密码登录
手机号
密码
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 ...
一小白免坑第五周“因子挖掘功能” 1.1尝试因子挖掘 给它一个因子思路，用AI助手构建一个基于超参Xgbost模型的挖掘工程  出现无法生成提示 ！！！注意：我检查后发现因子数量4个逻辑，减少一个不相干的因子，保留相关性大的因子 1.2尝试因子挖掘大家应该少一些因子，或者一次挖掘的因子应该有相关性！！提供建议  成功！！！ ...
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 ...
一机器学习模型 1.1这周看了老师的视频后，尝试进行非线性因子挖掘， 非线性因子挖掘侧重特征工程与参数调优， 之前是线性因子挖掘因子，这次试用PandaAi平台的XGboost模版进行非线性因子选股 1.2模型本质与核心优势 XGBoost是GradientBoosting方法的高效实现，基于CART树作为弱学习器，通过串行集成多个弱学习器构建强学习器，核心优势体现在： 优化能力强：对损失函数进行二阶泰勒展开，同时利用一阶和二阶导数信息，支持自定义可导损失函数； 防过拟合：在损失函数中加入正...
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...
一正式进入主题 1.1二级标题 第一版提示词：创建一个股票多因子分析模型，时间选择，2025-1-1至2025-03-01，第一个因子，市值因子，权重为1，第二个因子，10日动量因子，权重为2，第三个因子，5日均线与20日均线组合，权重为2  果不其然还是会报错，决定改个思路，用系统模板，重新修改节点再来完成这个因子测试 直接选用多因子案例模板进行调整   果然还是得官方框架，一跑就通  PandAI会自动写出; 1.2二级标题 1.点击全局查看; 2.结果如图;
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...
一因子挖掘步骤 1.1AI帮写 输入写一个股票基础动量因子分析框架，用于参加因子大赛，在2026年; PandAI会自动写出; 1.2二级标题 1.点击全局查看; 2.结果如图;
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;   选择官方的多因子模板; 1.2启动工作流 1.启动工作流; 2.计算完成后，点击最后一个显示，结果如图;
一非线性多因子挖掘 1.1进入步骤 从Pandai官方网页首页的AI工作流界面进入; 进入后如图所示; 1.2二级标题 1.选择模板非线性多因子; 2.把错误信息复制到AI助手里面，自动修复成功！; 步骤1：通过“创建工作流”界面的“AI助手”生成“框架”。 提醒1：此处的“AI助手”是用来搭框架而非改代码的助手。如果策略框架不变，无需二次与其对话。 提醒2：一定要点击“保存”工作流！ 提醒3：记得点击“启动工作流”。  步骤2：通过“编辑代码”界面的“AI助手”辅助修改，调整“细节”。 细节1：右上角有“策略回测助手”和“因子开发助手”，不知道是什么彩蛋，试用过的朋友欢迎来科普下！ 提醒2：右边和中下方，都要...
因子发掘-单多机器学习因子测试 单因子构建 自然对话AI助手工作流生成提示词：帮我生成一个股票单因子工作流，因子构建使用动量因子，用公式输入，需要包含因子结果分析   指标分析： 因子方向为1，对应分组测试的第5组。因子方向为0，则应对第1组。 IC_mean=-0.0719，截面IC的平均值代表因子和未来收益的平均相关性， 绝对值越大越好，正代表“因子大→未来涨”，负代表“因子大→未来跌” IC_IR=-0.4766：负向IC_I...
一、什么是“低波动放量突破”策略？为什么用量化？ 所谓“低波动放量突破”，说白了就是在平静中捕捉爆发的信号。 一只股票如果长期横盘、波动很小，说明筹码稳定、抛压有限；一旦突然放量上涨并站上关键均线，往往意味着主力资金开始行动，趋势可能由弱转强。这就是本策略的底层逻辑——赚“蓄势后启动”的钱。 但靠人工盯盘很难精准捕捉这类机会： 波动率看不见人眼无法快速判断过去14天价格是否真的“安静”，更别说计算标准差与均价的比值。 量能真假难辨今天成交量看起来大，但和过去50天比到底算不算“显著放大”？...
股票因子分析与回测 提示词输入  AI助手完成工作流的创建  可以看到，AI助手创建的工作流非常完整，在画布上面的排版也非常的美观！  点击右上角的按钮启动运行工作流  工作流运行报错，查看日志，发现是多因子组合的时候执行失败了  尝试手动添加一个新的因子（新建一个“公式输入”节点和“线性因子构建”节点），并且连接到“多因子组合”的节点...
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...
一一级标题 1.1专家模式工作流可视化与节点逻辑 专家模式下可直观查看量化工作流的节点连接关系，如期货回测、PCA因子构建、随机森林模型等节点的逻辑链路。; 工作流构建完成后可一键启动运行，实时跟踪节点生成进度与整体执行状态。;  1.2自定义节点代码模板与开发规范 1.节点代码基于Pydantic定义输入输出模型，实现数据验证与解析，如“求两数之和”模板中定义InputModel（包含number1、num...
