趋势跟踪
趋势跟踪标签描述

期货日线策略:我在PandaAI上构建期货回测工作流的一次尝试--趋势主导型复合因子 因为要进行这个期货工作流链接实盘仿真验证,临时研究了一下期货因子,所以临时开始梳理一下期货因子的研究和回测路径。 之前我是做股票回测的,为什么这套思路直接搬到期货上不太够,以及我这次在PandaAI上是怎么先搭一版基础期货回测工作流的。 --- 一、我以前做股票回测,更多是“规则型因子”思路 之前做股票回测时,我比较常见的做法是: 把通达信里的选股条件拆出来 转成0/1因子,或者简单线性因子 再做一些...

一初始认识pandaAI 1.1程序化到量化的升级 主观交易到交易程序化; 通过AI对程序化策略的优化,进化; 后续通过学习更新策略,用AI赋能交易之路,共勉!祝PandaAI越来越好!2026马到成功! ![微信图片_20260216005234_1_444.png](1) 附(策略的AI智能分析): 整体来看,这个MACD期货策略回测表现“明显不及格”,风险调整后收益很差,明显跑输基准。 1)整体评估与评级策略年化收益(back_profit_year)≈0.005%(极低),而基准...

第1节期货策略构建与回测 AI助手生成策略代码与回测工作流 策略构建与回测的提示词输入 ![image.png](1)xxxx; AI助手成功创建工作流 ![image.png](2) 启动工作流并成功完成回测 ![image.png](3) 查询回测结果 ![image.png](4) 发现结果异常,似乎没有交易操作,查看交易详情,发现页面空空如也 ![image.png](8) 进一步查看日志,发现确实没有任何开仓与平仓动作 ![image.png](5) 打开代码节点,向A...

PandaAI创建多因子期货案例-实战-1330%回测收益率(上) 1.进入AI工作流 进入到PandaAI官网,点击"AI工作流" ![初始界面](15) 2.认识工作流界面 进入到界面之后,我们可以看到界面分为以下几个部分 ![工作流界面](29) 3.点击创建工作流 点击"创建工作流",我们可以看到以下界面 ![创建工作流](16) 4.认识工作流使用界面 相关画布说明已经绘制到图片中,可以查看相关细节 同时要注意:一开始请使用基础服务器,因为工作流运行出错也会消耗算力哦,其次不要点击左...

  大道至简   2026年02月14日   262   3   3 趋势跟踪经验分享中频交易

PandaAI创建多因子期货案例-实战-1330%回测收益率(下) 12.问题大总结 怎么可能不报错?各种报错好叭?接下来展示各种报错,以及解决方案。 12.1运行成功后报后端接口错误 恭喜你,撞大运了!(第一位遇到这个bug的玩家就是我)成功运行后点击查看结果,会弹出后端接口报错! ![后端接口错误](22) 解决办法: 1.请退出当前网页,重新登录,然后再次运行工作流。没准下一次就能查看了 2.如果这种方法还是不成功,请联系官方技术老师,这是个bug,截至2026年2月14日,官方还没有修复...

  大道至简   2026年02月14日   336   4   0 趋势跟踪经验分享中频交易

整体思路 经典期货思路——展期收益率做多。ps只是思路构建,抛砖引玉,无代码 1.1核心逻辑 核心思路:近月合约大于远月合约,代表近期需求量大,所以追高 基本面佐证:库存率,开工率,基差来确认。价差会持续扩大,而不是回归均值 股市验证:沪深300指数,均线多头排列,参考经典的复苏顺序,有色,黑白金属,化工,逻辑验证是否处在经济复苏中 1.2标的选择 我个人比较喜欢固定标的池,可以都做一些基本数据上的整理。 1.标的池:低相关性,并有能获取相关数据的数据标的,构建截面标的池,个人拍脑袋,豆粕,螺纹钢,铜,甲醇,塑料(LLDPE) 2.目标合约: 近月合约选择主力合约:成交量、持仓量最大的合约,代...

  学习就完事了   2026年02月10日   134   0   0 趋势跟踪中频交易

写在前面:做了两期期货策略,这周咱们换个赛道——打板策略。这是A股最刺激、最考验人性的玩法,也是量化最能发挥优势的地方。我会从零开始,手把手带你搭一套能打板的量化系统,从可视化操作到代码级调试,全流程打通。 一、什么是打板?为什么用量化? 打板,说白了就是追涨停板。A股有10%的涨跌幅限制(创业板科创板是20%),股价封住涨停后,往往意味着强烈的买盘情绪,第二天大概率有溢价。这就是打板的底层逻辑——赚情绪延续的钱。 但手工打板有几个致命问题: 第一,手速不够。好板往往几秒就封死,人工...

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...

【内测心得】第一周策略尝试 首先,感谢PandaAI提供了这次尝试的机会,还要感谢内测的工作人员无微不至的讲解与说明。 让我在很多环节得到了指导与帮助(新手友好型)。下面记录了我本周的测试过程。 1策略编写 尝试均线策略的编写 在代码编写这一块儿,CQ2是个好助手,当你打出“代码含义”,他就能帮你准确清晰的描述出代码的框架与逻辑; ![image.png](1) 这次我让他修改了代码逻辑,从双均线改为10个bar的单均线策略,他也一次性改完,并可以成功运行。 ![image.png](2) ...

本周(2026-02-232026-03-02)主要围绕策略迁移与因子研究推进三件事: 1.将已有策略迁移到PandaAI,并跑通基础回测; 2.明确“因子分析”和“策略回测”的边界与衔接; 3.在可运行框架上,先完成一批基础因子拆分与验证。 本周聚焦两条策略线: 1.JSG策略(股票) 2.价值趋势策略(股票) --- 二、本周实际完成情况 2.1已完成 1.两条策略已完成基础迁移,并在平台侧完成回测运行; ![image.png](3) ![image.png](4) 2.已搭...

报告原文下载链接:https://pan.baidu.com/s/1xPDtXF138Q6bGZ4CxoTd7g提取码:dy4o 在这篇研报中,标签为每日开盘价、每日收盘价、每日换手率、指数隔夜涨跌幅等未经加工的底层市场数据。特征为传统隔夜涨跌幅、隔夜涨跌幅绝对值、超额隔夜涨跌幅、超额换手率、滚动相关性等从原始标签中提取或计算出的尚未验证预测能力的中间变量。因子为传统隔夜因子、隔夜跳空因子、新因子MIF等对收益率有显著解释力的特征。 本篇研报的核心与上一篇研报相同,都是利用A股市场的非有效性...

第二周【多策略应用与实践】 已完成三个策略的运行,体验了不同策略。 提个建议,是否可以在同一个账号下面分子账号进行策略验证,或者同一个账号给两个策略分配不同资金权重。 ![微信图片_20251226232424_3_362.png](1)![微信图片_20251226232425_4_362.png](2)

  18764136999   2025年12月26日   110   0   0 趋势跟踪活动与比赛

我可能是运气最不好的那一波用户。 跑了3个多小时,最开始是报错10001,找到问题是,运行事件驱动策略,而不是因子策略。 ![957e540a85e8895ea177fb446741c501.png](4) 然后出现了10000的报错, ![1e3ec7b625b2f1ad8c76a51cde4f8b98.png](5) 很快用AI修复修复好了,可以完整运行工作流了。 ![86153445cf7e37f22983e38f6266d8a3.png](6) 中途还请教了chatGPT,gemi...

一创建基础⼯作流 打开右下⻆AI助⼿ 在对话框中输⼊研究⽬标:写一个海龟交易法则,用于白银期货测试。用15分钟级别的上下轨的宽度作为波动率的特征,当连续3根15分钟级别的上下轨宽度变宽,则定义为波动率放大,此时再按照海龟交易法则的新高、ATR入场和制定止损。 ![图片1.png](1) 二策略代码审查与逻辑纠偏 2.1识别默认指标偏差 检查AI初步生成的Python代码与策略小结; 发现AI默认采用了Bollinger带宽(布林带)作为波动率扩张的衡量标准,偏离了初始构想; 2.2下达...

  学满释放   2026年02月11日   93   0   0 趋势跟踪

一构建多因子流程 1.1先创建一个动量因子流程 通过手动拖拽节点构建一个简单的因子框架,如下图: ![image.png](1) 通过因子开发助手构建因子代码,提示词:根据60线陡峭程度与收益关系构建一个动量因子 ![image.png](2) 执行结果如下: ![3.png](4) 1.2构建第一个基本面因子 参照上面一样构建另一个基本面因子:提示词:根据成交量和市场构建基本因子 ![4.png](5) 执行结果如下: ![5.png](6) 1.3多因子合并和多因子组合 ![image....

  瑞泉   3天前   35   0   1 趋势跟踪

傅立叶变换的核心能力,与Twap与Vwap的案例结合 傅立叶变换的本质是“将时域信号分解为频域信号”——简单说,就是把“随时间变化的价格/成交量数据”(比如1分钟K线的价格序列),拆解成由不同频率(周期)、振幅(强度)、相位(时间偏移)组成的正弦波叠加。 其核心价值在于:把“难以直接量化的‘趋势/震荡/周期性’”,转化为“可精准计算的频率特征”。例如: 低频成分:对应长期趋势(如1小时级别的慢涨/慢跌); 中频成分:对应中期震荡(如15分钟级别的来回波动); 高频成分:对应短期噪音(如1分钟内的...