一 一级标题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

1.2一级标题理解节点分工

公式输入节点：定义因子逻辑（用什么公式或Python代码）
线性因子构建节点：执行计算，传入数据，计算因子值，做rank排序

• xxxx;
• xxxx;

1.2 二级标题理解参数限制的意义

调仓周期上限30组：确保统计显著性，避免过拟合
时间范围不超过3年：平台限制，超出会报错

1. xxxx;单因子框架
   用AI助手生成“基础动量因子”，运行后发现IC值为负，按照“调正方法”在公式前加负号、将因子方向改为1，成功转为正向因子。分层曲线呈现出理想的单调性。
   
2. xxxx;多因子框架
   在多个因子构建节点后，增加了“因子权重”节点，然后再连接到“因子合并”。这让我体会到，多因子不是简单相加，而是可以通过权重调整构建更稳健的复合信号。
   
   3机器学习框架
   尝试了XGBoost非线性模型，将多个公式因子作为特征输入，预测收益率作为因子值。虽然运行时间较长，但带来了新的视角。
   
   经过几周的内测体验，让我了解到了单因子，多因子，机器学习等量化交易的相关知识，并通过平台的工作流模块和AI助手等功能，让我这种新手小白也能很快的构建一些策略。虽然量化交易学习之路还很长，我相信随着平台各种功能的开发和上线，使用会越来越简单方便，再加上自身的学习，在不久的将来相信我也能走上量化之路。