PandaAI QuantFlow WEEK4 实验记录
最近在 PandaAI QuantFlow 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（Expert Mode） 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（Momentum Rotation Strategy）。
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
首先从全部股票中筛选：
动量排名前 5% 的股票
也就是：
Momentum Rank Top 5%
这种方式可以过滤掉大部分弱势股票。
持仓数量
从筛选出来的股票中：
选择 动量最强的 10 只股票
进行持仓。
Top 10 Momentum Stocks
调仓周期
策略采用：
5 天轮动一次
也就是说：
每5个交易日重新计算动量排名
然后：
卖出旧持仓
买入新的 Top10 股票
回测时间
回测区间：
2025 年全年
二、PandaAI 工作流搭建
在 QuantFlow 中，我搭建了如下结构：
Python代码输入
↓
多因子组合节点
↓
股票回测
↓
回测结果
其中：
多因子组合节点 是从节点库中找到并添加的。
这个节点可以用来：
构建因子评分
对股票进行排序
输出选股结果
对于多因子策略来说，这个节点非常方便。
三、专家模式测试
在这次测试中，我主要尝试使用 专家模式（Expert Mode）。
专家模式的优点是：
可以直接查看策略代码
可以自定义逻辑
可以进行更灵活的策略开发
例如：
可以直接编写：
momentum = close / close.shift(20) - 1
rank = momentum.rank()
然后根据排名筛选股票。
这种方式比纯图形节点更灵活。
四、遇到的一个问题
在使用 多因子组合节点 之后，我再次打开 专家模式，发现：
代码显示变少了。
看不到完整代码。
目前看起来可能是：
节点封装了部分逻辑
专家模式没有完全展开代码
这一点对于调试来说稍微有些不方便。
如果能提供：
完整策略代码视图
会更有利于策略开发。
五、工作流返回逻辑的问题
在使用过程中还遇到了一个体验问题。
操作路径大概是：
回测结果
↓
退出
↓
返回上一步
理论上应该回到：
我刚才操作的界面（例如专家模式）
但是实际情况是：
系统直接跳转到了：
工作流列表页面
也就是：
新建工作流列表
而不是回到刚才的策略编辑界面。
这种情况下需要：
重新打开工作流 → 再进入专家模式
操作步骤变多。
六、建议优化
这里提一个简单的产品建议。
返回逻辑可以优化为：
回测结果
↓
返回
↓
策略编辑界面（专家模式）
而不是：
回测结果
↓
工作流列表
这样会更符合用户的操作习惯。
七、回测结果观察
在回测结果页面中，可以看到：
收益曲线
超额收益
最大回撤
交易次数
成交日志
这些数据对于评估策略效果非常重要。
例如：
交易日志中可以看到：
买入时间
卖出时间
成交价格
成交金额
手续费
这对分析策略执行情况非常有帮助。
八、本次实验总结
通过这次 WEEK4 的策略实验，主要有几个收获：
1 QuantFlow 的工作流构建比较直观
节点拖拽 + Python代码
可以快速搭建策略原型。
2 专家模式适合复杂策略
相比纯节点方式：
专家模式可以实现更复杂的逻辑。
3 多因子节点非常有用
对于：
股票筛选
因子组合
排名策略
都很方便。
4 Prompt 和代码逻辑同样重要
策略生成和调试过程中：
代码逻辑清晰度非常关键。
