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...

为什么改造gplearn 1. 框架简洁代码精炼。之前被Qlib深度折磨过（以前文章写过https://www.pandaai.online/community/article/130）。Qlib投研全流程环节多模块多，而后期可能提交维护投入变少越来越臃肿。gplearn就是['genetic','functions','program','fitness']，然后再加上一基础设施'utility'五个部分。核心因子公式program的遗传变异进化操作就是围绕着一个list列表对象实现的（再次...

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 ![184194a01...

一般投研写代码开始，环境会固定下来，生产时的环境更是如此。但是一旦需要新建更新迁移环境，添加删除更新相关的库，还是会耗费不少时间精力。我写几个目前为止可能有用的实践经验。 管理工具 conda用于环境创建管理是最好，对库的安装管理就未必（确实比较慢）。pip的资源最全面，较新mamba的管理也很全面，逻辑更优化速度会快很多。 库源 就我们金融量化领域最重的几个库源：-cconda-forge-cpytorch还有英伟达。 添加到默认路径里condaconfig--addchannels-conda-forge 如果慢，可以把清华和阿里的也添加进去，但优先级设置低一点。 安装更新 确定本次...

<fontcolor="brown"一、引言</font <fontcolor="red"文科生学量化需要学编程吗？</font  上次我们已经学习了Python安装与配置的相关内容。这次将运用已学的编程知识，简要介绍Python的4个基础模块：数据结构、流程控制、函数用法、类与对象。在开启编程学习之旅前，我们需要明确为什么要学编程，以及该怎么学。 <fontcolor="brown"二、编程</font <fontcolor="darkblue"为什...

第一次用pandaAI，感觉复杂的量化工作，可以用大模型工作流来，方便完成，希望这款高压工具可以适合，中国散户，市场应用前景就更加广阔

⭐️内测心得 最近拿到PandaAI量化平台的内测名额，抱着试试看的心态把从策略导入到仿真实盘的流程完整走了一遍。说实话，之前折腾过几个平台，要么环境搭半天，要么界面找半天按钮，这次是真的有点惊喜——整个过程顺得让我怀疑“量化还能这么简单？” 最爽的就是这流程顺畅多了：模板一拖就进来，想改两行参数点几下就存好，接着建个仿真账户、划点钱进去，一键开跑，日志和成交记录直接就出来了。以前手动交易的时候，得一直守着屏幕，怕错过信号，一天下来眼睛累得不行；现在全让策略自己跑，看着它该下单就下单、该平就...

PandaAI20251215内测实录Day1 1.1实盘截图 Day1;  1.2相关ERROR的类型以及解决方法Day1 笔者发现工作流或者代码报错，没有相应的错误指南，因此记录下自己遇到的错误类型及解决办法，仅供参考 1.ERRO...


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...

<fontcolor="brown"一、引言</font <fontcolor="red"Python是一种“胶水语言”，能够整合多种库与工具！</font  Python是“胶水语言”，能够将各种不同的库和工具粘合在一起，创造出强大的解决方案。 在上一次的介绍中，我们已经讲解了Python基础的4个模块（数据结构、流程控制、函数用法、面向对象）；本次将聚焦Python的进阶使用方法，以及数据分析领域的核心工具库。对于刚开始接触量化分析或数据分析初...

一、引言 近年来，随着中国资本市场的快速发展和机构化程度的不断提升，因子投资（FactorInvesting）逐渐成为量化研究的重要方向。其中，小市值因子（SizeFactor）与红利低波因子（Dividend&LowVolatilityFactor）是最为典型的两类策略，分别代表着成长性与稳健性的两种投资风格。 小市值策略依靠规模较小企业的成长潜力，在市场复苏与扩张阶段往往能够获得较高的超额收益。然而，小市值股票普遍流动性不足、业绩波动较大，导致其在市场下行阶段容易出现剧烈回撤。与之形成对照的...

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 

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...

一、引言 1.1研究背景 在金融投研领域，量化投资已成为不可或缺的一部分，它通过数学模型和计算机算法来执行交易决策，极大地提高了投资效率和准确性。 本文旨在为那些希望踏入量化投资领域，但缺乏技术基础的投资者提供一个全面的技术因子整理框架。我们将详细解析各类技术指标因子的计算方法及其在市场分析中的应用，帮助投资者构建坚实的量化投资基础。 1.2研究目的与范围 核心目的：构建一套可直接复用的技术因子计算框架，明确各类因子的“计算逻辑→应用场景→信号含义”，避免投资者陷入“指标堆砌”的误区。 研究范围：聚焦技术面因子（不涉及基本面因子如PE、ROE），覆盖8大类指标（移动平均线类、趋势指标、动量指标...

[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！  ...