最近我把原有的量化工作流，切到了专家模式。 如果只看表面，专家模式像是把更多节点、更多参数、更多代码入口摆到了你面前。 但真正用下来，我的感受是： 专家模式的价值，不是“更复杂”，而是“更可控”。  在普通模式下，很多时候你更像是在使用一个已经包装好的研究流程： 写因子 接回测 看结果 再调整参数 这个流程当然能跑，也能快速验证思路。 但问题是，一旦你开始认真做策略研究，很快就会碰到一个现实： ![截屏20260307下午2.2...

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...

AI助手的自动构建 在传统量化研究流程中，从因子构建到策略回测往往依赖手动编码与模块拼接。结构重复、调试成本高、实验周期长，是我长期面临的主要问题。这次我尝试通过AI助手直接生成完整工作流结构，将研究重心从“写代码”转向“验证因子逻辑与收益稳定性”  首先，我输入需求：构建期货多因子策略，包括因子构建、权重调整、因子分层分析、策略回测与结果输出。AI助手自动生成了完整的模块化流程，包括Python代码输入节点、线性因子构建节点、因子权重...

一PandaAI"大升级”____AI助手 1.1AI助手 在经历了上次的内测以后，实际上PandaAI作为个人量化的搭建平台，已经能满足大部分人的需求了。但是这次pandaai做了一些重大升级，那就是接入了AI助手！。不同以往的是，这次的AI助手，已经可以自动帮你搭建工作流了！没错，是自动搭建工作流。这意味着你不需要一个个的拖拽搭建自己的工作流了，下面就是我通过对话简单搭建的多因子模型示例。  1.2专家模式 对于习惯于代码掌控感的专业...

经常做策略优化的朋友都知道，如今在“优化”和“研究”这条路上，我们不得不借助AI来辅助。所以，今天的核心是Pandaai内置的AI助手，不同与其他ai助手，它有三种模式可以选择。 通用代码助手：用于解决各类编程问题、写代码、改代码和解释代码的综合型助手。 回测代码助手：专门帮助你编写、调试和优化量化交易策略回测代码的助手。 因子构建代码助手：专注于将金融逻辑转化为可计算的因子公式并实现为代码的助手。  1.1调整后收益 通过pandaAI...

「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。 ...

一多策略同时运行 在上次了解过PandaAI的工作流以后，这周进行了一个多策略的同步运行测试。事实上，整个过程非常顺利。 以我的三个仿真账户为例： 多空转仓控制仿真（持续监控调仓时机） 多周期目标止盈（动态跟踪不同周期止盈点） K线形态交易（捕捉关键形态信号） 为什么要进行仿真的「多策略运行」？ 事实上，很多交易员做的都是“时序策略”的交易行为。（即在单一品种上进行交易） 但是“时序策略”往往会遇到几个问题 时序策略真正的结构性问题在于：它试图仅凭单一资产的时间序列，在一个非平稳、状态频繁...

PandaAI的第一周内侧体验 作为一个5年的主观交易员，在听到量化交易可以模块化进行研究回测，我是不太相信的。但是当我打开pandaAI的网页以后，颠覆了我对量化交易的认知。之后就加入pandaAI的群聊，也拿到了内侧名额。所以我来聊聊拿到了内侧名额后的第一周体验。 1.1操作体验 如你所见，内置了很多模块化的设计（如果你有编程基础，也可以自定义），也有很多机器学习的模型。之前我自学了一点机器学习和Python的入门课程，当然是偏向于理论的，但实践能力一直很差。虽然花费了大量时间练习，但也很...