AI助手生成工作流 今天补第一周的作业,尝试用AI助手生成工作流。 1.进入pandaAI官网,点击AI工作流  2.点击创建工作流,创建空白工作流  3.点击右侧的AI助手  4.输入精确的提示词生成自己想要的工作...

查看专家模式 根据视频查看了一下专家模式  仿真盘报错 之前3月9日修改后在启动，隔了几个小时出现报错  报错代码 Traceback(mostrecentcalllast):File"/app/src/panda_trading/trade/system/trade_time_manager.py",line119,inhandle_trade_sub_mesevent_bus.publish_event(event)File"/ap...

专家模式的操作步骤 之前是直接调用节点来进行工作流的设计，现在可以点击专家模式来观看其底层的代码。接下来我们分步骤来看如何操作。 1.点击创建工作流  2.点击专家模式  3.点击Python在输入框点击填充节点模板代码 ...

由于之前课程介绍了这个专家模式，并没有实际使用过，借助这次测试机会实际体验了一把；对于计算机专业的朋友来说比较友好，可以更灵活构建工作流节点，并更细致的调整参数和执行逻辑，可以把实际想法完全一模一样的落地执行。在专家模式里可以很直观的了解项目每个节点的执行逻辑，并执行单个节点测试。 可能还不熟悉因子构建和节点的使用导致没有跑通线性因子构建工作流，希望在继续测试和同学们的相互学习中继续提高。 

零基础入门金融量化分析：概念+代码+完整策略全解 一、先搞懂核心：什么是金融量化分析 1.1通俗定义 金融量化分析，简单说就是用数据、数学、统计+计算机代码，代替人脑主观判断，去分析市场、做投资决策、管控风险的方法。咱们普通人炒股靠感觉、听消息，量化就是把这些“感觉”变成可计算、可验证、可复制的规则，彻底摆脱情绪干扰，让投资更理性、更系统。 对比来看：主观投资是“我觉得这只股票会涨”，量化投资是“数据显示满足XX条件的股票，历史上涨概率超70%，我按这个规则执行”。 1.2专业定义 量化分析（QA）是运用数学模型、统计方法、计算机算法，对金融市场的海量数据（股价、成交量、财务数据、...

1.自定义节点初步了解   打开专家模式然后，在notebook上点击可以填充节点模版代码，里面有测试节点的示例; 图片看不清的话，我把源码粘贴到了下面，可以看看自定义节点的代码结构是怎样，也可以丢给AI去学习，本人代码能力基本为零也是通过AI再一点点摸索， 在就是你要知道你想创造的节点是要起什么作用，你的自定义节点要和那些节点连接的，可以在专家模式里面在看看其他节点的代码结构是怎样的，要不然 你也没办法让AI明白...

这周开始接触专家模式了，不能算新手小白了吧。 先做作业 专家模式其实确实是个好东西，可以把自己的想法打包成节点，但是自己还不是很会用  产品使用瓶颈和建议 1.1瓶颈 玩了一个月的pandaai，这周进入瓶颈期和深水区了，琢磨了一圈有点不知道要干嘛。 1.想基于自己的日线级别改一个15分钟级别的分钟界别策略，一直改不出来。 2.想根据自己表现比较好的日频策略用机器学习把静态的参数改成动态的，但是节点调试...

一专家模式熟悉 老师给我们展示了一个案例，两数相加的节点。我按照教程视频，试了一下，在专家模式下，自定义添加后的节点，会在用户自定义节点栏目中显示出来。（之前没有用户自定义栏目）  专家模式里面尝试了下，页面是Marmo的NOTEBOOK展示，输出的文档即可以是python文档，也可以选markdown，html，ipyb（Juypter文档）。 ![3bca0198d65019a1800906a8f816...

各位大佬好！ 我是新手小白，请教一下： 请问这个平台可以直接输入通达信公式直接回测吗？ 请问目前支持所有通达信函数吗？ 或者其他量化回测软件也支持通达信所有函数的有吗？ 请问这个平台可以一键转换通达信选股指标为回测指标的吗？ 然后再把通达信的排序指标转为回测指标，再进行回测？ 比如今天1月5日选股15只，再排序后把第一名作为最终回测的股票这样能实现吗？ 能一次回测10年内5000支股票吗或者其他量化回测软件的？ 或者其他量化回测软件可以选股后再排序把第一名作为回测的软件吗？ 盼大...

最近我把原有的量化工作流，切到了专家模式。 如果只看表面，专家模式像是把更多节点、更多参数、更多代码入口摆到了你面前。 但真正用下来，我的感受是： 专家模式的价值，不是“更复杂”，而是“更可控”。  在普通模式下，很多时候你更像是在使用一个已经包装好的研究流程： 写因子 接回测 看结果 再调整参数 这个流程当然能跑，也能快速验证思路。 但问题是，一旦你开始认真做策略研究，很快就会碰到一个现实： ![截屏20260307下午2.2...

这周PandaAI内测第四周的学习任务。本阶段的核心目标是带我们由浅入深地掌握“专家模式”，从理解底层节点逻辑到亲手编写自定义插件。专家模式不仅将复杂的低代码工作流转化为透明的Python代码，更赋予了用户通过编程扩展平台能力的无限可能。 -------------------------------------------------------------------------------- 一、开启专家模式：探索节点的底层逻辑 专家模式是连接可视化界面与底层代码的桥梁。通过该模式，我们...

专家模式 专家模式中调用了一个叫Pydantic库，它的核心作用：数据验证与解析。在Python这种动态类型语言中，变量的类型随时可能发生变化。当你从外部环境（比如前端的API请求、数据库读取、读取本地JSON文件）接收数据时，你很难保证传入的数据格式完全符合你的预期。比如你期望一个代表年龄的整数age，别人却传进了一个字符串"twenty"，如果直接处理，代码在运行到深处时就会崩溃。 Pydantic就是用来解决这个痛点的。它利用Python的类型提示机制，在数据进入你的核心业务逻辑之前，强制...

一专家模式使用 1.1相关流程图 ; ;  1.2布林带趋势跟踪，结合tr以及atr进行的策略研究 1.xxxx; 1.3存在一个创建的模型出现后端接口错...

写在前面：做了两期期货策略，这周咱们换个赛道——打板策略。这是A股最刺激、最考验人性的玩法，也是量化最能发挥优势的地方。我会从零开始，手把手带你搭一套能打板的量化系统，从可视化操作到代码级调试，全流程打通。 一、什么是打板？为什么用量化？ 打板，说白了就是追涨停板。A股有10%的涨跌幅限制（创业板科创板是20%），股价封住涨停后，往往意味着强烈的买盘情绪，第二天大概率有溢价。这就是打板的底层逻辑——赚情绪延续的钱。 但手工打板有几个致命问题： 第一，手速不够。好板往往几秒就封死，人工...

实现与量化策略深度赋能，不止于计算，更是策略逻辑的精准基石 🔑1.1核心升级亮点（Week3实战淬炼） ✅数据安全三重防护：列名校验+类型转换+边界预警，杜绝“静默失败” ✅NaN智能处理策略：保留原始逻辑（默认不填充），避免未来函数陷阱  ✅多均线协同支持：单节点扩展至双均线计算（金叉/死叉信号预埋） ✅诊断级日志系统：精准提示“前19行因窗口不足为NaN"，加速问题定位  ✅策略友好命名规范：MA_5_SMA→SI...

一专家模式 1.1打开专家模式  - 1.2创建新节点 1.

创建期货回测工作流 进入AI工作流界面，创建新的空白工作流面板，在AI助手的对话框里提示词输入  AI助手完成工作流创建  运行工作流并查看回测结果 回测运行完成  查看回测业绩  查看交易开平仓详情  策略收益不佳，让AI助手帮助修改 修改建议输入  确认修改内容  重...

均线指标计算节点代码 在量化交易和技术分析中，均线（MovingAverage，简称MA）是最基础也是最核心的指标之一。 它的核心目的只有一个：消除市场噪音，看清真实趋势。 日常的K线价格（尤其是加密货币或期货）总是上下剧烈跳动，很容易让人迷失方向。均线计算就是通过数学平均的方式，把价格的尖锐波动“平滑”掉，连成一条相对平稳的趋势线。 简单来说，均线主要分为两种常见类型： 1.简单移动平均(SMASimpleMovingAverage) 计算方式：最朴素的算术平均法。比如“20周期SMA...

因子构建过程中，正交处理和赋权处理内部算子与回测性能数据的对比试验。 在量化投资中，量化因子的构建是核心环节，而内部算子的正交处理与赋权处理，正是让因子“好用、管用”的关键两步。简单来说，正交处理就是给多个因子“去重去干扰”，删掉它们之间重复的信息，让每个因子都能独立发挥作用、互不影响；赋权处理则是给每个因子“定话语权”，根据因子的效果、稳定性，决定它们在最终投资决策中占多大比重。搞懂这两个处理方式，就能轻松理解量化因子如何从一堆原始数据，变成能指导投资的有效工具。下面我来做一个完整的因子构造过...

专家模式对节点提供了可以查看的代码，可以把代码转给其他AI大模型帮助分析节点代码的构成规律。 以“特征工程”节点为例，我一直不太明白什么是“标签”，在专家模式里把节点代码复制发给Geminipro，他就给我很好的解答了标签该写什么内容。至少在这一点上，可以帮助我更好地验证非线性因子想法。