史交易数据是比较容易的。有很多平台提供外汇历史数据的下载。但想要获得一份经过分拆及股息调整、无存活偏差的股票市场数据就比较难了，这种数据往往比较昂贵。只要你认识到历史数据的缺陷，在回测时合理避开，也是可以使用的。
- 策略与基准相比如何？收益持续性如何？如果你的策略利润率和持续性还不如购买一份基金，那你不如把资金投入到基金上。
- 挫跌多深？多久？最大挫跌是净值曲线最大值与之后的最小值之差。最长挫跌期是指净值重返亏损前的水平所花费的最长时间。挫跌期是每个交易员都会面对的黑暗时期。你能忍受连续亏损1万美金吗？你能忍受连续亏损3个月吗？在交易之前，你需要对自己的心理承受能力有一个很好的估计，然后抛弃或者修改那些突破你的承受能力的策略。
- 交易成本如何影响策略？通常来说，交易成本包括：经纪商收取的佣金、买卖差价、滑点。回测结果并不包含交易成本。你需要自己将其考虑在内。
- 数据拟合。为了使策略在历史回测中表现的更好，你可能对策略做各种修改，添加新的规则等等。最后，策略在历史回测中表现很棒，但实际使用中却亏损连连。这说明你可能陷入了数据拟合陷阱。通常的原因是过度优化，即你的策略完美地契合了该段历史数据，但在未来的市场，该段历史数据已无法重现。避免数据拟合的最好方法是设计简单、明确的策略规则。关于这一点，阅读《海龟交易法则》会有很好的体会。复杂的模型、大量的参数是导致数据拟合的元凶。
好的回测平台有很多，推荐三个基于python的回测平台：
- pybacktest https://github.com/ematvey/pybacktest
- pyAlgoTrade http://gbeced.github.io/pyalgotrade/
- Zipline http://www.zipline.io
资金管理
如果说回测使得你对交易策略的盈利概率、利润率、夏普指数等指标拥有概率上的坚实认识。资金管理就是在这些概率的基础上，合理的进行资本配置，使你的总盈利达到最优，同时避免重仓导致的巨额亏损。资金管理的重要性怎么说都不为过，但却被很多书籍、交易员所忽视。《交易圣经 系统交易盈利要诀》中提供了八种资金管理模型，值得一看。不过中文版翻译较差，连公式翻译都有错误，如果你有英文阅读基础，建议直接看原版。
圣杯的寻找并不是一帆风顺的过程，很多时候，你会重复经历考验2、3、4，甚至发现知识储备不足而回到考验1…… 但对一个想要实现财务自由的你——无论是获取正式工作之外的收入，还是完全职业的交易生活——一切的努力都是值得的。
