设定时间交易_仿真 交易策略概述 这是一个基于分钟级K线判断的期货交易策略，主要特点包括： 交易标的:白银期货AG2604.SHF 交易周期:1分钟K线 开仓逻辑:根据前一分钟K线的涨跌方向决定开仓方向 平仓逻辑:持仓满5分钟后自动平仓 交易方向:阳线开多，阴线开空 策略代码 python fromdatetimeimportdatetime importpanda_quant frompanda_backtest.api.future_apiimportfuture_api_quota...

工作流示例 为方便大家使用，我们提供了以下模版，供大家学习参考，新建一个工作流，直接拖对应的json到窗口中即可（json可找小助理领取），可以自己尝试修改参数和模型。 --- 直接收益率预测排序 🌟核心思路 利用XGBoost模型直接预测股票未来的收益率，并根据预测值进行排序和分组。 📌实施流程 1.输入因子矩阵 2.使用XGBoost模型进行回归训练，输出预测值：  3.对预测收益率进行排序...

摘要 本研究报告基于聚宽量化平台，构建并验证了两种不同的多因子选股策略。通过对A股市场2015年1月1日至2025年1月1日的实证研究，我们发现策略一(ARBR技术指标策略)表现显著优于策略二(多因子打分策略)。策略一实现了2345.02%的策略收益，年化收益率高达38.92%,夏普比率为0.456,最大回撤为31.70%,展现了卓越的风险调整后收益。策略二则获得30.79%的策略收益，年化收益率为2.80%。研究证实了技术指标与基本面因子结合的有效性，为量化投资实践提供了重要参考。 一、引言 ...

一 从一个想法到构建策略，再到策略回测和仿真实盘，在接触PandaAI之前没有想到会这么快落地并验证。之前要花费半天甚至一天的时间，现在只需要十分钟左右就可以把一个想法变成策略并验证结果。 在进行了为期4周的学习和练习之后，对平台更为熟悉了。本周做了多品种交易，主要是趋势/均值切换策略和固定持仓时间交易策略。模拟的效果也不错，可是还是觉得能有个客户端方便，因为网页属实有点卡，![b6c340c2d6704f03b...

一一级标题 1.1二级标题 借助AI交互理清了两个策略的底层逻辑，很有收获 xxxx; xxxx; 1.2二级标题 1.xxxx; 2.xxxx;

没有交易的策略实操心理没味 1.1之前一直没有交易数据，越操作越没劲；今天平台解决这一问题，终于能实盘交易了，哪怕是负年化率也比不交易好！ 通过AI智能修复和AI分析策略，加上提示词调整，能让策略从年化率0.00%提高到86.66%，这真是伟大的功能; 策略目前是负数，跑几天看看最后情况，看能否和策略回测结果一致; ![图片_20260109152901_358...

振奋人心的好消息 1.1终于实现通过AI智能体修改策略代码，提高策略年化收益率； 工作流正常运行后；通过分析结果再通过AI智能体修改策略代码提高年化收益率；这功能太香了！！！  1.2策略实盘交易有结果了：实盘交易终于出现了策略回测中的买卖动作，这就说明平台能真正实现量化精神，实现策略交易，不受人的情绪干扰; 1.设定时间交易策略  2.期货多品种交易策略;  至此平台从数据-策略设计-回测结...

一期货模拟实盘仿真验证 1.1在原策略上增加多品种交易支持  1.2优化策略的止盈止损条件，在持仓5分钟的逻辑下，增加止盈止损风控  仿真实盘跑起来的效果图 

 

回测策略仿真检验  

回测策略实战检验 1.1MACD 这段代码实现的是一个基于MACD指标的螺纹钢期货（RB2605.SHF）趋势跟随策略，核心逻辑如下： 初始化阶段（initialize）： 设置期货账号context.account='5588'。 关注合约为RB2605.SHF，保存到context.future_contract。 定义MACD参数：短周期12、长周期26、信号线周期9。 初始化一个空列表context.historical_prices用来保存历史收盘价。 每根Bar运行逻辑（handle_data）： 1）数据获取与预处理 从当前bar中取出该合约的收盘价close_price=ba...

第三周回测策略实在是太方便了，简单几部就可以完成以前代码可能要写数周的一个工作量 1.1添加回测节点  1.2查看回测结果 1. 1.3仿真实盘验证 

第三周仿真实盘测试内容：使用了工作流节点的多个作用，工作流中开始回测 1.1(1)添加回测节点：  1.2回测结果：  1.3进行仿真实盘账号验证： 

摘要 本报告对基于动量效应但实现路径迥异的两套ETF轮动策略： 策略一(双均线动量轮动模型)与策略二(RSRS多因子评分模型)进行了长达十年(2015年1月1日至2025年1月1日)的全面实证分析，结合回测数据研究结果显示： 策略二以惊人的993.04%的总收益率、27.88%的年化收益率及-17.13%的最大回撤，在收益与风险控制上均实现了对策略一(总收益93.39%,年化7.02%,最大回撤-34.21%)的全面超越。从净值曲线形态看，策略二呈现出近乎完美的45度稳健上升趋势，而策略一的...

回测体验非常好，是一款非常适合小白上手入门的软件

第三周的【回测策略实战检验】任务完成了。按照官方视频流程跑了回测和仿真实盘，收获挺多，做个简单的分享。 这次没有用单一策略，而是跑了一个策略组合，主要包括套利和一个分钟级别的MACD趋势策略。从PandaAI的实盘界面（图1）可以看到，几个策略都在平稳运行中。我个人比较喜欢这种组合，套利策略负责赚取市场的“慢钱”，稳扎稳打；趋势策略则用来捕捉大的波动机会，两者能形成一定的互补。   ...

Learnthenewpolicy 1.1Multi-periodtradingpolicy 该代码实现了一个期货交易策略的基本框架，包括初始化、盘前、交易、盘后四个部分。策略使用分钟数据来判断是否开仓或平仓。交易逻辑基于移动平均线：在没有持仓时，如果当前价格高于两条均线，则开仓买入；在有持仓情况下，如果盈利或亏损达到一定点数，则进行平仓。 1.初始化部分(initialize)：初始化操作，如设定一些初始日志 2.盘前准备(before_trading)：盘前准备操作，可用于检查策略初始化状态。 3.交易时段(handle_data)：根据当前分钟选择合约并从API获取分钟行情数据，计算均...

多策略使用起来还是比较方便，可以同时测试、对比、筛选，配合AI使用，很容易实现自己的策略 

总共做了3个策略，跑得稳稳的，系统运行稳定性及策略都挺好

一多策略生成AI修改及回测 1.1多策略仿真实盘交易 多策略生成多工作流; 多帐户实盘仿真交易多策略; 1.2多策略回测报告及实盘交易报告 1.生成多个策略并分别形成工作流,注意操作时一定要将策略代码中的持仓帐号改成与实盘帐号一致； 2.AI修改回测代码：AI智能共有三种模式，用于回测代码修改需要选择回测代码修改助手，修改模型目前有两个; 以下是多个工作流的截图： 多策略回策避免其它平台只能单测量回测的和单策略实盘交易的短板，能让用户运行多个策略，增取获利和减负时间，利益最大化； 以下截图是多策略回测的情况： 经过回测实盘交易能清楚看到交易的过程，盈亏数据一目发然。 这是策略...