一、专家模式初体验 平台除了给大家提供基础的工作流，对于有一定的编程能力的小伙伴，平台也提供了专家模式，可自定义节点，调用其他API，及平台提供的相应的API，来实现自己的交易研究逻辑 1.打开专家模式 2.展开文件列表 3.打开关注的节点查看相应的逻辑  二、来分别看下这三个节点的大体内容 2.1Python代码输入节点 2.1.1主要部分 包引用 输入输出BaseModel 主干BaseWorkNode main代码运行入口  ...

专家模式使用 1.1进入官网，点击AI工作流，在已创建的工作流中点击查看，在左侧伸缩边框里点击专家模式 Python代码输入包含公式或Python代码形式，通过与AI交互生成代码结构并转化为函数形式。  1.2节点运行逻辑 节点框将逻辑设置为节点框形式并输出细节，代码输入经处理后传给票回测，回测收集运行节点框内容，获取交易逻辑信息，连接回测环境、数据库，最终输出策略回测结果。 1.3节点创建 1.点击节点框下...

PandaAIQuantFlowWEEK4实验记录 最近在PandaAIQuantFlow上进行了一次WEEK4的策略实验任务，这次主要尝试了两个方向： 使用专家模式（ExpertMode）编写和调试策略代码 构建一个动量轮动股票策略回测框架 同时也尝试在工作流中加入新的节点，例如多因子组合节点，对策略结构进行扩展。 这里简单记录一下整个过程和一些使用体验。 一、策略框架设计 本次测试的策略属于动量轮动策略（MomentumRotationStrategy）。 核心思想非常简单： 在股票池中筛选出动量最强的一小部分股票，进行短周期轮动持仓。 策略规则如下： 股票池筛选 ...

PandaAIQuantFlowWEEK4实验记录 最近在PandaAIQuantFlow上进行了一次WEEK4的策略实验任务，这次主要尝试了两个方向： 使用专家模式（ExpertMode）编写和调试策略代码 构建一个动量轮动股票策略回测框架 同时也尝试在工作流中加入新的节点，例如多因子组合节点，对策略结构进行扩展。 这里简单记录一下整个过程和一些使用体验。 一、策略框架设计 本次测试的策略属于动量轮动策略（MomentumRotationStrategy）。 核心思想非常简单： 在股票池中筛选出动量最强的一小部分股票，进行短周期轮动持仓。 策略规则如下： 股票池筛选 ...

细读研报（因子切割论） 因子切割论核心框架的三要素为对象、工具、产出，三者构成因子切割与优化的完整逻辑链，且每个要素有明确的定义、要求和应用特征，具体如下： 1.对象：具有可加性的目标变量 这是因子切割的基础，要求被切割的指标具备时间轴上的可加性——对“整体”指标在时间维度分割后，得到的各“部分”变量含义保持不变，且可重新组合加总。 有效对象：涨跌幅、换手率、成交量、日均振幅等常见量价指标（如理想反转因子以“涨跌幅”为切割对象）； 无效对象：流通市值、市盈率等不具备时间可加性的指标。 2.工具：有区分能力的切割指标 这是因子切割论的核心，如同切割的“大斧”，要求该指标能有效区分市...

在前面的使用过程中，我们已经能够借助AI助手较稳定地完成因子构造，并且成功把策略接入模拟交易环境，验证整体流程可以正常跑通。也正因为前面的基础已经打好，这次我开始进一步尝试平台中的“专家模式”，看看它在策略开发和工作流编辑方面到底能做到什么程度。 一、先从已有工作流切入 这次我没有从零开始新建流程，而是直接打开了之前已经生成好的一个期货回测工作流，然后切换进入专家模式。 进入之后，最明显的感受是信息量一下子变得更完整了。原来在普通界面里只能看到一个相对简化的流程框架，而在专家模式下，可以直接看到整个运行逻辑背后的代码结构、参数设置以及执行关系。像回测区间、基准设置这类关键内容，都能在这里...

 一云服务器稳定性与专家模式深度改进思考 本周在使用PandaAI平台进行量化策略开发时，我主要聚焦于两个核心体验：一是云服务器部署环境下的回测稳定性，二是对“...

专家模式的使用 1.1专家模式下可以修改输入节点的实现代码。如图操作了增加节点。进行节点的自定义。 xxxx; 节点设计，运行完成，可以拖拽到开发界面使用。;  1.2节点设计，运行完成，可以拖拽到开发界面使用。 1.![5e6f4f2d9...

一专家模式初识 1.1终于接触到传说中的专家模式了 知道专家模式，其实，本不执着于自己写节点，DIY做节点，对我更多的帮助，是理解每个节点在干什么，给一个个黑箱点亮一盏灯！  所以，选择直接空开一个工作流，把想了解的节点直接拖拽到画布上  怎么说呢，大模型是好用，还能帮我解析代码    修改意见，下周有空一定试一下 ![image.png](4...

专家模式对高手来说非常实用，能够满足高手修改任意节点代码，可以完善自己的交易体系

一内测第4周功能的使用 本周先初步尝试使用了专家模式，但由于本人缺乏代码基础，对我这个小白来说，可能还是要借助其他AI来完成，然后又重新尝试加入新的节点以及后续的期货回测，进一步完善了前几周的任务   

一什么是专家模式--以一个股票策略回测为例 1.1默认的工作流模式 我们开启了一个新的工作流，并让AI按照我们的策略想法“A股主板打板策略回测”生成了一整套策略回测的工作流，如下图所示;  在代码输入节点，主要是策略逻辑实现。点开可以让AI把逻辑讲清楚，不认可的地方可以让他修改，也可以自己手动修改关键参数和逻辑;  股票回测节点，主要是一些资金、时间区间、交易频率等基础参数的设置； 策略回测结果中，可以查看策略的回测表现、历史持仓，以...

一专家模式 1.1进入专家模式 选了个示例模版进入; 一打开侧边栏就看到了专家模式，还是比较好的，一进入就看到; -刚开始进入就显示notebook服务器繁忙，后面一直按重新进入，两分钟后才能进入 添加节点也挺方便的，修改程度也方便 1.2使用总结 1.对于专家模需要一定代码能力才能修改，其实对于初学者也可以，例如修改部分参数，这里可以增加一些代码含义解释，用ai助手去解释，不用跳出到另外一个界面，同...

一专家模式的使用 1.1专家模式 AI工作流里面选了官方提供的双均线趋势策略  专家模式的位置还是在一个比较醒目的位置 里面有各个节点修改的位置，这些需要一定代码能力的; 还能自由添加节点修改; -官方提供了专业方面的教程 1.2总结 1.总的来说，还是挺不错的，可以提供给交易者有自由修改空间; 2.这个如果提供框架，然后本地部署，这样会更好;

一、本周核心：专家模式——从策略使用者到策略架构师的蜕变 （一）背景：当标准化AI工作流遇上复杂需求 经过前八周的体验，我已熟练运用AI助手快速生成标准化的期货回测与仿真交易工作流。然而，当我试图构建更复杂的多策略组合、集成自定义机器学习模型、或实现特殊的非线性因子合成时，标准AI助手开始显现出一定的局限性。本周，平台推出的专家模式，如同为我打开了一扇通往量化策略底层架构的大门，让我从“策略的使用者”向“策略工厂的架构师”迈出了关键一步。 本次体验，我将上周验证有效的三因子趋势策略，在专...

前面我们所学习到的都是通过AI助手自动构建的工作流，对于我们来说像一个黑盒，不了解其中的运行逻辑和原理，只知道输入和输出，这周学习的专家模式可以让我们直观的看到黑盒里面的具体逻辑，而且可以根据自己的需求不断优化，让整个流程变得可控。接下来介绍专家模式的使用。 1、如何进入专家模式，在打开一个已有的工作流，切换到“专家模式”选项卡，可以看到所有节点的树状图，单击每个节点可以跳转到对应的代码块。如下图：  2、专家模式中编辑代码块新建 在专家模式中，点击编辑框下方的“p...

专家模式体验：精细化的投研框架构建 框架外的自由，之前增加了AI助手功能，可以有效的进行股票回测及分析框架建立，这次增加了专家模式，在框架的基础上增加自由度  这是原来的AI自动生成的框架  这是在框架下可以进行的专家模式操作，可以修改其中的各种代码，可以修改各个装甲的相关链接方式，更清晰的设计框架结构  在专家模式下，每个节点所对应的详细代码形式都能展现出来，进行修改。 ![image.png]...

为什么专家模式方便理解原理 逻辑可见：用Python/自定义代码写因子时，每一步计算（收益率、波动率、排名、条件判断等）都显式写出，阅读时能直接对应到「在算什么、为什么这样算」。 与公式一一对应：公式模式里的一行表达式，在专家模式里可以拆成多行中间变量（如`returns`、`volatility`、`momentum`），等价关系清晰，便于理解和调试。 便于迭代：改某一环节（例如窗口从20改成10）只需改对应变量或参数，不影响其他部分，心智负担小。 因此，先用专家模式把单因子/单步逻辑搞清...

使用过程

一、项目目标：从“能跑”到“敢上实盘” 很多时候策略逻辑本身不复杂，真正难的是让它在真实环境里稳定跑起来。这次的目标是： 用一个简单的RB分钟级策略做载体； 把从日志设计、数据调用、持仓读取、风险控制到自动下单的工程流程走一圈； 最终形成一套“能直接迁移到实盘/仿真”的代码骨架。 当前策略特点： 标的：RB2605.SHF； 频率：以分钟为驱动事件； 核心逻辑： 1分钟+5分钟双周期均线过滤； 固定30点止盈止损； 引入完整日志体系SRLogger追踪每一笔决策...