密码登录
手机号
密码
期货日线策略：我在PandaAI上构建期货回测工作流的一次尝试--趋势主导型复合因子 因为要进行这个期货工作流链接实盘仿真验证，临时研究了一下期货因子，所以临时开始梳理一下期货因子的研究和回测路径。 之前我是做股票回测的，为什么这套思路直接搬到期货上不太够，以及我这次在PandaAI上是怎么先搭一版基础期货回测工作流的。 --- 一、我以前做股票回测，更多是“规则型因子”思路 之前做股票回测时，我比较常见的做法是： 把通达信里的选股条件拆出来 转成0/1因子，或者简单线性因子 再做一些...
一期货回测 1.1动量和波动率策略回测 告诉AI助手：帮我写一个期货回测框架，交易逻辑是动量和波动率，在黄金，白银主力合约上测试，时间范围设定在2025年;  回测出来的结果不尽如意，一月份到二月七号都没有进行交易，是系统bug还是策略本身就是这样交易，之前用双均线策略测试也试过这个情况，一月份没有交易。 1.220日动量回测 1.告诉AI助手：写一个期货因子分析及连续回测的框架；因子以20日动量，回测时根据因子排序结果，选择排序前二的标的，...
股票回测连接仿真交易 1.1二级标题 工作流; 回测代码; 1.2交易 1.回测交易; 代码含义 详细解释各个部分： 主要功能 这是一个用于输入和校验Python策略代码的工作流节点，具备代码检查功能。 核心组件详解 1.输入模型`CodeInputModel` python @ui(code={...}) classCodeInputModel(BaseModel): code:str=Field(d...
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...
用2025年的数据，写一个基础动量因子分析框架，用于参加因子大赛 策略准备，工作流创建 工作流; 仿真结果;    1.2策略分析 策略分析和解读 1.因子金融含义与整体设计 这个因子Momentum20DTrimmedZscoreFactor的核心思想： 用20日累计收益率度量动量（momentum）； 对截面极端值做缩尾（winsorize）处理，降低极...
本期基于前期单因子打板策略的实证结果，针对信号稳定性不足、回撤控制薄弱、分组单调性较差等核心问题，系统性引入趋势因子与回撤控制因子，构建「趋势判断+风险约束+打板驱动」三因子复合模型，以下为完整的迭代逻辑、因子体系与实操调试过程。 1.研究背景：单因子打板策略的核心局限&挖掘比赛因子 之前有落地的单一打板因子以资金封板行为为核心信号，在2024年全市场回测中暴露显著缺陷： 因子IC均值长期低于0.01，截面选股区分度不足，分组收益无明显单调性； 策略对趋势环境无适配性，单次亏损幅度显著高...
写在前面：做了两期期货策略，这周咱们换个赛道——打板策略。这是A股最刺激、最考验人性的玩法，也是量化最能发挥优势的地方。我会从零开始，手把手带你搭一套能打板的量化系统，从可视化操作到代码级调试，全流程打通。 一、什么是打板？为什么用量化？ 打板，说白了就是追涨停板。A股有10%的涨跌幅限制（创业板科创板是20%），股价封住涨停后，往往意味着强烈的买盘情绪，第二天大概率有溢价。这就是打板的底层逻辑——赚情绪延续的钱。 但手工打板有几个致命问题： 第一，手速不够。好板往往几秒就封死，人工...
PandaAI工作流节点专家模式原理、步骤、自定义 步骤1｜进入专家模式并理解节点框架 PandaAIQuantFlow的专家模式允许用户直接查看和编辑工作流中每个功能节点对应的Python代码，是从"拖拽式策略搭建"进阶到"代码级策略定制"的关键入口。 如何进入： 点击「AI工作流」，在已创建的工作流中点击「查看」。进入后，在左侧伸缩边框中点击「专家模式」，即可切换到代码视图。此时左侧文件面板会列出工作流中所有节点对应的.py文件，右侧画布仍保留节点连接的可视化视图。 ; ;  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...
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...
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； ! 单因子参数调整后的正因子结果  二多因子框架自动生成 [多因子分析框架.png](6) 调整参数将负因子调整为正因子 ! 三机器学习框架自动生成  通过三种提示词自动生成不同的因子分析框架，并通过运行工作流分析结果进行因子参数...
期货/商品市场的量化交易策略分享 构建一个适用于期货/商品市场的量化交易策略，目标为：胜率：65%–72%最大回撤：≤10%–15%SharpeRatio：≥1.5年化收益：25%–50%策略采用趋势+回调+AI概率过滤+严格风控的多层过滤结构。 一、策略总体结构策略流程：行情数据→特征工程→市场状态识别→趋势过滤→回调识别→动量确认→AI概率过滤→交易执行→风险控制核心思想：只在高概率环境下交易，减少无效交易，提高胜率并控制回撤。 二、市场状态过滤（减少震荡交易）使用指标：ATRADX规则：ATRATR20平均ANDADX18说明市场具有趋势和波动。如果：ADX<15则市场处于震荡状态，不进...
策略生成调整实盘回测全流程操作 1.1AI助手生成根据自然语言生成工作流后，运行工作流根据运行情况：如代码问题就用AI助手修改代码问题，若是策略逻辑和指标需要调整就用AI助手进行工作流修改调整，以至达到最佳效果。 有些还能通过AI分析回测结果详情形成分...
策略概览：多品种均线趋势+ATR动态风控 该策略的核心逻辑是“捕捉趋势”并“量化风险”。它通过监控多个期货品种的均线走势来决定进场时机，并根据市场波动率（ATR）自动计算每笔交易的下单量，以确保账户在极端行情下的生存能力。 1.核心交易逻辑（趋势跟踪） 策略采用了改进型的双均线系统： 信号指标：使用10日短均线（MA10）和40日长均线（MA40）。 做多信号：当短均线向上突破长均线，且突破幅度超过0.1%（`ma_band_ratio`）时，判定为金叉，触发多头信号。 做空信号：当...
一因子挖掘步骤 1.1AI帮写 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  回测后查看结果一秒跑通    1.2对结果进行分析并二次处理   回测后得出处理后的结果...
一、本周研究目标：动量策略对比并仿真 本周我主要围绕期货动量因子做了一轮更系统的对比研究，并尝试把研究结果进一步衔接到仿真交易流程中。 和前两周更多偏向平台熟悉、工作流搭建不同，这一周我开始把重点放在： 1.经典动量因子的搭建与对比 2.不同动量思路在期货场景中的适用性分析 3.基于PandaAI平台进行因子分析与筛选 4.从因子研究继续推进到仿真交易验证 本周实际尝试的因子主要有四类，如工作流所示： 1.基本截面动量 2.波动率调整动量 3.多周期时间序列动量 4.双重动量   上图中的结果RankIC不理想，优化时间周期改成2025年全年，调仓周期由默认的20天改成5天，再看结果  二增加一个Python因子节点和线性因子构建节点 --构建一个综合因子，包含偏中小盘、强势、活跃、趋势稳定、量价健康5个子因子，分配不同的权重，最后线性组合成一个综合风...
用PandaAI构建期货量化策略： 动量+波动率突破框架实测（白银主力合约） 最近在PandaAIQuantFlow上测试了一套期货策略工作流，从策略生成→回测→仿真交易→实盘日志全流程跑了一遍，这里分享一下整个过程，以及一些实际使用中的经验和坑。 测试标的选择的是： 白银主力合约（SHFESilver） 回测区间： 2025年下半年 策略类型： 动量+波动率突破策略 一、策略框架设计 本次策略的核心思想是： 当市场出现动量加速，并伴随波动率扩张时，进行趋势突破交易。 策略逻辑主要结合两个维度： 1️⃣动量（Momentum） 2️⃣波动率突破（VolatilityBreakout） 这种结...
