回测策略实战检验 1.1MACD 这段代码实现的是一个基于MACD指标的螺纹钢期货（RB2605.SHF）趋势跟随策略，核心逻辑如下： 初始化阶段（initialize）： 设置期货账号context.account='5588'。 关注合约为RB2605.SHF，保存到context.future_contract。 定义MACD参数：短周期12、长周期26、信号线周期9。 初始化一个空列表context.historical_prices用来保存历史收盘价。 每根Bar运行逻辑（handle_data）： 1）数据获取与预处理 从当前bar中取出该合约的收盘价close_price=ba...

一期货市场因子分析 在官网顶部导航栏的<AI工作流中新建一个空白的工作流,然后使用AI助手来创建工作流.在对话框中输入内容即可:  通过问pandaai了解公式的含义  1.1启动工作流并回测 点击页面右上角的<启动工作流,等待一会就能回测完成.  1.2查看回测结果   二期货策略回测 1.1创建流程 在官网顶部导航栏的<AI工作流中新...

1.前提提要 前面已经可以让AI助手生成可以跑通的期货回测的工作流，以下截图展示结果，仅供参考。   2.本周内测任务 我利用上面提到工作流连接了仿真盘，并成功启动，但因为在非交易时间，没有数据显示，但能迅速的连接和启动  下次我将在交易时间测试...

期货回测连接仿真交易 1.1构建策略 1.一句话，启动AI：只需简短描述您的交易灵感，AI即刻响应，为您搭建策略代码与工作流。  2.找BUG，AI智能修复：回测遇到小麻烦？查看日志精准锁定问题，召唤AI智能修复，难题迎刃而解。  3.看绩效，精益求精：修改回测频率再次运行，直观查看回测结果，根据数据反馈不断优化，让策略更强大。  1.2连接仿真实盘，...

上次分享一个我最近在PandaAIQuantFlow里做的期货策略实验：用动量与波动率构建复合因子，先做回测验证，再连接仿真交易观察执行效果。 这次来分享一下思路提供各位参考。这个策略表面上看是“动量因子组合”，但它并不是那种简单追涨杀跌的直线型趋势系统。 它更接近一种：在中短周期价格偏移中寻找相对有质量的回归机会，并通过波动率、流动性和趋势质量做过滤。 所以它的交易特性，实际更偏向一种受约束的均值回归风格，而不是裸奔式趋势追逐。 --- 一、研究出发点 做期货因子时，我有一个很现实的观...

一因子原理 我们先明白一个原理，主力一定是在低位建仓，一定是在波动小的时候建仓，不会在暴跌，暴涨的票建仓，反之如果建仓，那之前被套的不就解套了？大资金就成接盘侠了。所以也产生了一个反人性的逻辑事实，就是是因为他们建仓，所以那里才成为低位。 二利用原理反推因子规则 接着前面的话说，要规避掉暴涨，暴跌的票子，那么就是在大盘里面找价格比较稳定的，赌主力要拉这个票，于是我让ai帮我写一个策略，就是找价格稳定的来投资，代码： classStabilityRankFactor(Factor): de...

一引言 本文基于下述研究框架撰写： [基于机器学习的多因子选股策略](https://www.joinquant.com/view/community/detail/7a63b350815f79bfd4d83ab22d0f291a?type=4) 1.1研究背景 当前市场处于经济弱复苏、流动性宽松与高波动并存的复杂环境之下。投资者对收益的需求与对风险的规避形成张力，使得策略分化格局愈加明显。在这样的市场背景下，小市值股票凭借其高弹性在反弹行情中具备出色的表现潜力，而红利低波股票则依靠其高分红特...

AI助手生成工作流的报错问题 1.1AI助手生成工作流没有产生交易的问题 反复运行了很多次，一直提示没有查验处有效的业绩数据，报错的信息主要是回测相关对象ID的校验错误; 可能性有两个，1是期货回测节点输出的回测ID为空或非法，2是回测结果在结果服务中不存在或已失效; 如下图所示  根据提示反复校验了很多遍，代码修改中放开了交易的阈值，又反复调整报错的方式，尤其是采用了断绝外部依赖以及报错能忽略后继续运行的方...

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...

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...

策略生成调整实盘回测全流程操作 1.1AI助手生成根据自然语言生成工作流后，运行工作流根据运行情况：如代码问题就用AI助手修改代码问题，若是策略逻辑和指标需要调整就用AI助手进行工作流修改调整，以至达到最佳效果。 有些还能通过AI分析回测结果详情形成分...

摘要 本研究报告基于聚宽量化平台，构建并验证了两种不同的多因子选股策略。通过对A股市场2015年1月1日至2025年1月1日的实证研究，我们发现策略一(ARBR技术指标策略)表现显著优于策略二(多因子打分策略)。策略一实现了2345.02%的策略收益，年化收益率高达38.92%,夏普比率为0.456,最大回撤为31.70%,展现了卓越的风险调整后收益。策略二则获得30.79%的策略收益，年化收益率为2.80%。研究证实了技术指标与基本面因子结合的有效性，为量化投资实践提供了重要参考。 一、引言 ...

摘要 本报告对基于不同逻辑框架的两套股指期货量化策略进行了为期十年（2015年1月1日至2025年1月1日）的全面实证分析。 （一）策略一（动态趋势跟踪模型）与策略二（优化版本，跨期套利统计套利模型）​在相同的市场环境下展现出截然不同的风险收益特征。策略一以214.35%​的总收益率、12.50%​的年化收益率及-34.21%​的最大回撤，展现了趋势跟踪策略的进攻性；而策略二则以1675.78%的总收益、34.43%​的年化收益及-17.13%​的最大回撤，实现了风险与收益的完美平衡。 （二）核...

一、引言 在A股市场中，中证500指数作为表征中小盘成长股的核心指数，兼具高弹性与高成长属性，长期以来受到量化投资者的广泛关注。本研究构建了一套创新的多策略融合量化投资体系，将指数增强策略与期货CTA策略有机结合，通过基本面选股与趋势跟踪相结合的方式，在控制风险的前提下追求稳健的超额收益。 随着市场有效性的逐步提升，单一策略的超额收益空间逐渐收窄，而多策略融合的投资框架展现出更强的适应性。本文基于Python量化交易框架，构建了一套以中证500指数为基准的股期混合策略，通过基本面多因子选股筛选优...