AI助手生成工作流 今天补第一周的作业,尝试用AI助手生成工作流。 1.进入pandaAI官网,点击AI工作流  2.点击创建工作流,创建空白工作流  3.点击右侧的AI助手  4.输入精确的提示词生成自己想要的工作...

一、代码整体定位 这是量化交易中“回测初始化”阶段的核心代码，主要完成参数配置、资金分配、交易规则设定等基础工作，为后续的策略逻辑（选股、买卖、调仓等）提供运行环境，本身不包含具体的选股和交易信号逻辑，但搭建了完整的策略运行骨架。 二、核心模块逐行讲解 1.导入依赖库 python 运行 importstatsmodels.apiassm统计建模库（暂未使用，预留） fromstatsmodelsimportregression回归分析库（暂未使用，预留） importnumpyasnp数值计算...

作者：AionX 时间：2026-03-12 多因子模型的构建依赖于经过合理处理的单因子。那么，如何处理单因子使之可用？又该经历哪些处理步骤？本文基于pandaAI多因子实战营第5节课的学习，完整复现了因子处理的全流程，以市值因子为例进行详细说明，期望为读者提供实践参考。 市值因子的概念相对直观。A股市场常说"盘子太大拉不动"，这里的"盘子"即指总市值。其计算方式为： 总市值=流通股本×当前股价 一.市值对数化处理 选取2019年某一交易日的全市场数据，将各上市公司市值绘制成分布直方图： ...

因子构建过程中，正交处理和赋权处理内部算子与回测性能数据的对比试验。 在量化投资中，量化因子的构建是核心环节，而内部算子的正交处理与赋权处理，正是让因子“好用、管用”的关键两步。简单来说，正交处理就是给多个因子“去重去干扰”，删掉它们之间重复的信息，让每个因子都能独立发挥作用、互不影响；赋权处理则是给每个因子“定话语权”，根据因子的效果、稳定性，决定它们在最终投资决策中占多大比重。搞懂这两个处理方式，就能轻松理解量化因子如何从一堆原始数据，变成能指导投资的有效工具。下面我来做一个完整的因子构造过...

均线指标计算节点代码 在量化交易和技术分析中，均线（MovingAverage，简称MA）是最基础也是最核心的指标之一。 它的核心目的只有一个：消除市场噪音，看清真实趋势。 日常的K线价格（尤其是加密货币或期货）总是上下剧烈跳动，很容易让人迷失方向。均线计算就是通过数学平均的方式，把价格的尖锐波动“平滑”掉，连成一条相对平稳的趋势线。 简单来说，均线主要分为两种常见类型： 1.简单移动平均(SMASimpleMovingAverage) 计算方式：最朴素的算术平均法。比如“20周期SMA...

创建期货回测工作流 进入AI工作流界面，创建新的空白工作流面板，在AI助手的对话框里提示词输入  AI助手完成工作流创建  运行工作流并查看回测结果 回测运行完成  查看回测业绩  查看交易开平仓详情  策略收益不佳，让AI助手帮助修改 修改建议输入  确认修改内容  重...

一、项目目标：从“能跑”到“敢上实盘” 很多时候策略逻辑本身不复杂，真正难的是让它在真实环境里稳定跑起来。这次的目标是： 用一个简单的RB分钟级策略做载体； 把从日志设计、数据调用、持仓读取、风险控制到自动下单的工程流程走一圈； 最终形成一套“能直接迁移到实盘/仿真”的代码骨架。 当前策略特点： 标的：RB2605.SHF； 频率：以分钟为驱动事件； 核心逻辑： 1分钟+5分钟双周期均线过滤； 固定30点止盈止损； 引入完整日志体系SRLogger追踪每一笔决策...

一专家模式使用 1.1相关流程图 ; ;  1.2布林带趋势跟踪，结合tr以及atr进行的策略研究 1.xxxx; 1.3存在一个创建的模型出现后端接口错...

专家模式 专家模式中调用了一个叫Pydantic库，它的核心作用：数据验证与解析。在Python这种动态类型语言中，变量的类型随时可能发生变化。当你从外部环境（比如前端的API请求、数据库读取、读取本地JSON文件）接收数据时，你很难保证传入的数据格式完全符合你的预期。比如你期望一个代表年龄的整数age，别人却传进了一个字符串"twenty"，如果直接处理，代码在运行到深处时就会崩溃。 Pydantic就是用来解决这个痛点的。它利用Python的类型提示机制，在数据进入你的核心业务逻辑之前，强制...

一专家模式 点击工作流后，展开左边的功能窗口选择专家模式，就能看到整个工作流的树形结构图和每个节点的详细代码 1.1懂代码者的天堂 用户懂python代码话，就能看懂整个工作流的实现逻辑和源代码，并能根据专业知识进行修改和调整，还能增加节点，并加上之前的策略合并相加运行，以达到预期效果。  1.2不懂代码者的翻译助手 1.对不不懂代码者来说，之前AI创建的工作流和代码节点都是天文数字和...

专家模式体验：精细化的投研框架构建 框架外的自由，之前增加了AI助手功能，可以有效的进行股票回测及分析框架建立，这次增加了专家模式，在框架的基础上增加自由度  这是原来的AI自动生成的框架  这是在框架下可以进行的专家模式操作，可以修改其中的各种代码，可以修改各个装甲的相关链接方式，更清晰的设计框架结构  在专家模式下，每个节点所对应的详细代码形式都能展现出来，进行修改。 ![image.png]...

这周PandaAI内测第四周的学习任务。本阶段的核心目标是带我们由浅入深地掌握“专家模式”，从理解底层节点逻辑到亲手编写自定义插件。专家模式不仅将复杂的低代码工作流转化为透明的Python代码，更赋予了用户通过编程扩展平台能力的无限可能。 -------------------------------------------------------------------------------- 一、开启专家模式：探索节点的底层逻辑 专家模式是连接可视化界面与底层代码的桥梁。通过该模式，我们...

前面我们所学习到的都是通过AI助手自动构建的工作流，对于我们来说像一个黑盒，不了解其中的运行逻辑和原理，只知道输入和输出，这周学习的专家模式可以让我们直观的看到黑盒里面的具体逻辑，而且可以根据自己的需求不断优化，让整个流程变得可控。接下来介绍专家模式的使用。 1、如何进入专家模式，在打开一个已有的工作流，切换到“专家模式”选项卡，可以看到所有节点的树状图，单击每个节点可以跳转到对应的代码块。如下图：  2、专家模式中编辑代码块新建 在专家模式中，点击编辑框下方的“p...

一专家模式的使用 1.1专家模式 AI工作流里面选了官方提供的双均线趋势策略  专家模式的位置还是在一个比较醒目的位置 里面有各个节点修改的位置，这些需要一定代码能力的; 还能自由添加节点修改; -官方提供了专业方面的教程 1.2总结 1.总的来说，还是挺不错的，可以提供给交易者有自由修改空间; 2.这个如果提供框架，然后本地部署，这样会更好;

1.1什么是量化投资 量化投资的本质 量化投资是一种基于数学模型和计算机程序进行投资决策的投资方式。与传统的主观投资不同，量化投资试图通过系统化、数据驱动的方法来克服人类情绪和认知偏差对投资决策的影响。 量化投资的核心思想可以用一句话概括：通过大规模历史数据分析，寻找能够产生超额收益（Alpha）的规律，并利用计算机程序自动执行这些规律。 量化投资vs主观投资 |维度|主观投资|量化投资| |------|----------|----------| |决策依据|投资者的经验、直觉和判断...

这周开始接触专家模式了，不能算新手小白了吧。 先做作业 专家模式其实确实是个好东西，可以把自己的想法打包成节点，但是自己还不是很会用  产品使用瓶颈和建议 1.1瓶颈 玩了一个月的pandaai，这周进入瓶颈期和深水区了，琢磨了一圈有点不知道要干嘛。 1.想基于自己的日线级别改一个15分钟级别的分钟界别策略，一直改不出来。 2.想根据自己表现比较好的日频策略用机器学习把静态的参数改成动态的，但是节点调试...

一、专家模式使用操作细节  题外话：望而生畏，能不能来个中文设置呢。[狗头.jpg] ——————————以下正文——————————   操作步骤： 点击“+”号添加代码框； 鼠标右键，选择“填充节点模版”； 点击运行，测试功能是否正常or报错； 左键点击节点标题（紫色的字），拖动到画布中，即可生成节点。 _ 返回节点库，可以看到“用户自定义节点”。 在节点库中，可对自定义节点进行“编辑”和删除；...

专家模式的操作步骤 之前是直接调用节点来进行工作流的设计，现在可以点击专家模式来观看其底层的代码。接下来我们分步骤来看如何操作。 1.点击创建工作流  2.点击专家模式  3.点击Python在输入框点击填充节点模板代码 ...

一、专家模式尝试下面是个人的理解 1.要理解其实专家模式是py代码与工作流互相交付函数组成的，作为一个0基础的，在未能理解这个逻辑的时候，根本不明所以无从下手。 2.工作流里面的因子构建或代码或公式均为底层代码，本身并不能连接数据。 3.工作流中的回测与分析节点，在工作流中是无法直接看到代码实现的，但是在专家模式中可以看到框架逻辑。 4.建议把代码说明书放在前面，方便理解 二、下面将顺着这个逻辑进行专家模式的理解尝试 原工作流  2.1专家模式的进入 ![image...