密码登录
手机号
密码
查看专家模式  我写的代码一开始运行出现了报错 后来显示服务器满了  最后成功解决并运行
专家模式的使用 1.1进入专家模式 PandaAI不仅提供了简洁直观的图标化工作流，让策略搭建一目了然；更支持一键进入专家模式，让您自由查看和编辑底层代码，兼顾效率与深度。  即便暂时读不懂底层代码，它的开放也让功能修改更灵活，助您打造真正符合自己风格的节点。 1.2新建节点尝试 跟着课程操作，新建一个节点并编辑调试，在原节点下点击“+”新建，填充模版，编辑后自动保存为自定义节点  在这里发现了些小问题： 1.因为这个节点是随意建立的，想删除...
前言：上次用布林带+RSI做白银，回测漂亮，实盘拉胯。这次换动量+趋势，把坑踩明白，把流程跑通。量化不是炼丹，是工程。  一、从回测到实盘：动量+趋势策略的落地之路 1.1策略迭代：为什么放弃布林带+RSI？ 布林带的问题：震荡市反复打脸，假突破太多，胜率虚高但盈亏比差； RSI的问题：钝化严重，在趋势行情里提前离场，吃不到大肉； 核心教训：oscillator（震荡指标）在趋势品种上天生吃亏，白银这种高波动品种，得用趋势跟踪思路。...
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： ...
一用AI写代码 写了期货回测--日内黄金合约  1.1运行工作流  查看运行日志 1.2修改代码 
【多策略应用与实践】-第二周使用体验和建议 目前使用优点 整个平台相对完善，策略开发，回测（暂时还没深度体验），仿真，实盘等功能基本都有，可以在一个平台内完成所有操作,目前对于没接触过的人来说，确实是一个可以快速接触，并且跑起来的平台。 可以在任意地点登录web查看修改。 目前感觉不足 1.这个查看运行效果，检查log实在是太难受了，log的窗口小，滑动卡顿，并且还不能下载？（或许我没找到）。强烈建议增加醒目的下载按钮，我之前跑策略回测一年的话都是几个G的log在电脑本地用klog工具打开...
内测第四周-专家模式体验 本周继续深度探索PandaAI，重点体验专为熟悉代码开发的工程师打造的【专家模式】，现将实操过程与功能亮点整理分享如下。 1.开启专家模式 先在PandaAI中选定一个已生成完成的工作流；  通过页面右侧的工具栏，即可进入专家模式，开启代码级的工作流操作。  2.专家模式核心功能探索与解析 代码与工作流单元精准对应：专家模式下，生成的代码文件与工作流的各个单元一一匹配。 ![image.png]...
量化算子工具类使用文档 本文档汇总介绍了因子编写方法量化算子工具类(公式版)中所有函数的功能、输入/输出说明以及使用示例。所有函数均以静态方式提供，调用时直接使用函数名称，无需添加类名前缀。 示例中均采用如下调用格式，例如： python 返回收盘价序列 CLOSE python 返回CLOSE(收盘价)和VOLUME(成交量)的20日滚动相关性系数序列 CORRELATION(CLOSE,VOLUME,20) python 返回收盘价、最高价、最低价三者的均值序列 (CLOSE+HIGH+LOW)/3 --- 基础因子 |因子名|说明| |-|-| |CLOSE|收盘价...
 【第三周实战反馈】AI助手生成复杂策略的探索与期待 各位社区的朋友们好！又到...
摘要 本报告对两套基于涨停板交易但核心理念与实现路径迥异的A股短线策略——“策略一（闪电出击首板模型优化前）”与“策略二（龙头战法二板模型优化后）”——在长达十年（2015年1月1日至2025年1月1日）的完整市场周期中，进行了全面的代码级解剖与绩效实证对比。研究发现，这两种代表了不同短线哲学的策略，其长期绩效与风险特征呈现云泥之别。 策略一（闪电出击）试图通过捕捉上午触及涨停的首板股票，追求当日封板及次日的溢价，其核心是“快”和“概率”。策略二（龙头战法）则聚焦于已有一连板基础的“二板”及以上个股，通过复杂的市场情绪、龙头地位及分时强度分析进行交易，其精髓在于“质”和“势”。 初步模拟...
一如何找到入口 点击截图中的小箭头，由于我的chrome浏览器设置了强制深色模式，这个按钮不是那么显眼，一开始开了好几个网页没找到入口  专家模式功能很强大，相比市面上的其他量化平台，相当于把工作流里很多黑盒的东西，呈现出来了，这样如果日后做成了好的策略，会更有信心去实盘，能看到工作流里的源码，对细节更加了解，菜单按钮也比较多，可调试性和扩展性，对于我们想深入研究策略的细节提供非常大的帮助，看了李建老师的分享视频，哇，当时的感受就是，如果想要深入了解策略，这就是利...
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...
想做一个黄金期货实盘测试，通过pandaai来搭建非常简单快速，几分钟就能搞定 通过给ai助手提问，等任务结束后进行，进行保存，并运行  检查运行结果 检查收益概率：重点关注年化，夏普，最大回撤等  查看交易详情  查看账户信息  完成上面这些，就可以在超级图表的实盘运行界面，进行实盘模拟了 部署实盘  希望尽快打通股票实盘吧，目前暂无期货研...
最近我把原有的量化工作流，切到了专家模式。 如果只看表面，专家模式像是把更多节点、更多参数、更多代码入口摆到了你面前。 但真正用下来，我的感受是： 专家模式的价值，不是“更复杂”，而是“更可控”。  在普通模式下，很多时候你更像是在使用一个已经包装好的研究流程： 写因子 接回测 看结果 再调整参数 这个流程当然能跑，也能快速验证思路。 但问题是，一旦你开始认真做策略研究，很快就会碰到一个现实：  运行回测产生如下工作流，期间还进行调试，交易为1手  2连接仿真实盘 通过添加模拟账号，创建实盘运行，产生如下结果  3总结 通过测试体会到，ai量化的效率...
回撤结果是，简单的动量因子，大概是失效了，甚至有反效果。  ai给出的原因是  有点懵，代码逻辑还需要去理解。
这一次测试内容主要有平台内测的专家模式功能，包括节点框的逻辑、创建新节点的方法、已有节点的应用，以及期货回测连接仿真交易的操作流程。 1.专家模式节点框 进入官网，点击AI工作流，在已创建的工作流中点击查看，在左侧伸缩边框里点击专家模式，即可看到每个节点框对应的Python代码 -  2.创建新节点 点击节点框下方加号，用Python代码输入填充节点模板，如求两数之和的模板。  3.节点连接 在连接节点框...
研究目标 用双均线（金叉做多/死叉平仓或反手）的经典趋势逻辑，在白银主力合约/碳酸锂/黄金上做一轮年度回测，检验策略在2025年的可用性与回撤表现。 策略规则（简版） 指标：短期均线MA(S)+长期均线MA(L) 交易逻辑： 金叉（MA(S)上穿MA(L)）：开多 死叉（MA(S)下穿MA(L)）：平多（可选：反手做空） 回测区间：2025-01-012025-12-31 频率：分钟 回测流程（用AI助手自然语言生成工作流） 1.输入需求：白银主力+双均线+2025全年 2.自动生成：回测节点+结果汇总节点 3.运行回测并查看指标（收益、回撤、胜率、交易次数等） 过程记录/问题 回测日志...
摘要 本报告对基于机器学习技术但实现路径迥异的两套小市值选股策略—---策略一(传统SVR市值偏离度模型，优化前)与策略二(贝叶斯岭回归多因子评分模型，优化后)进行了长达十年(2015年1月1日至2025年1月1日)的全面实证分析。研究结果显示，策略二以3240.62%的总收益率、43.45%的年化收益率及-28.50%的最大回撤，在收益与风险控制上全面超越策略一(总收益93.39%,年化7.02%)。绩效差距的根源在于方法论的根本性差异。 1.策略一依赖"市值偏离度预测"的单一维度套利逻辑，...
在PandaAI上的第一次量化尝试 在PandaAI（pandai）上尝试了次平台上的“从0到1”的量化尝试：不追求多复杂，先把一套能跑、能看、能回测的策略搭起来。这里记录一下我的第一手体验 总的来说，有如下一些优点 -写代码的地方、看效果的地方、做执行的地方，基本都能在一个平台里闭环。 -可以使用平台的ai助手直接修改交易代码，目前主要py，看起来一些小的功能和改动都是正常的。 -整个平台依托于远程网页，可以在任意有电脑的地点登录，将一般自己部署vps之类的与交易相关不多的都屏蔽了。专注交易。 后续我继续试用，看看策略具体的一些运行效果，以及调试迭代过程中继续体验
