一回测时频繁相似报错 1、初次与ai助手对话时，无论对策略的描述是否有对回测数据的要求，都会得到相似的报错，且ai自动修复无法解决，如图1-3    二具体建议 1、增加一道过滤，在ai助手中，用户描述交易逻辑后，首先以对话框选择或其它硬编码的方...

一、策略核心概况 本周我们拿到的是一个《多品种期货1分钟MA10短线趋势策略》，可同时交易黄金、沪铜、螺纹钢、焦炭等主流期货品种，核心逻辑是「价格上穿10均线做多、价格下穿10均线做空，同趋势持仓、反趋势平仓」，属于趋势跟随策略。 策略特点：多品种同时运行、单品种独立判断、无复杂指标、规则清晰、风险可控，是非常实用的期货量化入门策略，兼顾稳定性和可操作性。 二、策略交易标的 策略支持多品种批量交易，当前配置4个主流期货合约，可直接修改合约列表拓展品种： |合约代码|交易所|中文名| ...

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...

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...

一尝试多因子在期货上的效果 没玩过期货，对期货不太懂，弄几个多因子直接组合成为策略来试一下效果 1.1期货因子 不了解期货内容，所以用随机两个纯量化因子组合做一个简单的策略来试一下AI的功能 因子1：动量因子 过去20日收益率（扣除最近1日）：(close/close.shift(21)1)100 中期趋势强度 因子2：趋势强度因子（DIF） 基于ADX的+DI与-DI归一化：(+DI(-DI))/(+DI+(-DI))，参数14日 当前多空力量对比 因子组合： 因子标准化：滚动20日Z-s...

多策略调整与优化 1.1期货多品种重要性 本人是期货多品种交易员，根据自己多年学习和实盘得出一些经验，同时说明一下为什么需要期货多品种。期货采用多品种策略，不是为了单纯地增加交易机会，而是为了构建一个更稳健、更具生存能力和更高风险收益比的交易系统。它是专业交易者和机构从“单兵作战”转向“团队作战”的关键一步。; 以下是为什么需要多品种策略的详细原因，从核心逻辑到具体益处展开： 一、核心逻辑：分散与平衡 二、具体原因与优势 分散风险（最根本的原因）-- 平滑资金曲线（提升投资体验和风控） 策...

一生成策略 1.1用AI助手测试一个动量策略 显示未运行，还以为是没成功运行，原来是第一步只是创建工作流，还需要再运行多次回测才行xxxx; 策略运行中，显示这个33.33%进度，还以为死机了，还好不是，后面还是得出结果了 测试出结果，还是挺方便的; 1.2回测发现的问题 1.三月份之前都是没...

一尝试复现中金反转长江证券·高频微观结构因子 1.1前言 最近一次的更新感觉很不错，来试一下如果完全review代码，能不能实现从0直接复现研报中的因子 1.2长江高频微观结构因子 1.当前选择实现的是长江高频微观结构因子，长江证券2021.01《基础因子研究(十六)》中的反转因子，据说年华多空收益33% 2.因子定义 1.计算每日平均单笔成交额D_t=成交额_t/成交笔数_t。 回溯期设定：取过去N个交易日（N=20，须为偶数）。 排序分组：将N个交易日按D_t从大...

提示词： 帮我构建一个PEG策略框架，要求如下：step1：设置沪深300和中证1000为初始股票池，在整体回测前，将当日停牌的股票剔除，得到可行股票池。step2:滤掉市盈率（PE）为负值，或收益增长率（G）为负值的股票。step3：对股票的PEG进行排序，取出PEG最小(且全都小于0.5)的前n只支股票，作为调仓时待买入的股票列表。step4：每次调仓时，先卖后买，腾出资金。对不在待买入列表的股票，执行卖出操作。对在待买入列表的股票，分配资金，执行买入操作。 回测数据： ![截屏20260...

一、整体功能总结 我的这个策略是面向期货（贵金属品种）的自动化交易策略，基于1分钟K线行情，实现“轮换合约+阴阳线开仓+5分钟定时平仓”的完整交易逻辑。 二、逐模块详细解释 1.导入依赖（代码开头） python fromdatetimeimportdatetime importpanda_quant frompanda_backtest.api.future_apiimportfuture_api_quotation获取期货行情数据 frompanda_trading.trading_common.api.apiimporttarget_future_group_order,buy_o...

一周测内容-多品种和设定时间交易 1.1多品种和设定时间交易重要性 做多品种的核心目的不是“多赚钱”，而是“活更久、赚更稳”。 一句话比喻：不把鸡蛋放在一个篮子里，但更重要的是，把篮子放在不同的车上，走不同的路。 三大关键原因： 分散风险：不同品种（如螺纹钢、黄金、股指）受不同因素驱动。一个“出事”（如政策打压），其他可能不受影响甚至受益，避免账户被单一市场“击垮”。 平滑曲线：品种走势不同步（低相关性）。当A下跌时，B可能上涨或横盘，整体资金曲线的波动和回撤会大幅降低，投资体验和风...

设定时间交易_仿真 交易策略概述 这是一个基于分钟级K线判断的期货交易策略，主要特点包括： 交易标的:白银期货AG2604.SHF 交易周期:1分钟K线 开仓逻辑:根据前一分钟K线的涨跌方向决定开仓方向 平仓逻辑:持仓满5分钟后自动平仓 交易方向:阳线开多，阴线开空 策略代码 python fromdatetimeimportdatetime importpanda_quant frompanda_backtest.api.future_apiimportfuture_api_quota...

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]...

一前言 近一年AI炒股期货的广告铺天盖地，很多很多，但是赶紧很多都是噱头，偶尔看到PandaAI第二届线下因子论坛，听到李老师介绍PandaAI的愿景就是让AI量化交易平民化，深受打动，添加小助理开始了解PandaAI，也很高兴这次参加内测更好的了解PandaAI这个平台，下面是我参加内测第一周的学习总结。 二生成工作流 2.1通过AI助手生成基础模型 点击【创建工作流】按钮，选择【创建空白工作流】，如下图：   选择上图【AI助手】，...

第一周任务操作心得 今天完成第一周的内测任务，试用了新开放的AI助手，使用体验还是比较顺利的，我通过AI助手生成了一个简单的双均线策略工作流，在平安银行上进行测试，完成回测，并可通过自然语言进行修改，产生结果如下图：  本来想尝试一下多因子策略，但是运行时提示超负荷，思考怎么优化

摘要 本研究报告基于聚宽量化平台，构建并验证了两种不同的多因子选股策略。通过对A股市场2015年1月1日至2025年1月1日的实证研究，我们发现策略一(ARBR技术指标策略)表现显著优于策略二(多因子打分策略)。策略一实现了2345.02%的策略收益，年化收益率高达38.92%,夏普比率为0.456,最大回撤为31.70%,展现了卓越的风险调整后收益。策略二则获得30.79%的策略收益，年化收益率为2.80%。研究证实了技术指标与基本面因子结合的有效性，为量化投资实践提供了重要参考。 一、引言 ...

摘要 本报告对基于不同逻辑框架的两套股指期货量化策略进行了为期十年（2015年1月1日至2025年1月1日）的全面实证分析。 （一）策略一（动态趋势跟踪模型）与策略二（优化版本，跨期套利统计套利模型）​在相同的市场环境下展现出截然不同的风险收益特征。策略一以214.35%​的总收益率、12.50%​的年化收益率及-34.21%​的最大回撤，展现了趋势跟踪策略的进攻性；而策略二则以1675.78%的总收益、34.43%​的年化收益及-17.13%​的最大回撤，实现了风险与收益的完美平衡。 （二）核...

一、引言 在A股市场中，中证500指数作为表征中小盘成长股的核心指数，兼具高弹性与高成长属性，长期以来受到量化投资者的广泛关注。本研究构建了一套创新的多策略融合量化投资体系，将指数增强策略与期货CTA策略有机结合，通过基本面选股与趋势跟踪相结合的方式，在控制风险的前提下追求稳健的超额收益。 随着市场有效性的逐步提升，单一策略的超额收益空间逐渐收窄，而多策略融合的投资框架展现出更强的适应性。本文基于Python量化交易框架，构建了一套以中证500指数为基准的股期混合策略，通过基本面多因子选股筛选优...

AI助手策略设计及代码形成 1.1首先通过自然语言向AI助手表达自己的想法，比如说：想做哪一类标的；买卖逻辑是什么？风险控制参数是多少？ 1.2代码保存后通过运行工作流，看能否跑通；若不能跑通报错即可根据错误日志让AI继续修改，直至能跑通；运行成功后即可查看策略的收益情况！及策略的其它多种参数：如年收益率、最大回撤率、风险系数、夏谱比率等等。详见策略回测结果截图。  1.3策略回测后在结果展示页面还可以通过AI分析获取策略的调整修改建议及方向：整体...

量化策略程序的下载链接：<https://share.weiyun.com/PiKD4wbH ----