密码登录
手机号
密码
因子大赛-因子的挖掘 1.基础动量因子分析的创建 通过提示词“帮我生成一个股票基础动量因子分析框架，用于参加因子大赛，在2025年。要完整能运行”驱动生成因子分析工作流，结果如下  运行后可以看见回测结果，可以运算出因子方向与IC值的关系  2.多因子工作流的创建 可以在工作流中添加，大赛因子，产生如下结果  可以进行回测，结果如下  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...
尝试因子挖掘功能 1.1尝试利用AI建立因子 此前未曾将因子应用于量化策略，本次跟随课程系统学习因子挖掘。在熟悉了常用基础因子后，我借助AI对话构建因子流程，并选用Python模式以便清晰查看因子计算方法。   1.2分析各参数对因子的影响 分析因子算法，并调整参数，查看因子分析各结果的变化，找到合适参数  修改因子调仓周期，观察对收益率的影响，找到表现最好...
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： ...
这周已经是我使用PandaAI平台学习和做策略开发的第5周了。 前几周更多是在熟悉平台工作流、AI助手、基础回测和因子分析链路；本周开始，我把重心放在了因子挖掘功能里的机器学习工作流体验上，主要是跟着视频和参考文档，尝试用`XGBoost`、`LightGBM`这类模型做一版“机器学习辅助挖掘多因子”的实践。 整体感受是：PandaAI把机器学习因子挖掘的门槛明显降下来了。以前如果自己本地从零搭一套训练、打分、回测链路，步骤很多；现在用工作流把节点串起来，至少可以先把完整流程跑通，再逐步调特...
面向小白的多因子组合策略入门指南 在本周的学习中，已经进入到实质性的内容，之前都是在为今天的课程内容做铺垫。在整个流程中，先将想法变成可量化的因子，组合之后形成多因子策略，再运行策略，再查看回测报告，研究是再否可再优化。 整个流程可以概括为：将想法转化为可量化的因子→组合形成多因子策略→运行策略→查看回测报告→研究优化空间。 从最初理解什么是因子，到掌握各类因子的特点，再到学会将多个因子组合并调整权重，每一步都在为最终的策略构建打下基础。当我们完成策略搭建并运行回测后，通过分析各项指标（如...
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]...
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...
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...
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；  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...
一单因子框架自动生成 通过提示词让AI助手自动生成因子分析框架工作流 ! 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...
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：  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...
因子挖掘的本质：在高噪声市场中寻找弱有序结构 基于统计物理视角的PandaAI因子挖掘实践 金融市场并不是一个简单的预测系统。 如果从统计物理的角度看，它更像是一个充满噪声、扰动、共振和局部有序结构的复杂系统。 大多数时候，横截面收益并不体现为清晰、稳定、强烈的因果关系，而更像是高噪声背景下的一些微弱偏移。真正有研究价值的，不是某个资产下一秒一定涨还是跌，而是某类资产在统计意义上，是否会表现出一种持续性的收益分布偏斜。 这正是因子研究的核心 换句话说，因子挖掘不是寻找“确定性定律”，而是...
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，...
一学习如何挖掘因子 1.1价值因子和动量因子 学习如何把各个因子之间的权重串联起来，并且完成回测 
