一专家模式应用 专家模式的进入方式。用户需进入官网，点击AI工作流，在之前创建好的工作流里点击查看，然后在左侧伸缩边框中点击即可进入专家模式。 1.1平台节点框逻辑、创建及使用方法介绍 本次试用了专家模式下节点框及股票回测框架。节点框包含代码输入、票回测及策略回测结果，可将输入代码转化为函数传给回测。展示了创建新节点的方式，如用Python代码填充模板，拖拽到右边画布，新节点存于用户自定义节点框，还提及编辑节点、创建交易系统节点所需的帮助文档，后续内容将开源。 1.2节点创建、应用及与机器学习模型连接介绍 还学习了节点相关信息。可根据自身交易系统创造不同节点，连接节点框时，从左边点左键...

AI助手生成工作流的报错问题 1.1AI助手生成工作流没有产生交易的问题 反复运行了很多次，一直提示没有查验处有效的业绩数据，报错的信息主要是回测相关对象ID的校验错误; 可能性有两个，1是期货回测节点输出的回测ID为空或非法，2是回测结果在结果服务中不存在或已失效; 如下图所示  根据提示反复校验了很多遍，代码修改中放开了交易的阈值，又反复调整报错的方式，尤其是采用了断绝外部依赖以及报错能忽略后继续运行的方...

工作流自动生成 1.1因子分析框架的工作流自动生成和调试 根据课程提示可以简单的制作因子分析的框架，并根据日志提示进行自动调整; 但当想要构建多因子分析框架时，就会产生很多错误，还需要进一步的探索是什么思路的问题以及进一步如何引导工作流的成功运行;  如图所示，可以根据官网提供的各种错误代码进行逐一的耐心调试，并且可以把日志的错误复制给AI助手进行修改。 1.2策略回测的工作流自动生成和调试 1.根据课程提...

LLM自动生成交易策略初体验 1.1量化书籍推荐《因子投资-方法与实践》 《因子投资：方法与实践》（作者：石川、刘洋溢、连祥斌）是pandaAI不白总在公众号推荐的，这是一本系统介绍因子投资理论与实证方法的中文专著，既有理论深度，又注重可操作性，特别适合想从实证与“量化建模”角度理解因子投资的读者。 📘主要内容概要 1.因子投资基础与框架 书中从统一视角出发，解释了什么是“因子”，为什么要用因子来构建投资组合，并介绍因子投资在金融和资产配置中的作用机制。 2.因子投资方法论 系统介绍因...

期货多品种和定时交易任务 1.1定时交易任务 (1)、整体策略逻辑 信号逻辑 使用前一根1分钟K线的方向（收盘价vs开盘价）来决定下一分钟是开多还是开空。 若为阳线：buy_open开多1手；若为阴线：sell_open开空1手；十字线不交易。 这是一个非常简单的“跟随上一分钟方向”的动量/追涨杀跌类超短策略，没有过滤任何噪音或趋势确认逻辑，实盘会非常敏感且易受偶然波动干扰。 持仓与平仓逻辑 仅在无任何持仓（多头=0且空头=0）时，根据前一分钟K线方向开仓。 一旦有持仓后，不再开新的仓位（即始终最多持1手单向仓位），这是合理的风控简化。 平仓逻辑：记录开仓时间open_minute，当持仓...

回测策略实战检验 1.1MACD 这段代码实现的是一个基于MACD指标的螺纹钢期货（RB2605.SHF）趋势跟随策略，核心逻辑如下： 初始化阶段（initialize）： 设置期货账号context.account='5588'。 关注合约为RB2605.SHF，保存到context.future_contract。 定义MACD参数：短周期12、长周期26、信号线周期9。 初始化一个空列表context.historical_prices用来保存历史收盘价。 每根Bar运行逻辑（handle_data）： 1）数据获取与预处理 从当前bar中取出该合约的收盘价close_price=ba...

Learnthenewpolicy 1.1Multi-periodtradingpolicy 该代码实现了一个期货交易策略的基本框架，包括初始化、盘前、交易、盘后四个部分。策略使用分钟数据来判断是否开仓或平仓。交易逻辑基于移动平均线：在没有持仓时，如果当前价格高于两条均线，则开仓买入；在有持仓情况下，如果盈利或亏损达到一定点数，则进行平仓。 1.初始化部分(initialize)：初始化操作，如设定一些初始日志 2.盘前准备(before_trading)：盘前准备操作，可用于检查策略初始化状态。 3.交易时段(handle_data)：根据当前分钟选择合约并从API获取分钟行情数据，计算均...

优秀的AI量化普及仿真软件平台1 1.1传统算法和机器学习的融合 由于博士期间做管理学和AI交叉融合的研究，然而AI让我非常惊喜经验，管理学却让我无比痛苦。因此毕业以后，不再从事管理学，而是决定寻找AI的其他研究方向。尝试过AI机器方向后发现这个方向还有中期来难以克服的困难导致其不能投入工厂工作，这意味着中短期内很难转化为生产力，此外也需要补充非常多机械自动化的基础知识，专业壁垒较大;后来同学推荐AI量化方向，这个方式与博士期间的研究基础相通的更多，并且学透以后能够尽快转化为生产力，因此自学已经三五个月了。这个方向的传统算法比较受限，如VARMA主要是基于线性拟合特性来进行时间序列预测，而...