因子大赛-因子的挖掘 1.基础动量因子分析的创建 通过提示词“帮我生成一个股票基础动量因子分析框架，用于参加因子大赛，在2025年。要完整能运行”驱动生成因子分析工作流，结果如下  运行后可以看见回测结果，可以运算出因子方向与IC值的关系  2.多因子工作流的创建 可以在工作流中添加，大赛因子，产生如下结果  可以进行回测，结果如下 ![we...

上一篇文章我们对单品种时序策略建模的整体流程做了介绍。从这篇文章开始，我们逐一对每个步骤进行较为细致的探讨，看看如何从最底层构建完整的时序模型框架。 一般来说，在机器学习的各个环节中，数据的重要性大于特征，特征的重要性大于模型。所谓"GarbageIn,GarbageOut"，数据的好坏决定了模型预测的上限。这一篇我们细致探讨一下数据处理中的一些常见操作。 一k线合成 以期货为例，我们看到的所有的行情数据都来源于交易所的tick级切片数据，为500毫秒对盘口报价的一个切片。通常包含的数据有：...

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...

一专家模式应用 专家模式的进入方式。用户需进入官网，点击AI工作流，在之前创建好的工作流里点击查看，然后在左侧伸缩边框中点击即可进入专家模式。 1.1平台节点框逻辑、创建及使用方法介绍 本次试用了专家模式下节点框及股票回测框架。节点框包含代码输入、票回测及策略回测结果，可将输入代码转化为函数传给回测。展示了创建新节点的方式，如用Python代码填充模板，拖拽到右边画布，新节点存于用户自定义节点框，还提及编辑节点、创建交易系统节点所需的帮助文档，后续内容将开源。 1.2节点创建、应用及与机器学习模型连接介绍 还学习了节点相关信息。可根据自身交易系统创造不同节点，连接节点框时，从左边点左键...

内测第四周-专家模式体验 本周继续深度探索PandaAI，重点体验专为熟悉代码开发的工程师打造的【专家模式】，现将实操过程与功能亮点整理分享如下。 1.开启专家模式 先在PandaAI中选定一个已生成完成的工作流；  通过页面右侧的工具栏，即可进入专家模式，开启代码级的工作流操作。  2.专家模式核心功能探索与解析 代码与工作流单元精准对应：专家模式下，生成的代码文件与工作流的各个单元一一匹配。 ![image.png]...

一一级标题 1.1二级标题 xxxx; xxxx; 1.2二级标题 1.xxxx; 2.xxxx;

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...

为什么专家模式方便理解原理 逻辑可见：用Python/自定义代码写因子时，每一步计算（收益率、波动率、排名、条件判断等）都显式写出，阅读时能直接对应到「在算什么、为什么这样算」。 与公式一一对应：公式模式里的一行表达式，在专家模式里可以拆成多行中间变量（如`returns`、`volatility`、`momentum`），等价关系清晰，便于理解和调试。 便于迭代：改某一环节（例如窗口从20改成10）只需改对应变量或参数，不影响其他部分，心智负担小。 因此，先用专家模式把单因子/单步逻辑搞清...

尝试公式因子,机器学习因子 写一个股票基础市值因子分析框架,用于参加因子大赛,在2025年.  构建xgboost预测收益率,作为因子预测.可以添加多个公式因子作为因子输入,预测第二天的收益率,构建因子.  

为什么你的换手率因子总“变脸”？——聊聊因子平稳性与两种实用转换技巧 明明回测曲线很漂亮，实盘一跑就变脸？问题可能出在你直接用了“原始均换手率”这个因子值。 在量化圈，20日均换手率是一个非常经典的量价因子。它简单直观：过去20个交易日的平均换手率，反映了一只股票的交投活跃程度。很多初学者会直接把这个值放进多因子模型，或者作为机器学习的一个特征。 然而，如果你直接用原始值建模，往往会遇到一个诡异的现象：样本内表现惊艳，样本外（或实盘）却持续失效。这背后的罪魁祸首，常常是因子非平稳。 今天我们...

量化策略研究报告：基于XGBoost与Optuna优化的选股模型 一、策略基本信息 策略类型：机器学习多因子选股（截面回归/分类） 核心算法：XGBoost(ExtremeGradientBoosting) 优化工具：Optuna（自动超参数搜索） 目标变量(Label)：`FUTURE_RETURNS(close,1)`（预测下一日的收益率） 回测区间：2025-01-01至2025-02-28（约2个月样本外测试） --- 二、策略构建逻辑(WorkflowAnalysis) 根据工...

惊喜！Agent交易智能体 本次体验带来了PandaAI的重磅更新——Agent交易智能体。此前在松鼠quant模拟竞赛中，智能体交易已展现出亮眼效果，本次PandaAI推出的完整智能体框架，更具备实际落地价值。 一、Agent交易智能体介绍 在节点库中可直接看到智能体类功能节点，由以下模块构成完整智能交易方案：  这些...

深度解析：白银主力动量与波动率突破交易策略 一、策略综述 本策略是一个针对白银主力合约（AG）设计的量化交易系统。其核心思想是利用中长期动量来确定交易方向，并结合短期波动率突破作为入场触发信号。策略采用了日频调仓逻辑，旨在捕捉白银价格在特定趋势下的爆发性波段。 二、策略核心逻辑深度拆解 1.动量因子（DirectionalFilter） 策略设定了一个20个交易日的观察窗口（mom_lookback=20）。 逻辑原理：动量效应在商品期货中具有较强的稳定性。通过对比当前价格与20天前的价格，策略可以过滤掉短期的震荡噪音，识别出当前市场是处于上升趋势还是下降趋势。 作用：作为“方向过滤器”...

专家模式的使用 1.1专家模式下可以修改输入节点的实现代码。如图操作了增加节点。进行节点的自定义。 xxxx; 节点设计，运行完成，可以拖拽到开发界面使用。;  1.2节点设计，运行完成，可以拖拽到开发界面使用。 1.![5e6f4f2d9...

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，...

一学习有关于智能体的交互方式  1.1从一个智能体延伸 ![b2f9c2da2a84fe3cd4fd2e8c9e9b0dfa.png](https://oss.pandaai.online/community/67759729839e4c6abfa202e1f2f084...

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...

用ai助手先生成因子分析框架，然后生成回测框架，最后图表内仿真交易运行。