做完了测试 今天做完测试，感觉Pandaai极大地方便了量化，降低了门槛，期待解锁更多功能。

报告原文下载链接：https://pan.baidu.com/s/165I89OfDhxVeoCdtWDylDA提取码：cryy 高、低位放量是技术分析中经典的价量形态，通常被用于择时或事件驱动类型的研究，本篇报告尝试将其拓展到横截面选股领域，构建有效的选股因子。按常理来说，若股价触发“高位放量”形态，往往预示着主力资金开始出货，股票未来下跌的概率较大；反之若触发“低位放量”形态，则通常表明主力资金开始进场，股票未来有正向超额。  在本篇研报中，标签有每日开盘价...

市场状态感知动量因子的完整代码实现及结果对比分析 前言 前两篇文章我们讨论了市场状态感知因子设计的思路和流程框架，本篇我们继续尝试市场状态感知的动量因子的完整实现方法，并附上详细实现代码。 市场状态感知是有意义的探索。本次实验分别以CSI300、CSI500、CSI1000股票池为例，使用三组动量-收益窗口配对进行对比研究： 5日动量1日收益 20日动量5日收益 60日动量10日收益 实验结果发现： 在所有组别下，我们设计的市场状态感知动量因子均优于原始动量因子。 沪深300和中证500...

因子积累的探索与踩坑 1.1探究的原因 因为XGB或者MLP等等吧，模型如果需要有好的效果，最核心的不是模型参数或复杂度，而是因子的非线性复杂度要高。核心还是因子。一般作为普通投资者来说，最简单的就是研报复现以及公共平台的因子获取，虽然已经没什么超额了，但也属于“没得选的选择”，所以先试试看吧。本次记录的就是研报复现和平台获取因子的过程。 1.2研报复现的过程 找了上个月最新的一篇研报，叫《20250602-东北证券-盈利偏度和估值偏度因子》，这篇研报主要讲的是：传统偏度研究多聚焦在收...

因子积累的探索与踩坑 1.1探究的原因 因为XGB或者MLP等等吧，模型如果需要有好的效果，最核心的不是模型参数或复杂度，而是因子的非线性复杂度要高。核心还是因子。一般作为普通投资者来说，最简单的就是研报复现以及公共平台的因子获取，虽然已经没什么超额了，但也属于“没得选的选择”，所以先试试看吧。本次记录的就是研报复现和平台获取因子的过程。 1.2研报复现的过程 找了上个月最新的一篇研报，叫《20250602-东北证券-盈利偏度和估值偏度因子》，这篇研报主要讲的是：传统偏度研究多聚焦在收...

一、引言 近年来，随着A股市场机构化率的显著提升，指数增强策略（IndexEnhancement）逐渐成为量化投资领域的重要研究方向。与传统被动指数投资不同，指数增强策略旨在在严格跟踪基准指数风格、行业权重和风险暴露的前提下，通过系统化的选股、因子构建与组合优化获取稳定的超额收益（Alpha），从而在风险可控的条件下增强整体收益率。 中证1000指数作为反映中国中小市值公司整体表现的宽基指数，其成分股数量多、行业分散度高、个股波动性强，为基于量化因子进行指数增强提供了广阔空间。尤其是在近年来的市...

一错误类型 1.1工作流错误类型 1.时间格式不匹配; ERROR2025/12/1514:00:41 节点执行异常:1validationerrorforStockBacktestInputModelValueerror,unconverteddataremains:[type=value_error,input_value={'code':'frompanda_back...84654rowsx3columns]},input_type=dict]Forfurtherinformationvisithttps://errors.pydantic.dev/2.11/v/value_erro...

优秀的AI量化普及仿真软件平台1 1.1传统算法和机器学习的融合 由于博士期间做管理学和AI交叉融合的研究，然而AI让我非常惊喜经验，管理学却让我无比痛苦。因此毕业以后，不再从事管理学，而是决定寻找AI的其他研究方向。尝试过AI机器方向后发现这个方向还有中期来难以克服的困难导致其不能投入工厂工作，这意味着中短期内很难转化为生产力，此外也需要补充非常多机械自动化的基础知识，专业壁垒较大;后来同学推荐AI量化方向，这个方式与博士期间的研究基础相通的更多，并且学透以后能够尽快转化为生产力，因此自学已经三五个月了。这个方向的传统算法比较受限，如VARMA主要是基于线性拟合特性来进行时间序列预测，而...

上一篇文章我们介绍了高频因子的流动性因子、量价相关性因子，这一篇继续介绍筹码分布因子，并在因子分析的基础上加入策略回测。 研究环境利用聚宽因子分析API，构建因子函数类；研究在日内高频分钟级数据中挖掘构建高频因子，对该因子进行有效性检验，并利用回测平台进行回测。 一筹码分布因子 1.1因子介绍 第六大类因子为筹码分布因子。筹码分布旨在刻画股票持有人的持仓成本分布情况。筹码分布能够直观地展示不同价格区间上的持仓数量，从而帮助投资者判断市场的平均持仓成本。如果大部分筹码集中在较低的价格区间，说...

上手真的快 第一次用，最担心的其实是“我要不要先学CTP、看穿式监管、银期转账”这些词？结果平台把开户、入金、合约映射、交易时段、保证金比例全封装好了，点两下就搞定。结果从跟着指南到完成任务，全程不到30分钟，体验非常丝滑。 总的来说呢，就是用起来感觉很方便。可视化的编辑自己的策略，可以拖拽看起来很高级，可以用ai来帮助我修改自己的代码，我只要想好策略让ai生成就可以了。 这里也是跟着指南让ai帮我改代码，跟用chatgpt一样简单，这个很戳我。 ![195f70262ca36d5010bf...

各类机器学习模型常见的应用场景 1.1机器学习在量化交易当中的底层逻辑 -量化交易的核心是通过数据，统计，找出市场的规律，从而预测市场走势， 常见的规律有线性规律与非线性规律， 而机器学习就像一个“数据翻译官”，能从海量金融数据中找出非线性规律 核心逻辑：用历史数据训练模型，让模型学会“识别”数据中的模式（如价格波动、因子相关性等），再用这些模式预测未来市场变化，辅助交易决策。 1.2二级标题 1.二、常见模型原理与应用场景 1.决策树（DecisionTree） 原理： 像“层层问答”的流程图，通过不断问问题（如“价格是否突破20日均线？”“成交量是否放大？”）将数据分成不同类别。 ...

【内测心得】顺利运行第一条策略 内测 官方给的指导很具体，按照官方给的指导文档或视频教程，很顺利的完成了仿真实测。 

一期货回测实操 1.1策略实盘回测操作 策略设计并生成工作流： -策略回测和实盘交易： 1.2整个流程 1.策略导入及AI修复：按教学视频轻松导入策略代码，并启动工作流，对于工作流执行中发现地的代码错误，通过AI自动修复，能轻松解决，这就是我们平台最大的估势之一；然后根据要求还可以用AI根据自然语言修改策略代码：本次修改内容为：（修改交易规则为做多时，价格高于10日均线买入开仓，价格低于10日均线卖出平仓，做空时价格低于10日均线卖出开仓，价格高于10日均线买入平仓），代码修改后保存并启...