密码登录
手机号
密码
写在前面 作为一个10岁的老韭菜，一直在想第一篇帖子要分享什么内容。 想总结一下经验，但发现我的人生似乎也没什么精彩的地方，回头望去只有密密麻麻的坑。 创业，融资，交易，投资这些关键词贯穿了我过去的十年。从三年前亲手埋掉了我的公司之后，我开始了全职投资的旅程。 我一直相信一件事—— 分享的第一原理是利他。 所以我想用这样一种方式： 把我这十年，从手工到量化，踩过的坑、和超过8位数的学费， 总结成十句话分享给大家。 如果有一天我消失在互联网上，只能留下最后10分钟的内容， 那我会希望是接下来这10分钟。 当然，以下所有内容都是我在当前认知阶段的理解， 不一定对，欢迎大家交流、讨论和指正...
策略描述： 针对A股所有标的写一个截面策略，要求收盘突破前100日新高，且在20日均线上方，最近三日成交量递增放量的所有标的里，选择市值大于100亿并小于2000亿的股票等额买入，收盘价回撤至20日均线下方后第二日开盘价卖出，否则则持有。并在2023.1.1至2025.12.31期间回测。  策略回测数据 年化收益：38.18% 最大回撤：23.05% 几乎全程在基准收益绿线之上，且逐渐放大 心得总结 1.本人量化交易小白，这是第一次用Pan...
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...
1.1新建回测策略及流程 建立策略后，只需拖入所需模块，通过回测模块与结果模块的灵活组合，即可轻松搭建完整分析流程，如同搭积木般简单直观。  1.2回测结果 启动流程后，静待运行完成即可查看结果，所有相关参数均一目了然。 
PandaAi尝鲜实测  1.1惊喜 自然语言能够生成策略，并将策略转化为程序;  还能够自主修改代码;  1.2直观功能 1.直接运行策略生成回测数据;  2.并为且能构详细的分析每笔交易的成交时机和成果;  1.3继续试用...
最近这段时间，我把精力主要放在了多策略的调整与优化上。目前已经上线了两个仿真实盘策略，运行效果超出了我的预期。值得一提的是，这次我深度体验了平台的AI助手功能，让它帮我修改和优化了几处核心代码。这种“人机协作”的模式真的非常方便，省去了大量查阅文档和调试的时间，效率提升了不止一点点！  我的第一个策略是一个多品种交易策略。逻辑上主要采用了经典的均线上穿与下穿指标。虽然原理看似简单，但在实际操作中，多品种的逻辑...
「策略回测」的体验和心得 在上周我进行了多策略的并行，发现功能不错，还算完善。这周我测试了「回测」功能，让我们来看看它的体验怎么样。 1.1导入策略 首先创建一个工作流，随便命名。然后，选择回测策略的模板文件，完成导入。按照图中展示的那样，对策略进行了实盘前的回测。 ⚠️关键点：确认策略的标的合约（如螺纹钢2605）、交易周期（如分钟线）等参数设置正确。 1.2接入方针实盘 在发现策略回测有正向收益时，我们就可以接入「仿真实盘」，这里不知道「仿真实盘」的朋友，可以看我往期的文章介绍。 ...
一多策略应用与实践 1.1MACD策略 先把MACD-仿真.json导入工作流，即可得到完整的工作流 再使用回测代码助手微调策略代码 之后选择一个合适的服务器，点击启动工作流，如果运行完毕，没有报红则可进行仿真盘测试 1.2仿真盘测试 在账号管理中添加一个新的仿真盘账号，在创建一个实盘，选择刚刚的工作流  点击启动，静待一会若没有反应刷新页面即可 !...
一AI助手大幅降低个人量化的门槛，把复杂的编码工作交给AI助手，体验了下AI助手写一个简单的macd指标期货合约实盘策略的丝滑之处 1.1提问到看到回测结果只需要简单两步 下面是问句：写一个期货交易策略，运用MACD的交易逻辑，金叉时买入，死叉时卖出，在黄金主力合约上测试，时间是2025.01--2025.12  AI助手收到问句后会自动编排工作流，创建相应的工作流节点，我们只需要点击保存策略，启动工作流，就可以点击查看回测结果  ...
量化实盘第二周 先发一下上次策略的收益  感觉还是不错滴简单的macd策略也可以做出收益，当然很大一部分归功于上周黄金大涨 多策略 这周又在李健老师的指导下，测试了3种不同的策略，是三种不一样的编写思路  有以k线形态判断，均线判断和于当前持仓情况一起判断买入卖出的策略。稍微的窥见了写策略是能用到的逻辑，如何将不同条件组合在一起进行更全面的判断。 目前策略运行还没多久，等能看到收益情况后可以考虑将表现良好的条件组合起来...
PandaAI工作流-策略帮助文档 PandaAI官方2025年06月23日47520 策略讨论因子大赛代码分享经验分享 框架基本方法 基础方法说明 该策略为事件驱动性策略，需要实现框架中约定的事件回调方法，实现后回测、仿真、实盘通用。 策略头部需要默认引用内置API，运行代码为：frompanda_backtest.api.apiimport，后文不再重复赘述。 策略初始化（必选） 函数：initialize 描述：策略初始化，主要用于初始化策略上下文中的变量，只在策略启动时运行一次 代码 definitialize(context): 参数 字段 类型 描述 context Conte...
多账户仿真测试 pandaAI能创建三个仿真实盘，这点我非常喜欢。作为以波段交易为主的交易者，我需要一个持续跑波段策略的账户，但如果只有这一套在跑，就很难同时测试其他想法。pandaAI很好地解决了这个痛点——可以为不同策略分配独立账户，做到并行验证与实盘演练。  我目前同时运行三个方向的策略：短线、波段和日内高频。波段策略负责抓住中期趋势，作为我的主力；短线策略则专注日内机会，保持频繁参与市场；日内高频策略...
放量突破新高2.0 Prompt为“调整为只针对沪深300和中证1000范围内的市值大于100亿并小于2000亿、上市超过1年的标的，写一个截面策略，要求：最近三日成交量递增放量，5日与20日均线金叉，且价格放量突破前100日新高时，按市值从小到大顺序，定额50万买入（无符合条件时不做买入）；收盘价回撤至20日均线下方后第二日开盘价卖出，否则则继续持有。并回测2023.1.1至2025.12.31期间表现。”没有跑出数据，让技术李健老师修改后结果如下： ![新高放量策略6个月回测.png]...
这周我测试了pandaAI的一个新功能：先把自己的策略在历史数据上回测一遍，再决定是否上实盘。这样的做法可以在投入真实资金前，先检验策略的基本可行性与盈利能力。 这种流程非常符合量化交易的标准步骤——先用历史数据验证策略表现，确认有获利潜力后再考虑实盘，从而降低盲目入场的风险。 不过在实际操作中，经常会遇到回测结果与实盘表现不一致的问题。回测使用的是历史数据和理想化的执行假设，而实盘会受到滑点、延迟、成交量限制等多种实际因素影响。 因此就需要引入“模拟实盘”环节：在接近真实市场的环境下运行...
摘要 本报告对两套具有相同基因但不同实现路径的多策略量化模型—— 策略一（未优化的多策略轮动模型）与策略二（优化后的多策略组合模型）——在长达十年（2015年6月1日至2025年6月1日）的完整市场周期中进行了全面的实证对比分析。 策略二以惊人的812.67%的总收益、25.54%的年化收益，以及被严格控制在19.00%的最大回撤，全面碾压了收益为-47.79%的策略一。 本报告深入剖析了导致两者绩效天壤之别的核心原因，揭示了从“追逐时机”到“管理组合”的理念进化所带来的革命性效果。 研究发...
一一级标题AI协助修改  1.1二级标题仿真实盘 xxxx; xxxx; 1.2二级标题 1.xxxx; 2.xxxx;
可以创建三个账号，不同的账号运行不同的策略 1.账号之间相互隔离，互不影响，这样可以在同一时间验证多个策略效果，这样能更高效的发现策略实际表现，以及更快的发现实盘策略中的问题，进一步去优化 2.很棒，已经打通了仿真实盘，细节上我想要一个功能就是能及时通知到我微信上，绑定微信的功能，这样能及时知道仿真实盘下单了什么，平仓了什么 下面同时跑多个策略的截图  
多品种和定时交易策略实践心得 本周参与仿真实盘训练，围绕多品种覆盖和定时交易两大核心需求完成了策略优化，在此过程中提高了我的实战问题解决能力，不仅解决了原有策略交易信号不足的痛点，还学会了通过参数配置、时间规则设计激活交易动作，也更懂如何兼顾策略稳定性与灵活性。 1.1多品种策略 之前的单品种策略常出现长时间无交易结果的情况，这次核心调整是扩展活跃合约+保留均线趋势核心逻辑，让策略能同时监控多个高流动性品种，提升交易机会捕捉效率;
