个人当然可以做量化，毕竟一般个人都是要上班或者有其它的工作，全职做交易有些不切实际。我是比较推荐白天好好工作，晚上回家学习研究量化和策略研究，这样有好的模型放到云服务器上运行就可以了。
但是交易都有风险，既然来做交易，就要用亏损的心理准备，量化策略适用于历史行情，未来不一定持续有效。最好是在有一定交易造诣的基础上，用程序化软件做一些辅助工作。比如盘前做好计划，盘中让软件去执行，这样也不耽误正常的工作。
对于有充足时间做全职交易的，也能研究一下量化交易。
量化软件很多，无限易、文华7/8、快期。天勤量化、真格量化比比皆是。按个人喜好选择。
隐含波动率(Implied Volatility)是将市场上的期权或权证交易价格代入权证理论价格模型Black-Scholes模型，反推出来的波动率数值。
由于期权定价模型(如BS模型)给出了期权价格与五个基本参数(标的股价、执行价格、利率、到期时间、波动率)之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入定价公式，就可以从中解出惟一的未知量，其大小就是隐含波动率。
我们知道，对于标准的欧式权证的理论价格，可以通过B-S公式计算。在B-S公式中，共有权证价格C或P、正股价格S、行权价格X、剩余期限（T-t）、无风险收益率r和波动率σ六个参数。具体公式如下：
在这6个参数中，我们如果知道其中5个参数的值，就可以通过B-S公式求解出第6个参数的值，尽管有的参数得不到明确的解析表达式，但是可以通过数值算法求解。
也就是说，对于特定的权证，根据现有市场的权证价格C或P、正股价格S、行权价格X、剩余期限（T-t）、无风险收益率r五个参数，可以倒推出隐含在现有条件下的波动率，也即我们经常所说的隐含波动率或引申波幅。
为100%-200%，用（100%+200%）/2=150%的波动率计算权证理论价值（3.698元），发现大于市场价格，再一次将隐含波动率区间改为100%-150%，重复上述操作直至隐含波动率区间小到可以认可的程度。虽然这种方法人为计算比较麻烦，但通过计算机程序（如VB，SAS等）能够很快而又精确地算出结果
么以下我就以程序语言的角度来回答
当然如果已经会了某些语言,那你可以使用熟悉的语言去找网上的学习资源会比较快
如果没有特别熟悉的语言,或者是愿意多学一种非常好用的语言
我的建议是学习Python
我从以下几点来分别说明
平台资源
国内外使用Python做云端回测以及运算的免费平台相当的多,例如有 宽客在线，发明者量化，优矿, 等等不胜枚举,可以使用平台的支持以及社区的互相帮助来学习
容易学习
在编程领域里面有些名言例如: Python是可执行的伪代码; 人生苦短,我用python.都是在说明python的容易上手程度
机器学习
Google的开源深度学习框架 TensorFlow
在现有的资料课学领域里面支援Python的库跟资源也是最丰富的,等于可以让机器学习的几万行代码轻松在你的交易策略里面调用
国内资源
VNPY:可以提供下单,套利,跨平台套利,跨市场套利等等
有Tushare可以轻松的下载数据资料
综合以上所说,"目前的环境底下" 我推荐Python. （推荐直接下载 Anaconda的集成开发环境）
本文转载自互联网，如有侵权，联系删除
