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...
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。
一多策略同时运行 在上次了解过PandaAI的工作流以后，这周进行了一个多策略的同步运行测试。事实上，整个过程非常顺利。 以我的三个仿真账户为例： 多空转仓控制仿真（持续监控调仓时机） 多周期目标止盈（动态跟踪不同周期止盈点） K线形态交易（捕捉关键形态信号） 为什么要进行仿真的「多策略运行」？ 事实上，很多交易员做的都是“时序策略”的交易行为。（即在单一品种上进行交易） 但是“时序策略”往往会遇到几个问题 时序策略真正的结构性问题在于：它试图仅凭单一资产的时间序列，在一个非平稳、状态频繁...
 一期货策略代码结构与功能分析 1.1核心函数组成 initialize(context)：策略初始化函数，在策略启动时仅运行一次，用于设置账户、合约、参数等基础配置； handle_data(context,data)：主策略函数，每个交...
PandaAI的第一周内侧体验 作为一个5年的主观交易员，在听到量化交易可以模块化进行研究回测，我是不太相信的。但是当我打开pandaAI的网页以后，颠覆了我对量化交易的认知。之后就加入pandaAI的群聊，也拿到了内侧名额。所以我来聊聊拿到了内侧名额后的第一周体验。 1.1操作体验 如你所见，内置了很多模块化的设计（如果你有编程基础，也可以自定义），也有很多机器学习的模型。之前我自学了一点机器学习和Python的入门课程，当然是偏向于理论的，但实践能力一直很差。虽然花费了大量时间练习，但也很...
一一级标题网站大部分内容非常直观 1.1二级标题导入策略 xxxx;一开始找不到入口，询问过老师之后对整个页面更加熟悉了 xxxx;跟着视频教学学习了如何导入、修改以及保存我的策略；并且运用PandaAI学习我对于策略不太熟悉的地方  1.2二级标题运行策略 1.xxxx;在超级图表中，学习了如何创建账号，在实盘中运行策略 2.xxxx;学习如何出入金;整个过程非常流畅，操作简单易懂  1.2二级标题运行策略 1.xxxx;在超级图表中，学习了如何创建账号，在实盘中运行策略 2.xxxx;学习如何出入金;整个过程非常流畅，操作简单易懂  再使用回测代码助手微调策略代码 之后选择一个合适的服务器，点击启动工作流，如果运行完毕，没有报红则可进行仿真盘测试 1.2仿真盘测试 在账号管理中添加一个新的仿真盘账号，在创建一个实盘，选择刚刚的工作流  点击启动，静待一会若没有反应刷新页面即可 !...
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...
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...
Learnthenewpolicy 1.1Multi-periodtradingpolicy 该代码实现了一个期货交易策略的基本框架，包括初始化、盘前、交易、盘后四个部分。策略使用分钟数据来判断是否开仓或平仓。交易逻辑基于移动平均线：在没有持仓时，如果当前价格高于两条均线，则开仓买入；在有持仓情况下，如果盈利或亏损达到一定点数，则进行平仓。 1.初始化部分(initialize)：初始化操作，如设定一些初始日志 2.盘前准备(before_trading)：盘前准备操作，可用于检查策略初始化状态。 3.交易时段(handle_data)：根据当前分钟选择合约并从API获取分钟行情数据，计算均...
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。 1.1策略编写 有AI帮助，让策略编写更简单  1.2添加仿真账号 策略编写完成后，运行。然后到超级图标页面添加仿真账号。添加好后绑定上面写的策略，点击运行，即可自动交易了。  1.3入金 
一一级标题 第二轮测试，多策略测试与回测 1.1二级标题   优点：年轻的团队非常有创造力，利用大模型的微调，做了自己的金融大模型，而且应该是国外的大模型！ 利用了软件开发式的，项目工作流原理，应用到了策略开发AI工作流。可视化，非常清晰看懂策略产生的逻辑，尤其是多策略的前后因果关系！大模型的应用最好应用Claude. 1.2二级标题  缺点：需要继续优化改进的地方！ 1、当自动化程序运行出错的时候，左侧有一个日志栏，会显...
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。
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...
[内测心得】AI助力轻松实现策略 1新建策略 遵循官方指南添加策略模板后，只需向PandaAI助手清晰阐述你的策略逻辑，接下来令人惊喜的一幕便出现了——AI将自动为你生成完整的Python策略代码，让你可以更专注于策略本身的设计与优化。  2实盘模拟 2.1建立虚拟账号 建立好自己的虚拟账号，下一步就可以模拟实盘运行啦  2.2启动实盘模拟 打入资金，启动实盘运行看看自己创建的策略接下来几天收益怎样吧 
一一级标题 A量化策略的第一次尝试：未来可期，优化同行！！！ 1.1二级标题 按照视频步骤，先熟悉一遍基础流程！  1.2二级标题 有哪些基本问题需要优化的地方： 1、第一个，当我们用AI助手，修改与分析策略的时候，你可以让助手帮你分析策略代码并且给出注释。 这时候你会发现，代码展示不全，有的地方被下拉边栏遮挡，这些小问题还需要优化，当然这个不属于逻辑问题！  ...
