密码登录
手机号
密码
多空持仓控制仿真策略 学习到了需要在代码中修改绑定账户，即每个盘的账号不同，这个非常容易遗忘从而无法跑通策略。 多周期目标止盈 1、运用ai去了解代码的含义，不停地问答，ai回答的清晰易懂 2、我根据自己的思路去修改了交易条件：即根据RSI的数值去判定进出场位置，我设置的条件为RSI<=30与RSI=70做多与做空，并且在盈利条件下每跑出10个点加仓一次，统一在第一单达到50个点平仓。 K线形态交易 给ai说明了我想要进出场的K线形态，设定好做多和做空分别对应的三根K线形态。 问题：在上周...
做完了测试 今天做完测试，感觉Pandaai极大地方便了量化，降低了门槛，期待解锁更多功能。
一用AI写代码 写了期货回测--日内黄金合约  1.1运行工作流  查看运行日志 1.2修改代码 
PandaAI第五周内测｜多因子机器学习挖掘：从公式到模型的完整工作流 做量化有个经典难题：你手里有五六个因子，每个单看都有点道理，但你不知道怎么把它们合在一起用。等权加总？太粗糙。人工设阈值做条件过滤？参数爆炸，根本调不完。 这周在PandaAI上跑通了一条完整的多因子机器学习工作流，从因子公式编写到XGBoost训练再到合成因子输出，三个节点串起来就能跑。下面把整个流程拆开聊聊，希望对刚上手的朋友有帮助。 整体流程：三个节点，一条链 工作流的结构很简单： 特征工程构建→XGBoos...
PandaQuantFlow节点介绍 本文档介绍PandaAi开源目录下的所有节点，包括节点的功能、输入和输出参数。 --- 目录 [01-基础工具](01-基础工具) [02-特征工程](02-特征工程) [03-机器学习](03-机器学习) [04-因子相关](04-因子相关) [05-回测相关](05-回测相关) [06-线下课专属](06-线下课专属) --- 01-基础工具 Python代码输入 文件:[code_node.py](https://github.com/PandaAI-Tech/panda_quantflow/blob/main/src/panda_pl...
叠个甲,因为最近太忙了本篇差不多一半由AI帮我讲话,但是我发的内容都是与gemini多轮探讨后总结的,算我有点偷懒吧,不过我觉得传达到意思就好 还有一些参数调整其实是我边写边调的,所以图中其实只是过程,不是结果,仅供参考 1.1平台初始化与模型框架生成 本阶段旨在通过AI助手快速搭建基于深度学习的量化因子分析基础框架。 访问系统并创建空白的“AI工作流”，在画布右下角唤醒AI助手准备交互； 通过自然语言向AI描述研究目标：“帮我生成一个基于沪深全A股票池的机器学习因子分析框架，结合当前...
第四周多品种交易策略的实现与调优过程 这次实盘模拟交易策略使用多品种趋势跟踪方法，基于1分钟K线价格与10周期均线的关系进行决策。策略核心逻辑简洁明了：当价格突破均线时开仓，当价格回归均线另一侧时平仓，适用于黄金、铜、螺纹钢、焦炭和动力煤等多个期货品种。 策略开发过程充分体现了与AI协作的高效性。最初版本仅包含少数品种，通过向AI助手提出“增加交易品种”的需求，系统迅速给出了扩展建议。正如第一次编码截图所示，AI不仅提供了新增品种的合约代码示例，还详细解释了各品种的交易特性，帮助完善了品种配...
一AI生成代码 和AI聊了一下，让他帮我生成生成期货策略---白银黄金合约 这是我的过程    遇到问题 第一次回测的结果不太好，修改代码的时候发现忘记点应用两次了 改完后又出现了10001问题，让AI帮我修改了大概4-5次都还没有搞定，感觉A...
第五周-因子挖掘功能 本周我们测试了股票的多因子挖掘功能，也尝试参加因子大赛。 1.多因子挖掘 我们可以使用公式输入，或者代码输入，构建多个因子，再通过权重调整，将多个因子合并到一起;  还可以使用多因子的非线性组合，配置出更加高级的多因子组合  2.因子大赛 如果要参加因子大赛，需要先添加因子大赛节点;  在主页报名，并添加助手审批，就可以参加大赛了；  
一完整的因子挖掘功能体验 1.1单因子工作流 首先通过AI助手，生成关于动量的基础因子分析框架。包含公式的输入，现行因子的构建，因子的分析和解析因子分析结果四个节点。使用公式或Python代码构建线性因子，计算指定日期内的所有股票的因子值，并对所有股票进行横截面排序。 其次是参数设置。调仓周期上限30组，分组数量影响每组股票数量，因子方向选择0或1会影响IC值和数据展示。 第三是因子方向判断，根据因子值的正负来选择因子的正向或者负向。也可通过在公式中增加负号来将因子进行反向操作。 第四是参赛节点的连接。这是很神奇的功能，我一直很好奇在很多平台中如何只接入个人的部分代码就可以进行比拼。这里也...
一多品种和设定交易时间 1.1AI协助修改策略  1.2模拟实盘仿真  1.3实盘详情 
一一级标题【多策略调整与优化】 1.1二级标题应用实现 与AI对话修改程序，试着运行起来，目前还有两个程序没有交易 最近工作很忙，行情很疯狂，没有时间详细修改策略！  1.2二级标题功能修改与提升建议 目前还有两个运行程序没有交易，没有仔细查看为什么没交易，最近没有时间查看原因！ 只能在功能上提出一点优化建议。比如： ...
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...
摘要 本报告对基于机器学习技术但实现路径迥异的两套小市值选股策略—---策略一(传统SVR市值偏离度模型，优化前)与策略二(贝叶斯岭回归多因子评分模型，优化后)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。研究结果显示，策略二以3240.62%的总收益率、43.45%的年化收益率及-28.50%的最大回撤，在收益与风险控制上全面超越策略一(总收益93.39%,年化7.02%)。绩效差距的根源在于方法论的根本性差异。 1.策略一依赖"市值偏离度预测"的单一维度套利逻辑，...
当前市场上的量化策略常见的为多因子截面，主要应用于股票市场。而期货市场、数字货币等因标的数量的限制，不容易构造有效的截面，以单品种时序策略为主。比如技术指标等规则类策略，机器学习类策略较少。本篇我们探索用机器学习的方法为单品种时序策略建模，并逐步构建完整的量化策略。 根据机器学习的处理流程，可以按以下步骤来做：数据准备-标签标注-特征构建-模型构建-回测与上线几大步骤。 一数据准备 以期货为例，我们可以从数据供应商那里下载行情数据，基本为不同时间间隔的k线。期货k线数据通常包含价格的高开低...
本周我借助PandaAI量化助手生成的工作流，完成了期货回测到仿真交易的落地实操，现将整个过程的经验与步骤分享给大家，也为同类操作提供一份参考。 1、生成期货的回测框架 首先通过PandaAI量化助手生成期货回测框架，基础需求可直接指定交易逻辑、测试标的与时间范围，比如“编写一个期货回测框架，交易逻辑融合动量与波动率指标，以白银主力合约为测试标的，测试时间为2025年下半年”。   为了让分析更具完整性，还可以将因子分析与回测环节...
