密码登录
手机号
密码
一BBI战法-Agent工作流搭建 1.1编写：BBI线Skills 调用右侧“技能编写助手”; 输入自然语言：“帮我写一个技能：计算BBI线，和返回当前价格和BBI线的百分比，我将用于：跌破BBI线5%，就买入”;  1.2编写：主提示词 1.分为：角色、任务、逻辑; 2.我的提示词; text 【角色设定】 你是一位顶级的“景气度投资专家”，拥有深厚的宏观视野与极强的交易纪律。你目前完全专注于“人工智能（AI）”这一时代级主线。在你的投资宇宙中，你是一个极简...
解决工作流生成完后一直启动不了的可尝试方法（？） 问题的发现 我们有时候工作流生成完后，一直运行不了，如我们输入“根据这个写一个股票基础动量因子分析框架，要完整能运行”后，运行不了，AI怎么修复都没用，如图  可尝试解决方法 在AI助手里输入“用默认配置运行”结果如图 1.2发现过程 我想测试一些因子，让AI助手帮我生成一个最简单的框架，可一直在报...
因子投资作为量化投资领域的核心策略，其本质是通过系统性地挖掘能够预测资产收益的统计规律（因子），构建投资组合以获取超额收益。随着金融市场复杂度的提升和数据处理能力的增强，因子挖掘方法经历了从人工经验到自动化、智能化的深刻变革。本文将结合PandaAI平台的操作规范以及各权威证券研报，系统梳理因子挖掘与因子投资的最新进展与实践路径。 因子投资的核心框架与演进历程 因子投资的理论基础源于资产定价模型，通过识别并利用能够解释股票横截面收益差异的因子来构建投资组合。传统因子主要分为六大类：规模（大小盘）、价值（成长）、质量、动量、红利和低波。然而，随着市场有效性的提升和投资者结构的多元化，传统...
PandaAI智能体工作流指南 概述与挖掘目标 本篇文章主要介绍如何在PandaAI平台构建智能体工作流，帮助用户实现自动化交易分析。平台工作流包含10个核心节点，通过节点间的灵活连接，可实现数据检索、多智能体协作、技能调用、行情分析到交易执行的全流程自动化。 本文将详细讲解各节点功能、连接方法，并通过实战演示帮助用户快速上手智能体工作流的构建。 --- 一、十大工作流节点详解 1.1RAG（检索增强生成） 1.1.1什么是RAG？ RAG（Retrieval-AugmentedGe...
一、研究动机与问题 研究标的：上期能源原油期货SC品种，采用主力合约连续。 （新手小白别担心我手把手教你们） 核心问题： 我们在SC原油期货上，使用简单的价格趋势（动量）策略，是否能在长期上取得相对于“单边多头持有”的超额收益？ 原油这类大宗商品： 经常出现剧烈、持续的单边行情（如2014–2015暴跌、2020疫情、2022能源危机）； 直觉上，顺势交易（趋势策略）似乎更容易抓住大波段； 但市场参与者增多，趋势效应是否仍然存在、是否已经被套利掉，需要通过数据验证。 本...
PandaAI智能体交易工作流以及技能的开发思考 现场是构建一个简单的多智能体交易工作流 进行一个期货智能体工作流生成搭建  目前是一个空的工作流，我们进一步往里面添加详细信息。 技能1  10大类风格因子 这是一个非常经典的结构化风险模型，...
前车之辙，后车之鉴也 1.1前言 1997年亚洲金融危机（The1997AsianFinancialCrisis），也称1997年亚洲金融风暴，是指发生于1997年7月，由泰国开始，之后进一步影响了邻近亚洲国家以及世界各国的货币、股票市场和其它的资产价值的一次金融危机。 1997年亚洲金融危机可以分为四个阶段，第一个阶段主要是在东南亚，1997年5月，国际炒家开始对泰国的泰铢进行猛烈的做空，导致泰铢汇率大幅下跌。 7月2日，泰国宣布放弃固定汇率制，实行浮动汇率制。在泰铢急剧贬值的影响下，菲律宾比索、印度尼西亚盾、马来西亚林吉特也快速下跌，东南亚国家相继出现金融危机。 —————...
构建一个适用于期货/商品市场的量化交易策略 趋势+回调+AI概率过滤+严格风控的多层交易系统 本文分享一个可现的量化策略结构，并通过回测→仿真交易→实盘验证的完整流程进行策略开发。 该策略主要适用于： • 商品期货 • 指数期货 • 金属/能源期货 策略目标： 指标 目标 胜率 65%–72% 最大回撤 ≤10%–15% SharpeRatio ≥1.5 年化收益 25%–50% 核心思想： 通过多层过滤机制，只在高概率环境下交易，从而提高胜率并控制回撤。 一、策略总体结构 策略流程如下： 行情数据 ↓ 特征工程 ↓ 市场状态识别 ↓ 趋势过滤 ↓ 回调识别 ↓ 动量确认 ↓ AI概率过滤 ...
摘要： 本报告为机器学习选股策略系列第三篇专题优化研究，系统比较了两代策略的设计演进与绩效差异。策略一（优化前）基于支持向量回归（SVR）结合RSRS择时信号，以沪深300为基准，持仓10只股票，2016-2026年回测年化收益22.20%，最大回撤43.22%，夏普比率0.838，累计收益601.97%。策略二（优化后）基于多因子线性回归评分体系，以中证500为基准，集中持仓1只股票，预训练五组回归系数覆盖质量、动量、技术与风险因子，回测年化收益大幅提升至49.39%，最大回撤压缩至20.5...
量化交易以其纪律性、系统性和概率优势，在现代金融市场中占据日益重要的地位。然而，历史反复证明，当“模型”成为信仰，当“算法”主导市场，量化交易本身也可能成为危机的策源地。从1987年“黑色星期一”到2024年A股微盘股踩踏，量化危机虽形态各异，却呈现出深刻的共性与独特的时代特性。 一、共性：量化危机的“基因根性” 1. 策略同质化与交易拥挤 这是量化危机最核心的共性。当某一类策略（如统计套利、市场中性、微盘股因子）因历史表现优异而吸引大量资金涌入，市场便形成“拥挤交易”。此时，策略的超额收益（Alpha）迅速衰减，而其脆弱性急剧上升。 ● 案例佐证：2007年“量化地震”中，华尔街多...
一规则类策略与因子类策略的区别 1.1数据连续性不同 规则类策略规定了买卖点，因而是不二类型的，不连续，比较少能够借助统计理论进行统计分析和检验; 因子类策略没有规定买卖点，因此是不二类型的，是连续的，能够借助统计理论进行统计分析和检验，从而可以更科学的进行交易决策;
PandaAI工作流-策略帮助文档 PandaAI官方2025年06月23日 --- 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。 --- 期货策略双模式架构（MODE模式） 策略通过`MODE`变量兼容性能模式和通用模式两种场景，默认`MODE='backtest'`。 MODE说明： `MODE='backtest'`：性能模式。回测速度提升数倍。仅支持回测。 `MODE...
PandaAI内测第5周：从单因子到多因子，我把动量因子重新梳理了一遍 这周我把重心放在了股票因子挖掘上，想先用PandaAI搭一套能跑、能看、也方便继续修改的因子分析流程，为后面的因子大赛做准备。整体体验下来，我最大的感受是：工作流助手确实很适合先把框架搭起来，但真正决定效果的，还是自己对参数、结果和因子方向的理解。 1.先用工作流助手把框架搭起来 我先直接让工作流助手帮我生成一个股票基础动量因子分析框架。对我来说，这一步最重要的价值，不是让AI一次性给出完美答案，而是先把从因子输入、因...
一纯大模型Multi-agent交易智能体-集大成之体验 1.1各种agent节点功能介绍 节点包含10种类型，RAG节点、MCP节点、技能和技能集合节点、提示词输入节点、智能体、智能体集合、智能体聚合、智能体交易和智能体消息共10种节点。 1、RAG节点：负责数据收集，检索财报、数据库资料，将外部知识库数据喂给LLM模型，使模型能给出更真实回答。 2、MCP节点：作为多个智能体的合作协议，确保多个智能体有序工作，明确工作先后顺序和任务分配，解决智能体协作问题。 3、技能集合节点2、：用户可...
因子挖掘的本质：在高噪声市场中寻找弱有序结构 基于统计物理视角的PandaAI因子挖掘实践 金融市场并不是一个简单的预测系统。 如果从统计物理的角度看，它更像是一个充满噪声、扰动、共振和局部有序结构的复杂系统。 大多数时候，横截面收益并不体现为清晰、稳定、强烈的因果关系，而更像是高噪声背景下的一些微弱偏移。真正有研究价值的，不是某个资产下一秒一定涨还是跌，而是某类资产在统计意义上，是否会表现出一种持续性的收益分布偏斜。 这正是因子研究的核心 换句话说，因子挖掘不是寻找“确定性定律”，而是...
一一级标题信智姐得圣杯！！！
一、构建节点（先明确智能体目标） 确定智能体训练方向，通过提示词节点描述出来（最好是按逻辑顺序线性描述一条一条列出，更省算力）；连接智能体节点，可调参数部分有(name):给智能体起个名字，（Description）：描述具体研究方向，让智能体知道往哪方面进行深入分析，（底座大模型）：可选的有很多，免费的DeepSeek-V3,DeepSeek-R1,PandaAI-CQ1,PandaAI-CQ2,需要token费用的，Grok-4系列，Claude-code系列，GPT系列；这些都是多模态大...
