一、本周核心收获：真正理解因子分析的细节逻辑 本周参加了“因子挖掘功能”的内测讲解，最大的收获不是学会了操作步骤，而是真正理解了每个参数背后的含义。 1.理解“因子方向”与“分组”的关系 以前看IC值为负，只知道“因子不好用”，现在明白了：...

学习因子构建的过程 1.1新建工作流 在右侧AI助手告诉因子构建的基础思路  助手完成编程后点击启动工作流; 错误代码：10075 错误消息：因子构建失败 详细错误信息：Erroroccurredduringfactorprocessing:'FactorDataWrapper'objecthasnoattribute'get' Errorstack: Errortype:AttributeError Error...

单因子分析 学会配置相关参数，并上传至因子大赛  最后出来的参数还可以  多因子分析 尝试构建多因子组合  但恰逢服务器升级，暂时就这样提交了

 一、本周核心收获：真正理解因子分析的细节逻辑 本周参加了“因子挖掘功能”的内测讲解，最大的收获不是学会了操作步骤，而是真正理解了每个参数背后的含义。 1.理解“因子方向”与“分组”的关系 以前看IC值为负，只知道“因子不好用”，现在明白了：...

第一次因子构建的过程 1.1新建工作流 右侧AI助手告诉它需求;  助手完成编程后点击启动工作流;  1.2尝试修改因子方向，0改为1再运行。 1.有惊喜出现;  ![50153efaf8dbcf3bcd9b1cdf51590b56.png...

一、简述 pandaai给大家提供了单因子、多因子、特征工程机器学习等挖掘因子方式。之前的周总结里对多因子有写到，多因子里面最好对个因子做个权重设置。 这周主要尝试下机器学习类别的使用。 二、超参搜索下的XGboost方式 这次主要尝试用这种方式挖掘因子，给大家个例子重点关注连线的方式。  其中公式： ATR(CLOSE,14)。这是14日的平均真实波幅，常用于衡量股价的波动强度。 DMI_ADX(CLOSE,HIGH,LOW,14,6)动向指标系统，用于判断趋势...

这是我的工作流界面图。  一开始我其实没太当回事。现在这种深色背景、节点连线、卡片式模块的产品太多了，乍一看都很像：拖一拖，连一连，套个“低代码”“AI”“工作流”的词，最后真正干活的时候还是得回到脚本和命令行。 但这张图我多看了几秒，还是停住了。 原因很简单，它不是在演示一个泛泛的“流程编排”，而是在非常具体地展示一件事：怎么把一个量化因子从公式、特征、模型、构建、分析，一步一步跑成一个真的研究流程。 左...

一、功能核心概览 PandaAI因子挖掘功能，支持单因子、多因子、非线性机器学习工作流，可快速完成因子生成、构建、分析与参赛提交，零基础也能快速上手。 核心亮点： AI助手一键生成因子框架，降低代码门槛 可视化节点拖拽，无需复杂编程 内置因子分析、相关性检验、IC/ICIR评判体系 直通第三届因子大赛，提交即用 --- 二、单因子工作流（新手首选） 1.因子生成 打开AI助手，输入指令：生成股票基础动量因子框架，用于参赛，自动生成基础工作流。 2.核心四节点 公式输入/Python代码：自定义...

一期货因子挖掘 1.1过程 上来就报错---官方模板是股票，我改期货 ; ai修复 修复后结果如下，流程上看是报错了，但是这一次不显示，错误日志了，我猜刷新后就会出现是报错了 ;显示还在流程中，过往经验显示要刷新，才能再开始。 刷新后错误日志也出来了，也能重新操作了  错误日志让AI再帮忙修复下  修复 重新运行后...

AI工作流构建（美联储降息预期下降背景） 背景 现在美联储降息预期收紧，加息预期开始出现，让AI构建一个工作流：  --- 构建过程 初步构建 构建完成了：  运行失败 但是运行失败了：  --- 调试过程 第一轮调试 报错告诉AI，让它修复：  第二轮调试 这次换了一个节点报错：  直接点击修复： ![...

这是我在PandaAI学习和做策略开发的第6周。 前面几周，我主要还是在熟悉工作流、因子挖掘、多因子组合和机器学习这些内容。到了这周，平台开始重点开放`Agent交易智能体`，我也跟着视频和社区帖子，第一次比较系统地去体验了单智能体和多智能体工作流。 这周给我最大的感受是： Agent这件事，重点不是“更会聊天”，而是“开始像一个能分工的系统了”。 以前做规则流或者多因子工作流，更多是在研究“信号怎么来、效果怎么样”；这周接触多智能体之后，我开始更关心另外一件事： 这些分析任务能不能拆...

一因子分析工作流介绍  1.1因子构建 可以通过Python代码或者公式两种方式来编写因子计算方式; Python构建中可以把想法交给AI，然后微调; 建议参照官方基础因子编写，否则有概率AI会瞎搞生成的东西不符合平台背后的规范而报错； 官方基础因子路径： https://www.pandaai.online/community/article/176  因子构建环节包括Python因子+线性因子构建这两个节点 1.2因子组合 ...

全平台适配：Windows也能玩！ 在PandaAI社区，我们不聊虚的，只拆解能落地的实战经验。这一次，我们邀请到OpenClaw深度玩家，为你拆解从配置到玩法的完整链路，用极致成本控制，让全平台适配的养虾之路不再劝退。 【03.24/周二晚上8点闭门直播】 《OpenClaw避坑指南，手把手教你低成本养虾》 🙋‍♂️分享嘉宾：Tom孙 PandaAI产品共建官 OpenClaw深度玩家 OPC中国站站长 他将毫无保留地分享： 01丝滑上手：4步搞定底层配置 02场景分享：OpenCla...

这周已经是我使用PandaAI平台学习和做策略开发的第5周了。 前几周更多是在熟悉平台工作流、AI助手、基础回测和因子分析链路；本周开始，我把重心放在了因子挖掘功能里的机器学习工作流体验上，主要是跟着视频和参考文档，尝试用`XGBoost`、`LightGBM`这类模型做一版“机器学习辅助挖掘多因子”的实践。 整体感受是：PandaAI把机器学习因子挖掘的门槛明显降下来了。以前如果自己本地从零搭一套训练、打分、回测链路，步骤很多；现在用工作流把节点串起来，至少可以先把完整流程跑通，再逐步调特...

构建了一个20日的动量因子，回测时间，至最近的一个交易日3月20。从回测分层图来看，可以很明显的看出第5组与14组出现明显的分层,1组与5组的多空组合能达到16%的差距。这是什么原因导致的？在对市值正交后，我们得以纯粹的研究动量因子对收益率的指示作用。  获取2026-03-20的截面股票因子值，选取因子值最大和最小的观察。并结合之后跟踪观察有助于我们对因子值和收益率之间建立感性的认识，这是有助于理解的前提。 ![20日动量因子对市值正交02.p...

解决工作流生成完后一直启动不了的可尝试方法（？） 问题的发现 我们有时候工作流生成完后，一直运行不了，如我们输入“根据这个写一个股票基础动量因子分析框架，要完整能运行”后，运行不了，AI怎么修复都没用，如图  可尝试解决方法 在AI助手里输入“用默认配置运行”结果如图 1.2发现过程 我想测试一些因子，让AI助手帮我生成一个最简单的框架，可一直在报...

一、机器学习的优势和坑点 1.核心优势 捕捉非线性关系 金融市场中，因子（如宏观经济数据、技术指标）与收益率之间的关系很少是线性的。机器学习，尤其是树模型（如XGBoost、LightGBM）和神经网络，能够自动捕捉变量间复杂的交互作用和高阶非线性特征，而线性回归模型对此无能为力。 处理高维与复杂数据 ML可以处理远超样本量的特征数量（如高频分笔数据、逐笔订单簿、另类数据如卫星图像、新闻舆情）。通过正则化（L1/L2）和降维技术，能够在海量噪音中筛选出微弱但有效的信号。 模式识别的自动化 ...

一、3个单因子  动量因子  趋势斜率因子  成交量因子 二、因子合并  三、因子相关性智能分析  整体看，这次多因子组合与Barra风格因子仅存在温和相关，多数在±0.1以内，说明风格暴露较为温和，没有明显“撞因子”的问题，相关性结构是健康、可用的，但也不是完全独立的“纯alpha”，仍有一定风格暴露。从细项看：与Size为约-0.11、Earn...

前言 作为一名量化交易的爱好者和学习者，我一直在探索如何能够更高效地进行因子研究和策略开发。通过这次内测，我从一个完全不了解因子分析的小白，到现在能够独立搭建因子分析工作流，这个过程让我收获颇丰。今天想在这里分享我的完整体验过程和一些心得体会，希望能给同样对量化感兴趣的朋友们一些参考。 --- 一、什么是因子挖掘？为什么重要？ 在正式分享体验之前，我想先聊聊我对因子挖掘的理解。因子挖掘是量化投资中的核心环节之一。简单来说，因子就是能够预测股票未来收益的某种指标或特征。比如我们常说的「动量...

因子挖掘能力已经常规化了，工具可以提高效率，和思路上的启发，但长期量化中使用多因子实战下来的经验其实更重要，比如在牛市，振荡市，熊市，因子有效性会有较大的差异，所以我觉得这是一个更大的工程，非一个工作流能完成的，需要构建一个自己的因子库体系，以及因子切换逻辑，评估体系，什么时候该用什么样的因子，因子如何组合。 这个问题应该更多从工程角度上去做这件事情更合适，更灵活。 https://github.com/PandaAI-Tech/panda_factor 所以我的思路是研究panda-fac...