密码登录
手机号
密码
多空持仓控制仿真策略 学习到了需要在代码中修改绑定账户，即每个盘的账号不同，这个非常容易遗忘从而无法跑通策略。 多周期目标止盈 1、运用ai去了解代码的含义，不停地问答，ai回答的清晰易懂 2、我根据自己的思路去修改了交易条件：即根据RSI的数值去判定进出场位置，我设置的条件为RSI<=30与RSI=70做多与做空，并且在盈利条件下每跑出10个点加仓一次，统一在第一单达到50个点平仓。 K线形态交易 给ai说明了我想要进出场的K线形态，设定好做多和做空分别对应的三根K线形态。 问题：在上周...
先上战绩 两个账号总持仓190手黄金期货，浮盈近600万，收益率近19%！ |交易标的|保证金比率|杠杆率|截图最新价| |-|-|-|-| |AU2602.SHF|≈16%|6.25|1012.44| |账号|持仓手数|持仓均价|持仓市值|保证金|浮动盈亏|收益率| |:-----|:------|:--------|:--------|:------|:------|:-----| |账号1|127手|980.74|≈1.286亿|≈2057万|+402万|+19.57%| |账号2|6...
振奋人心的好消息 1.1终于实现通过AI智能体修改策略代码，提高策略年化收益率； 工作流正常运行后；通过分析结果再通过AI智能体修改策略代码提高年化收益率；这功能太香了！！！  1.2策略实盘交易有结果了：实盘交易终于出现了策略回测中的买卖动作，这就说明平台能真正实现量化精神，实现策略交易，不受人的情绪干扰; 1.设定时间交易策略  2.期货多品种交易策略;  至此平台从数据-策略设计-回测结...
回测策略实战检验 本次任务的目标是将历史回测表现良好的策略，直接迁移到仿真实盘环境中进行实战验证。通过超级图表平台，我们可以无缝衔接回测与实盘，无需二次开发代码。 下面是完整操作流程 一、策略准备与检查 1.导入回测策略 进入“AI工作流”模块。 点击“导入”按钮，选择之前已完成回测的策略模板文件（例如跨期套利策略或MACD分钟级策略）。 导入成功后，系统会显示策略详情。  2.配置并试运行 为新导入的策略创建一个独特的工作流名称（如“跨期套利_实盘测...
没有交易的策略实操心理没味 1.1之前一直没有交易数据，越操作越没劲；今天平台解决这一问题，终于能实盘交易了，哪怕是负年化率也比不交易好！ 通过AI智能修复和AI分析策略，加上提示词调整，能让策略从年化率0.00%提高到86.66%，这真是伟大的功能; 策略目前是负数，跑几天看看最后情况，看能否和策略回测结果一致; 
接口文档 一、通用K线数据 1.获取股票的详细信息 1.1.方法名：get_stock_detail 1.2.入参 |字段|类型|描述|是否必填| |:---|:---|:---|:---| |symbol|Optional\[Union\[str,List\[str\]\]\]|股票代码|非必填| |fields|Optional\[List\[str\]\]|返回字段|非必填| |market|Optional\[str\]|市场，支持cn,hk,us，默认cn|非必填| |status|Optional\[int\]|是否在市，1-在市，0-退市，-1-未知|非必填| 1.3...
【多策略应用与实践】第二周记录 1.仿真账户 首先是仿真账户可以开三个账户，这样可以三个策略同时运行  其次是在策略未启动时，可以对工作流进行配置，这样很方便  2.策略编写 编写策略时，要注意这个数字账户，要填写仿真账户对应的ID   3.个人建议 如果在查看这里，可以直接查看日志，就很方便了 
一、第三周心得 第三周任务已圆满完成，本周最大的收获是使用统一账户“5588”不用繁琐的更换量化程序中虚拟账户，对新手小白是最大的亮点，因临近年底较忙，没有更多的体检到新的程序实盘效果，后期继续追踪，另外听说客户端程序也要上线，期待中，希望能够把各种因子都录入近期，客户想调用那个因子可以自由组合，行程不同的交易体系，应对多变复杂的市场，也可以对客户因子产生的收益进行排名，让更多用户能够产生收益，另外人工智能模块一定要加入，对程序出现的错误进行自动校正比较好。 
一多策略生成AI修改及回测 1.1多策略仿真实盘交易 多策略生成多工作流; 多帐户实盘仿真交易多策略; 1.2多策略回测报告及实盘交易报告 1.生成多个策略并分别形成工作流,注意操作时一定要将策略代码中的持仓帐号改成与实盘帐号一致； 2.AI修改回测代码：AI智能共有三种模式，用于回测代码修改需要选择回测代码修改助手，修改模型目前有两个; 以下是多个工作流的截图： 多策略回策避免其它平台只能单测量回测的和单策略实盘交易的短板，能让用户运行多个策略，增取获利和减负时间，利益最大化； 以下截图是多策略回测的情况： 经过回测实盘交易能清楚看到交易的过程，盈亏数据一目发然。 这是策略...
内测第二周 1.1账户管理，创建3个名称，对应3个工作流  添加3个模拟盘名称;  模拟图
第三周【回测策略实战检验】 本周体验了我个人认为比较重要的回测的的能力，运行的周期，回测速度等目前看对于简单策略来说还是不错的，回测很快，反馈及时。
一期货模拟实盘仿真验证 1.1在原策略上增加多品种交易支持  1.2优化策略的止盈止损条件，在持仓5分钟的逻辑下，增加止盈止损风控  仿真实盘跑起来的效果图 
今天在PandaAI上做了回测的测试，非常方便，json文件导入后一键就可以完成，目前已经做了3个测试，感觉还是很有收获，希望pandaAI越做越好。
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...
今天做了第4次测试 1.期货多品种-仿真  2.设定时间交易_仿真  3.运行结果如下  AI量化的效果还是挺好的，希望以后可以多做做A股的量化
