PandaBacktest模块深度分析 `src/panda_backtest`是量化平台的回测引擎核心，采用事件驱动架构，支持股票和期货策略的历史回测。它不仅复用了实盘交易的接口定义，还提供了完善的模拟撮合、风控管理和结果统计功能。 1.目录结构概览 text src/panda_backtest/ ├──api/[接口]策略开发API(api.py,stock_api.py,future_api.py) ├──backtest_common/[核心]回测系统通用组件 │├──constant/常量定义(redis_key,strategy_constant) │├──data/内部数...

<fontcolor="brown"一、引言</font <fontcolor="red"Python的核心不是“炫技”，而是“实用”</font  到此，我们已探讨完Python核心且重要的知识点，涵盖数据结构、流程控制、函数用法、类与对象，以及Numpy、Pandas等常用库。而在本次“Python进阶2”的内容中，我们将进一步介绍Python的其他高级用法与科学计算库——不仅会讲解Python风格（Pythonic）及各类高级编程技巧，还会重点...

PandaML模块深度分析 `src/panda_ml`定义了量化工作流中机器学习任务的基础抽象。它提供了一套标准化的接口（Node），用于构建数据预处理、模型训练和预测的流水线。 1.核心设计理念 该模块借鉴了`scikit-learn`的`fit/transform`设计模式，并将计算单元抽象为工作流节点（BaseNode）。 DataNode:专注于数据清洗和特征工程，支持`fit`（统计分布）和`transform`（数据转换）。 ModelNode:专注于模型生命周期，支持`fit`（离线训练）、`predict`（在线推断）和`update`（增量学习）。 2.核心类与文...

PandaPlugins模块参考手册 本此文档详细描述了`src/panda_plugins`下的所有内置节点。文档由工具自动生成，确保与代码实现保持同步。 1.目录结构概览 text src/panda_plugins/ ├──base/插件系统基础框架(BaseWorkNode,注册机制) ├──internal/内置节点库(官方提供) │├──models/节点间数据交互模型(PydanticModels) │├──...各类功能节点(CSV,ML,Factor,Backtest) ├──utils/插件加载与辅助工具(Loader,ErrorCode) └──custom/用户自...

PandaSchedule模块分析 `src/panda_schedule`是项目的独立任务调度模块入口。 注意:当前版本中，该目录主要包含空的初始化文件，实际的定时任务调度逻辑核心位于`src/common/cron/crontab_manager.py`。该模块可能被预留用于未来的独立调度服务部署。 1.目录结构 text src/panda_schedule/ ├──__init__.py包初始化 ├──__main__.py模块入口(Empty) ├──crontab/Crontab配置(Empty) └──tasks/任务脚本(Empty) 2.实际调度实现(Common...

PandaServer模块深度分析 `src/panda_server`是PandaQuantflow平台的控制中枢，基于FastAPI构建。本文档基于对源代码的深度解析，详细阐述其启动流程、模块架构、通信机制及核心业务逻辑。 1.系统启动与生命周期(EntryPoint&Lifecycle) 入口文件为`src/panda_server/main.py`，其启动流程严格遵循以下顺序： 1.1启动序列 1.环境加载:优先加载`.env`文件，并设置`sys.path`包含项目根目录及`src`目录。 2.FastAPI应用初始化:创建`app`实例，配置`lifespan`上下文管理器...

<fontcolor="brown"一、引言</font <fontcolor="red"TheFutureofCodingis‘TabTabTab’</font  OpenAI创始成员AndrejKarpathy曾说过："编码的未来是按Tab键自动补全"。 Cursor的出现推动开发者角色从“编写代码”转向“引导AI生成正确代码”。未来编程将高度依赖AI自动化补全能力，开发者只需通过反复按“Tab键”即可快速生成代码。目前，Cursor、GitHub...

摘要 本报告对基于动量效应但实现路径迥异的两套ETF轮动策略： 策略一(双均线动量轮动模型)与策略二(RSRS多因子评分模型)进行了长达十年(2015年1月1日至2025年1月1日)的全面实证分析，结合回测数据研究结果显示： 策略二以惊人的993.04%的总收益率、27.88%的年化收益率及-17.13%的最大回撤，在收益与风险控制上均实现了对策略一(总收益93.39%,年化7.02%,最大回撤-34.21%)的全面超越。从净值曲线形态看，策略二呈现出近乎完美的45度稳健上升趋势，而策略一的...

为什么改造gplearn 1. 框架简洁代码精炼。之前被Qlib深度折磨过（以前文章写过https://www.pandaai.online/community/article/130）。Qlib投研全流程环节多模块多，而后期可能提交维护投入变少越来越臃肿。gplearn就是['genetic','functions','program','fitness']，然后再加上一基础设施'utility'五个部分。核心因子公式program的遗传变异进化操作就是围绕着一个list列表对象实现的（再次...

经常做策略优化的朋友都知道，如今在“优化”和“研究”这条路上，我们不得不借助AI来辅助。所以，今天的核心是Pandaai内置的AI助手，不同与其他ai助手，它有三种模式可以选择。 通用代码助手：用于解决各类编程问题、写代码、改代码和解释代码的综合型助手。 回测代码助手：专门帮助你编写、调试和优化量化交易策略回测代码的助手。 因子构建代码助手：专注于将金融逻辑转化为可计算的因子公式并实现为代码的助手。  1.1调整后收益 通过pandaAI...

一、参与背景：为何加入PandaAI种子用户计划 当我看到PandaAI发布的"仿真实盘种子用户招募"计划时，立刻被其中"定义量化新工具"的愿景所吸引。与普通产品内测不同，这次招募明确提出寻找"战友"而非单纯"用户"，强调与真正沉心做策略、懂交易的实践者共同打磨下一代量化工具。这种共创模式让我对PandaAI团队的专业态度产生信任，于是毫不犹豫地提交了申请。 作为有一定量化交易经验的参与者，我特别看重计划中提到的几大专属权益：5000+初始算力包可无门槛支持策略回测和仿真实盘交易；产品共建者身份能让建议直达产品核心团队；还有与产品团队、资深策略开发者同群交流的机会。这些权益不仅实用，更体现出P...

一、代码整体功能概览 本周的设定时间交易代码使用的是一套期货分钟级都策略模板，运行在Pandaai的回测/实盘框架里，核心功能是： 交易标的：固定为白银主力某个合约AG2604.SHF 频率：框架每分钟调用handle_data，策略每分钟决策一次 信号逻辑： 用上一分钟K线的阴阳来决定是否开仓： 阳线（收盘价开盘价）→无持仓时开多 阴线（收盘价<开盘价）→无持仓时开空 十字线（收盘价开盘价）→不开仓 持有后满5分钟就无条件平仓（不再看后面的行情） 可以把它理解为一个“超简化的1分钟反应策略模板...

量化策略程序的下载链接：<https://share.weiyun.com/PiKD4wbH ----