一专家模式:VWAP计算节点测试 1.1测试背景 在量化策略开发中,VWAP是衡量市场平均价格的重要指标。本次测试旨在验证通过专家模式(Python脚本)自定义开发的“5日VWAP节点”在逻辑计算、数据流转及因子生成方面的准确性与稳定性。 1.2节点配置与逻辑验证 1.点击左侧导航栏-节点库右侧的专家模式;  2.算法实现(专家模式代码); 根据代码截图(图片2、图片3),VWAP的核心逻辑如下: 输入参数:接收过去5个周期($t$到$t-4$)的Close(收盘...
一策略优化与逻辑改进 1.1生成工作流 向AI助手提需求; 提示词如下:用于白银期货(AG)主力合约的1分钟多空双向趋势突破策略:自动选择当前连接的期货账号和主力连续合约,维护滚动1分钟历史K线,基于宽通道(50根K线高低点)+ATR(20)计算入场区间与波动;在价格接近或突破通道上下轨且符合长周期均线趋势过滤(MA100)时做多或做空,仓位按ATR止损距离控制单笔风险约0.5%,单次开仓占用资金不超过3%,止损为2ATR、止盈为4ATR,并记录持仓期最高/最低价进行移动止损与止盈,支持在反向...
一AI助手,生成期货截面因子 大家好!今天和大家分享近期在PandaAIQuantFlow平台上进行的一次期货因子开发全纪录。这次复盘涵盖了从最初的逻辑报错、单调性失效,到最后通过“模块化拆解”实现业绩飞跃的完整过程。 1.1生成一个期货因子分析框架 提示词;帮我生成一个期货因子分析框架,因子使用10个量价数据,因子之间要低相关。在2025-2026年进行分析,并给出分析结果。 因子选取:整合了10个维度的日内信号,包括日内动量、短期反转、成交活跃度等,试图构建一个低相关的组合;  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...