一、引言： 在进行回测系统的搭建中，了解指标评估因子的质量的意义是重要的，现在写出一篇帖子用于评估策略。 本文采用的策略指标复现源自PandaAi开源项目截取。 量化策略的回测评估依赖多项绩效指标。通过分析年化收益率、超额收益率、最大回撤、波动率、夏普比率和信息比率等指标，可以全面了解策略的收益能力与风险特征。例如，夏普比率是一种衡量单位风险所获超额收益的指标，而超额收益表示相对于选定基准的附加回报。 此外，因子质量指标（如信息系数IC、IC信息比率ICIR、秩相关系数等）可用于评估单个因子的预...

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...

作为程序员，我的代码世界与金融量化之间曾隔着一道厚墙。直到我将DeepSeek与PandaAI这两个AI工具组合使用，墙变成了桥——一道需要精心调试的桥。 整个过程形成了一个高效的“双AI调试环”。当PandaAI平台抛出“Factorclassloadfailed”的红色错误时，我做的第一件事不是盲目修改，而是将完整的错误日志和代码片段丢给DeepSeek。“从程序员角度解释这个量化错误”，我这样提示。DeepSeek像一位耐心的技术导师，指出我混淆了“策略”与“因子”两种编程范式——这如同把面向对象代码硬塞进函数式框架。根据它的指导，我剥离了所有交易执行函数，让代码纯净得只剩数据计算。 ...

<fontcolor="brown"一、开篇</font <fontcolor="red"一切任务都可以抽象成一个工作流！</font  要踏入量化投资的复杂领域，本需艰难拼凑编程、交易实操、高阶数学、AI算法、金融市场等知识拼图。但掌握已专业定制的“工作流”这一核心绝技，就能直接复用专业投资者的经验路径——像搭积木般调用现成流程，把复杂任务拆解成清晰步骤，让新手也能快速对齐专业视角，少踩坑、少绕路，高效逼近量化投资的核心能力。 在20...

第四周多品种交易策略的实现与调优过程 这次实盘模拟交易策略使用多品种趋势跟踪方法，基于1分钟K线价格与10周期均线的关系进行决策。策略核心逻辑简洁明了：当价格突破均线时开仓，当价格回归均线另一侧时平仓，适用于黄金、铜、螺纹钢、焦炭和动力煤等多个期货品种。 策略开发过程充分体现了与AI协作的高效性。最初版本仅包含少数品种，通过向AI助手提出“增加交易品种”的需求，系统迅速给出了扩展建议。正如第一次编码截图所示，AI不仅提供了新增品种的合约代码示例，还详细解释了各品种的交易特性，帮助完善了品种配...

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...

上一篇文章我们介绍了高频因子的波动率类因子，这一篇继续介绍高阶特征因子，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。 一高阶特征因子 1.1构建方法 第三大类因子为高阶特征因子。高阶特征利用股票高阶矩与其未来收益建立联系，刻画日内价格分布以及快速变化的特征，能够有效反映价格的除动量和波动率这样一阶和二阶特征外更高阶的特征。  将分...

我的量化交易-实盘模拟 过去搭建一套量化交易系统，意味着要在数据接口、风控模块和订单执行之间反复调试，往往策略还没验证，大半精力已耗在技术对接上。但这次基于官方框架的实盘体验，彻底改变了我的认知。 最深刻的体会是“专注力的解放”。我不再需要通宵达旦地处理券商API的兼容性问题，而是能够把全部心智投入到策略逻辑本身——就像从修理汽车发动机升级到了专注设计行驶路线。当清晰的策略描述能直接转化为可执行的代码，那种“所想即所得”的流畅感，让交易真正回归本质：对市场规律的洞察与验证。 这次成功跑通的实盘图表，不仅是一组盈利曲线，更是一个重要启示：工具革命的本质是思维升级。AI辅助编程不是替代交易者...

<fontcolor="brown"一、开篇</font <fontcolor="red"工作流解锁量化大众化，全民玩转量化时代已来！</font  上篇文章详细介绍了PandaAI线性模型工作流的完整流程，同时也阐述了策略回测分析与因子相关性分析的具体步骤。正如我们之前所强调的——任何任务都能拆解为清晰可控的工作流，因此我们将进一步把机器学习相关工作流应用到量化分析场景中。 在下面连接中可以看到关于PandaAI工作流的详细介绍和多因子模...