报告原文下载链接:https://pan.baidu.com/s/1ab9uNgS2Ydhimlu1jf5raA提取码:hgei 本篇研报以趋势资金为切入点:通过日内分钟级别的成交量来识别趋势资金，再通过对应的价、量数据推测其交易行为，构建有效的选股因子。该因子主要利用了市场的无效性，根据A股市场散户占比高，定价效率较低的特征，得出主力资金行为更容易产生超额收益机会这一结论，并将将主观交易经验(如“跟庄策略”)转化为可量化的指标。 由于获取数据上的限制，我在复现研报时只采用了2024-03-...

上一篇文章我们介绍了高频因子的动量反转类因子，这一篇继续介绍波动率因子，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。 一波动率因子 1.1波动率因子构建 第二大类因子为波动率因子。波动率因子刻画了股票价格或股票收益在过去一段时间的不确定性程度，高波动率通常反映其不确定性程度较高，未来收益表现可能相对较弱。  将传统的收益波动、振...

摘要 本报告对基于动量效应但实现路径迥异的两套ETF轮动策略： 策略一(双均线动量轮动模型)与策略二(RSRS多因子评分模型)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，结合回测数据研究结果显示： 策略二以惊人的993.04%的总收益率、27.88%的年化收益率及-17.13%的最大回撤，在收益与风险控制上均实现了对策略一(总收益93.39%,年化7.02%,最大回撤-34.21%)的全面超越。从净值曲线形态看，策略二呈现出近乎完美的45度稳健上升趋势，而策略一的...

最近几年在做量化研究时，我有一个很深的感受：A股市场正在发生一些根本性的变化。以前那种靠题材炒作、概念驱动的投资方式越来越难赚钱了，反而是一些基本面扎实的公司开始受到资金青睐。 这种变化背后有两个很重要的推手。第一个是外资的持续流入。我记得2016年刚开始关注北上资金的时候，很多人还把它当作一个短期的资金流向指标来看。但现在回头看，外资买入的逻辑其实很清晰：ROE高、现金流好、行业地位稳固的龙头公司。这些公司可能不是最sexy的，但确实是最赚钱的。 第二个推手是监管层面的变化。2020年的退...

1.1新建回测策略及流程 建立策略后，只需拖入所需模块，通过回测模块与结果模块的灵活组合，即可轻松搭建完整分析流程，如同搭积木般简单直观。  1.2回测结果 启动流程后，静待运行完成即可查看结果，所有相关参数均一目了然。 

最近这段时间，我把精力主要放在了多策略的调整与优化上。目前已经上线了两个仿真实盘策略，运行效果超出了我的预期。值得一提的是，这次我深度体验了平台的AI助手功能，让它帮我修改和优化了几处核心代码。这种“人机协作”的模式真的非常方便，省去了大量查阅文档和调试的时间，效率提升了不止一点点！  我的第一个策略是一个多品种交易策略。逻辑上主要采用了经典的均线上穿与下穿指标。虽然原理看似简单，但在实际操作中，多品种的逻辑...

「策略回测」的体验和心得 在上周我进行了多策略的并行，发现功能不错，还算完善。这周我测试了「回测」功能，让我们来看看它的体验怎么样。 1.1导入策略 首先创建一个工作流，随便命名。然后，选择回测策略的模板文件，完成导入。按照图中展示的那样，对策略进行了实盘前的回测。 ⚠️关键点：确认策略的标的合约（如螺纹钢2605）、交易周期（如分钟线）等参数设置正确。 1.2接入方针实盘 在发现策略回测有正向收益时，我们就可以接入「仿真实盘」，这里不知道「仿真实盘」的朋友，可以看我往期的文章介绍。 ...

一多策略应用与实践 1.1MACD策略 先把MACD-仿真.json导入工作流，即可得到完整的工作流 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 !...

量化实盘第二周 先发一下上次策略的收益  感觉还是不错滴简单的macd策略也可以做出收益，当然很大一部分归功于上周黄金大涨 多策略 这周又在李健老师的指导下，测试了3种不同的策略，是三种不一样的编写思路  有以k线形态判断，均线判断和于当前持仓情况一起判断买入卖出的策略。稍微的窥见了写策略是能用到的逻辑，如何将不同条件组合在一起进行更全面的判断。 目前策略运行还没多久，等能看到收益情况后可以考虑将表现良好的条件组合起来...

框架基本方法 基础方法说明 该策略为事件驱动性策略，需要实现框架中约定的事件回调方法，实现后回测、仿真、实盘通用。 策略头部需要默认引用内置API，运行代码为：`frompanda_backtest.api.apiimport`，后文不再重复赘述。 --- 策略初始化（必选） 函数：`initialize` 描述：策略初始化，主要用于初始化策略上下文中的变量，只在策略启动时运行一次 代码 python definitialize(context): 参数 |字段|类型|描述| |--|--|--| |context|Context对象|策略上下文对象| 例子 python d...

多账户仿真测试 pandaAI能创建三个仿真实盘，这点我非常喜欢。作为以波段交易为主的交易者，我需要一个持续跑波段策略的账户，但如果只有这一套在跑，就很难同时测试其他想法。pandaAI很好地解决了这个痛点——可以为不同策略分配独立账户，做到并行验证与实盘演练。  我目前同时运行三个方向的策略：短线、波段和日内高频。波段策略负责抓住中期趋势，作为我的主力；短线策略则专注日内机会，保持频繁参与市场；日内高频策略...

最近读了一篇关于预测市场套利的论文，让我对"市场效率"这个概念有了全新的认识。作为一个关注量化交易和市场微观结构的人，这篇论文揭示的现象既令人震惊，又在情理之中。 核心发现很简单：在2024年美国大选期间，一群神秘的套利者从Polymarket这个预测市场平台中，悄无声息地提取了约4000万美元的利润。 他们没有预测谁会当选，没有分析选情走势，甚至不关心最终结果。他们只做一件事：在市场定价出现错误的瞬间，闪电般地完成买卖，锁定无风险利润。 这个故事让我想起华尔街的一句老话："在别人恐慌时贪婪，在别人贪婪时恐惧。"但这些套利者做的更极致——他们在别人混乱时，保持着机器般的冷静。 --- ...

这周我测试了pandaAI的一个新功能：先把自己的策略在历史数据上回测一遍，再决定是否上实盘。这样的做法可以在投入真实资金前，先检验策略的基本可行性与盈利能力。 这种流程非常符合量化交易的标准步骤——先用历史数据验证策略表现，确认有获利潜力后再考虑实盘，从而降低盲目入场的风险。 不过在实际操作中，经常会遇到回测结果与实盘表现不一致的问题。回测使用的是历史数据和理想化的执行假设，而实盘会受到滑点、延迟、成交量限制等多种实际因素影响。 因此就需要引入“模拟实盘”环节：在接近真实市场的环境下运行...

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...

一一级标题AI协助修改  1.1二级标题仿真实盘 xxxx; xxxx; 1.2二级标题 1.xxxx; 2.xxxx;

可以创建三个账号，不同的账号运行不同的策略 1.账号之间相互隔离，互不影响，这样可以在同一时间验证多个策略效果，这样能更高效的发现策略实际表现，以及更快的发现实盘策略中的问题，进一步去优化 2.很棒，已经打通了仿真实盘，细节上我想要一个功能就是能及时通知到我微信上，绑定微信的功能，这样能及时知道仿真实盘下单了什么，平仓了什么 下面同时跑多个策略的截图  

多品种和定时交易策略实践心得 本周参与仿真实盘训练，围绕多品种覆盖和定时交易两大核心需求完成了策略优化，在此过程中提高了我的实战问题解决能力，不仅解决了原有策略交易信号不足的痛点，还学会了通过参数配置、时间规则设计激活交易动作，也更懂如何兼顾策略稳定性与灵活性。 1.1多品种策略 之前的单品种策略常出现长时间无交易结果的情况，这次核心调整是扩展活跃合约+保留均线趋势核心逻辑，让策略能同时监控多个高流动性品种，提升交易机会捕捉效率;![c4cdf38287d552a1f820bf8ceb045b...

一修改策略 打开AI工作流，新建工作流把策略拖进新建的工作流中，进入策略把账户改为自己的账户，可以通过AI助手简单调整策略，点击保存。 可以添加节点进行测试，点击右上角选择服务器，然后点击运行，运行完成后； 二创建仿真实盘并运行策略 然后到超级图标界面，选择实盘界面，没有账号的可以点击下方账号管理添加一个仿真实盘账号，创建完成后选择创建实盘，根据提示选择策略和刚刚创建的实盘账号；点击完成创建会自动启动策略。 可以通过下方日志观察交易信息。 假日你仔细观察的话可以看到右边下方可用资...