panda ai量化工具靠谱吗

如果你有一百万，你会让 ai 帮你投资交易吗？最近这个叫 panda ai 的 公司搞了场智能体交易大赛，他们实打实给拆的 gpt、 豆包、 jimmy 一 共九个 ai 大 模型，各提供了一百万的资金，全程零人工干预，纯靠 ai 自己决策，在市场自由交易两个月，看看 ai 交易员是不是比主观交易员更靠谱。 跟之前大火的美股比赛不一样啊，这次赛场搬到了国内的期货市场上，这地方可复杂多了，新规共需现在不是光算数据就行，更考验 ai 对 市场、对消息的关注和理解。你们看啊，之前在国外市场大杀四方的 deep sea cloud 这些通用大模型，这次直接水土不服了，收益全是负数， 尤其是 rock 四和千问，已经跌了百分之十，简直亏麻了。目前比赛里，维尔还在盈利的是松鼠矿石和 panda ai 自己的模型。但其实呢，也不意外，这两个都是专业垂直的量化模型。 panda ai 呢，本身是 ai 工程师和专业量化交易员打造的， 他们主打一个零门槛，就算不懂编程，也能通过拖拽的方式配合上 ai 构建出自己的策略。不得不说啊，像在期货这种强专业、高风险的场景里，还是专门深耕交易的 ai 更靠谱。而且更有意思的是，这比赛还让 ai 们互相点评，一边自己分析市场下单，一边还吐槽其他 ai 的 操作。各个大模型都变身评论员，看他们这一通吐槽也贼有意思。 这场 ai 交易大战会持续到二六年一月，在他们官网能看到各个 ai 的 每一次开单持仓，就连决策逻辑也都能看到，全程透明，现在还能参与冠军竞猜，发弹幕给支持的 ai 摇旗助威，主办方还请参与活动的用户们喝奶茶，你们说通用大模型后面能不能逆袭翻盘？

好，那我们就就开始吧，然后非常感谢大家，然后这次来参加我们这个内测，然后我们内测的本质 呃初衷是想通过内测，然后跟大家去完善一下我们的内容，然后我们之前也是一直去跟大家去聊了很多大家的一些需求，然后我们在群里说的是如果说大家有更多一些其他的需求的话，可以在 呃，可以在就是群里面直说，或者说就私信小助理都是可以的。 然后这次其实我们呃大家如果说经常去做一些气候量化的话，大家知道目前的气候量化平台，呃，从 t b 到金字塔，然后到我们的文华 t 八 t 九啊，它其实都其实都是一个比较昂贵的且操作界面比较复杂的一个 呃一个一个系统的生态，并且他们可能不太支持大元模型。然后我们这次想通过潘迪埃的一个呃一个创新吧，然后去在以国内为基础，然后慢慢去延伸到海外，然后目前可能是以国内市场为基础，然后去做一些 像目前这一次的仿真实盘，就是以期货量化为基础的。当然呢后面我们可能还会去上更多的一些股票，呃，股票的仿真，股票的实盘，对，然后呃在期货实盘当中呢，其实大家会遇到很多问题，比如说 呃传统 t b 的 界面，它可能是有它自己一套简语言，然后以 t b 的 话可能主要以持续策略的编辑为主，然后它的界面可能比较复杂，然后以工作流啊，就是以工作区域为搭建为主，然后以纯指令和代码的形式，然后也不太能支持记学习。 对，像这样的话就是对于普通人上手，其实是一个比较呃，门槛比较高的一个一一个动作。对，然后第二呢像是我们金字塔，金字塔的话它其实就是呃，它有它内置的一个 python go 的 一个功能啊， 它可能是它自己我们去下载它的客户端，然后金字塔的话，它会在我们本地去读取我们的一个数据包跟一个模型包，然后去帮助我们去辨别策略。但是无论是金字塔还是 tb 的 话，其实两个东西他们收费各有优势吧？ 像 t b 的 话，可能现在每一笔收费以手续费加收为主，他会收手续费百分之二十五，然后作为他的一个佣金。那对于这些，对于这个东西，其实对于大多数我们呃就是多样化的，就对大多数我们做量化的一些伙伴来说，其实可能比较昂贵， 对，可可能可可能又比较昂贵。然后但是我们如果说大，如果说我们细算一下的话，其实如果说你古纸，呃你每天的开屏，呃你手续费，比如说你拿一手一算的话，你可能每天都得给他交大概几百块钱吧，几百块钱手续费，对，再就是古纸的一手，那包括其他的一些一些品种。 对，那像金字塔，金字塔的话可能现在就是更加的一个呃，它对于金字塔现在目前对于继继续学习会相对来说会比较友好一些，因为它可能对 对于那个它有它，它有它自己的一套 python 构的一个一个组建， python 构呢，就可以用那个，相当于我们可以用它 python 构建去编辑一些继续学习的一些组建功能。对，但是我们在 python 平台上面，我们目前可以看到是在。呃， 那么整个 python 的 功能其实分为三块，第一块是研究因子，就是我们 ai 工作流的一个模块。第二个是我们自动就是，是我们抄袭图表，就抄袭表呢？其实跟那个，跟那个，跟 t b、 跟金塔器都很像，他们都会有这样的一些把策略，然后应用到图表上面去出信号的一个呃，一个引 一个动作，当然我们可以做到。然后在研究因子这一块的话，其实我们做到更多的一些东西是什么？实际上是我们更加要友好去支持一些向量化的回测。比如说像是 t b 啊，它可能对于你要到 t b 上面写因子，或者要写企业继续写，可能是比较复杂的一个， 呃，比较复杂的一个动作，但是我们可能就没那么复杂，对，没那么复杂，我们可能用一些简单的一些因子的组建就可以完成，包括我们有内置的一个，目前是内置的 cpo 二的一个大模型啊，我们可以用这个大模型去辅助自己去写因子、写策略。 对，然后对于超级突破的话，其实我们也是比较友好的一个面板，翘嘴来说相对来说会比较的简单简洁一些。 然后仿真实卡的话，目前我们应该支持开通了一个期货的一个呃，一个仿真量化的一个实盘。对，然后后面我会开通其他的。那可以看到是我们目前有有给大家去做几个工作楼的一个基础的一个模板， 那么在这个模板上呢？我们是给大家分成了三个部分，其实对于期货来说也是一样的，大家目前做期货策略其实就是分成三个主流类型的策略啊。第一个是我们的一个规则类策略，就是一个事件驱动类型的策略，就是我们可能平常会用到一些呃，一些一些类似的一些海龟啊， 啊，包括双擎线啊，包括一些旁线通道啊，还有一些什么 r c i k d j m a c d， 类似这些以旧指标为基础的，然后一些试验驱动类型策略啊，它这些的话我们就可以直接用我们的一个 这个龙岗，那不动这个就双双线虚测的这个模板，我们可以直接去用到去跑那个我们的一个期货的一个一个案例。对，那除了这个除了常规的限速型策略以外呢？其实限速型策略就是就是 t b 跟金塔的主流策略嘛， 大家基本上在上面都都是去编写那个策略，那其他对于其他的策略来说，比如像一些继续学习的，继续一些人力的一些一些一些策略啊，其实到我们平常会更加友好，那可以发现我们给大家做了一些呃一些继续学习的一些模板，比如说 呃一些 c n 加 transformer， 还有 c n 加 i s t m 的 一些模板啊，都可以在我们屏上面通过一个模模块的组建去给它通过连接去达到。然后大家如果说这块不太方便了，就大家不太熟悉了，可以直接去用我们这个工作模板，就是在这个， 呃，就是在这个这个这个我们的公众版里面有一个搜索啊，这是我们用的一个计算器的一个策略，那除了这个之外呢，其实我们还有一个就是他一个多因子的策略。多因子的策略其实也是目前气候当中比较常用的一个策略， 就是一个洁面的一个多空啊，他用，那他用了一个因子值，然后排序，然后去排序，去排呃，去对全场品种进行一个排序，多排序，然后做多呢收益最高的一组，然后做空呢收益最低的一组。 那其实这样的一个方式的话，当然我们也可以通过非常简单的一个因子的编写去达到对，大家都可以去进行一些尝试。那目前我觉得对大家来说就是先从规则里入手， 然后再从再从规则里转到多因子，然后这种多因子呢去尝试用继续去预测自己的一些 label 啊，目前这三条路径呢是比较是比较清晰的，比较清晰大家可以一步一步的去尝试到我们屏幕前，然后一起来做。对， 对，这个是我们的一个超级表的使用，然后目前超级表是支持两个东西，第一个是订单流图标， 大家可以用我们的图标去支持一分钟、五分钟以上的订单流，然后可以看到我们定就是订单在我们报表上的一些累积、堆积跟失衡。对，然后除了这个之外呢，我们也支持很多这些自定义的操作啊，比如说 呃一些呃一些画线啊，一些圆线，一些有哪些线段，包括我们的一些制定的指标，都可以在我们平台去进行一个操作。 然后除了这个之外呢，我们平台也支持把我们这个策略，比如说我们回你自己回测的一个计算器策略，然后点击一个应用，就可以简单到我们平台去实现一个，呃，计算器策略的一个一个一就是一个分享。对， 呃，不是啊，不是，不是，富二代出身。 ok， 好， 再给大家介绍这个仿真实盘。仿真实盘的话就是大概点我们这个实盘功能， 大家可以看到我们的一个就是一个，就是一个启停的一个动态键，包括动态权益还累积盈亏，然后整套仿真的功能，包括我们整套回车代码。其实我们也，嗯， tb 跟那个镜头有点不同，大家如果说长长期用 tb 的 朋友，大家知道就是 tb， 它一般来说信号是在主联上去发， 或者说在加权上面去发信号，然后但是呢实盘交易的时候，你往往是以真实合约去发信号，所以他就会存在一个回测跟实盘的一个失真。但是我们就不会这样，我们基本上所有的就是策略都是我们不会给他自己去加权合约，而是会直接在真实合约上面进行一个回测跟实盘。有时候我们回测跟实盘 技校，呃，在整个的模拟系统呢，在整个模拟仿真的当中的话，我们是按照一比一还原，当还原真实市场去做的，对，这也是我们的一个呃，一个特点，对， 然后我们为什么现在还开始启动内测呢？是因为我们过去半年我们完成了大量的一些工作的节点的一些设计，比如说我们给大家封装了非常非常多的一些大家以前 用起来就是大家自己手动去编辑代码，会非常繁琐的一些一些节点，然后总给大家完成了。 然后第二个呢是我们在我们工作楼商城里会有一个松鼠矿务，然后松鼠矿务呢是主要做气候条件开发的，然后大家可以看到它会有一些非常自定化的一些节点，就是自定化的一些组建，就比如说进厂、出厂、入厂、仓位管理等的一些一些工作节点。那大家也可以通过去 定位它的节点，然后通过连一连，然后也能实现自己的一些不一样的一些期货策略。然后在近半年中，我们还做了一个自己我们的一个量化量化池代码的一个大模型，然后我们在这月底呢会发往我们自己最新的一个 t q 一 的大模型， 然后我们会用这个大模型呢去帮助大家做很多事情，比如说，呃，一句话生成工作流。像大家现在目前到目前遇到了很多问题啊，比如说不会代码，然后想通过全自然元去调动啊，这些都可以通过这样这个来做。那我们后面有个代码大模型可以做什么事呢？可以做两个事情，第一个事情是呃直接对话生成工作流 啊，这是第一个，然后第二个是我们，第二个是我们可以对话生成自定义的一个节点啊，因为是因为我们现在节点的编辑方式是开源的吗？大家很多时候其实有自己一些比较特定的想法啊，大家不知道怎么去用的，大家可以就是如果说 目前我们编辑的方式放在线下，他自己本地去做，然后面我们可以放到线上，我们自己去本地开发自己的一些一些一些节点是可以的。对， 然后其实我们目前灰色跟仿真的这个参数，同样的是我们按照我目前就是做私募多年以来的一个经验去给他做的，就保证灰色仿真的一个参数的统一，而这个在很多平台上面也是，呃，也是一个，就是也是不一样的，也是不一样的。 然后接下来我潘代会给大家做非常多的一些一些功能，就不仅是基于现在的，然后在这功能之上呢，其实大家 目前我们刚刚主持人跟大家说的就是我们希望每个人都是一个共创者，都是我潘莱共创潘莱为大家服务，让大家可以提更多的一些需求，我们可以依据大家的需求，然后去做更多的一些功能的研发。但是我们现在已经有研发的功能，比如说像是一句话生成策略啊，就自然语言生成可执行的策略 啊，然后这个策略可以衍生成工作流，可以衍生成节点啊，这些都是我们会在未来会去做到的，并且很快在一到两个月之内就会去做到。然后第二个是， 嗯，会去做一个 ai 交易智能体，就是人人都能有自己的 ai 胶原，就是我们会去把，就是大家知道我在视频里面讲过，就是大家目前对接 ai 胶原的一个工作，实际上是用梯子工程加上那个 呃那个 reg 微调，而上面工程技术，然后去完成自己对大模型的这个微调，然后去导去做成自己的这个量化交易智能体。那我们平台呢？会来会打通 n 八 n 与 workflow， 然后去呃让大家每个人都可以通过工作流的形式啊，然后去微调， 通过习词也好，通过 reg 也好，去微调自己的一个 ai 交易员，有大家未来可以使我们平台应该会成为就是国内第一家大家可以通过 ai 大 模型去 执行交易的一个，让交易平台，大家可以期待一下，这个我们很快也会上线。然后第三个是实盘的一个接入，目前我们客户端呢已经在开发跟测试当中了，大概率也是在这个月底就会跟大家进，跟大家进见面。 然后第四个是海外版跟更多市场接，我们会更接触更多的一些，目前已经接入的有港美股市场，然后还有一些我们现在还你接，你带接入的有一个 crypto 松鼠是 deepsea， 对， 松鼠它是用 deepsea， 然后去连连了它自己的一个那个那个那个提提子词，对， 然后我们会在我们的基本攻略中商议出大家大家两百位，然后希望大家可以成为我们攀登岛去找一批供销者，然后呃未来的每一次都会迭代，都会留下你们的痕迹，对，差不多就是这样。然后 呃整个的一个功能，我希望大家就是可以多去多去，多去尝试，多去使用，特别对于大模型的功能，大家如果说有很多一些意见的话，可以在群里面跟我们说，我们可以对目前期货回测是可以在分钟跟小时上进行回测的， 目前我们期货还还没支持 tik 进行回测，目前就支持一个分钟回测，然后后面也会慢慢陆续更新我们的 tik 数据。对， 那感谢不白总给我们的一个分享，然后刚刚不白总他呃聊到了我们 panai 后续的一个发展的一个前景 呃，以及为什么现在启动内测，包括大家今天来到的呃内测的用户都会是我们将来产品年代中非常重要的一个力量。那接下来的话，为了帮助大家更好地去理解我们 panai 的 一个技术底座，我们就邀请了我们就是构建出我们 panai 的 这个背后的男人， 呃就是我们的 cto， 然后秉军总，然后呃刘秉军，秉军总，然后他会为大家来带来一个那个呃技术的技术体系的核心的解读和分享来，欢迎秉军总。 hello， hello， 大家晚上好啊，还是非常感谢大家今天晚上参加我们的一个直播，然后我是潘大 a 这边的技术负责人刘秉军，然后我今天主要核心的主题是跟大家分享一下我们平台的一个技术的愿景 啊，然后在做判断之前呢，其实我们自己本身也有做投资，然后我们也走访过若干的一些券商或者私募的投研团队啊，然后我们把大体把他们的一个系统工具能力整合总结成了这样的一个链路，然后这个链路呢，主要包含了五个维度吧， 从数据到因子到策略到执行，最后到产研的一体化啊，然后这次大家就是加入这个群的话，虽然名义上只是仿真，是里面第四环节，其实还是希望大家我们一起把五个流程都给走下去，对，仿真只是其中的一个环节 啊，然后针对刚才的五个维度啊，就我们稍微展开一下，大约我们潘台技术架构方面主要有三层核心能力。首先第一个的话就是我们的数据和因子层，对，这个他是一个我们潘台的一个地基， 对，然后我们在幕后其实长期做了三件沉淀性的事情。对，第一个就是我们把所有的行情基本上分钟级、日级、盘口级，基本上已经结构化清洗了，而且是我们是站在一家私募公司的角度去把这个数据保持它的一致性和异常值的处理， 对，会比市面上的数据会干净很多。然后第二个的话就是我们统一了一个因子框架啊，然后大家可以在我们的社区论坛里面看一下，我们有相关的帖子，等会小助理也可以发一下，我们现在已经支持了 上百种的一个常用的因子，然后也支持了上百种的算子，利用算子又可以延伸出来上千种的一个因子。 对，因此分析框架相对是比较全的啊。然后第三点的话就是我们统一了数据 api 的 接口啊，对，就是有平台内的研究或者 ai 可读取的数据结构 啊。然后就是我们用户看到的可能是一行代码就把这个数据给取出来了，但我们在背后处理的可能是几百万、上千万的一些数据的对齐和校验。 对，然后这个这一层的话就是我们仿真啊，实盘执行逻辑的一些数据来源 啊，然后针对数据这块，我们有一个单独的 python sdk 包，我们马上就会开源出来啊，然后让大家在本地就可以自行的去调用，而且我们会提供给大家两到三种。呃，就是这个数据更新的方式，大家自己在本地后面也可以去跑。 然后第二个就是我们潘大爷其实跟其他平台最核心的一个差异点啊，就是工作流，就刚才有呃，有位老师也说，就是有点像思维导图的模式。 对，他其实主要就是我们想做的工作流，主要想体现两个事情，就是第一想通过工作流来标准化，把策略标准化表达出来，对，就就包含了什么信号表达因子逻辑啊、风险约束或者执行方式啊。 然后这里面跟大家分享一下，就是我们在做量化交易这么多年，然后也跟同行交流发现有一个问题啊，就比如说我们用 python 写了一个策略，那这个策略 开始可能写的很标准，那等我们上了试盘之后啊，其实会发现这个策略有各种各样的问题，然后我们回过头来去修改这个策略，然后这个策略就会变得越来越臃肿，然后到后面会出现什么情况？就是不太敢改这个代码，一改就怕试盘出问题。 那针对这类的问题，一般就是对代码的架构能力要求非常的高，一般是通过一些 it 工程的管理或者设计模式来解决。那这个对其实对 it 的 门槛是比较高的。那作为我们用户角度，其实我们觉得应该把我们主要的精力专注于投研和交易。 对，所以呢，我们希望通过这个工作流的方式啊，而且经过我们自己实践下来，其实它是可以很好解决这个代码臃肿和维护的问题，因为它的结构非常的清晰，都是代表了一些一线机构的一个能力， 然后这是我们 ai 工作流就是去创建的一个初衷之一。然后第二个初衷的话，就是我们想通过工作流让策略具备一些可复现性或者可解释性的能力。 然后这里延伸一下，就是最近我们自己也举办了一个类似阿 farina 的 大冒险比赛，大家也可以关注一下。然后并且我们还作为一个第三方的模型参加了中规期货的一个大冒险比赛。 然后这类比赛呢，都是把我们的这个交易的逻辑判断和交易判断都交给了 ai 去执行了。然后这个其实这个方向一定是未来的一个趋势， 但受限于就现在大模型的能力还有些瓶颈，多多少少会产生一些幻觉问题，然后导致有些意图产生了偏离， 但工作流就可以很好的解决这个问题，就是通过我们工作流啊，让让这个大模型他的一个投资思路给白合透明出来，而且把他的思维给固化下来，对，这样子的话就大模型执行起来，他的幻觉问题基本上就没有了 啊。然后接下来我们马上也会更新我们这个大冒险 ag 的 和策略复合使用的一个能力，对，同时也会开源一套相对比较合理的一些 ai 在 投资领域应用的一些标准啊，届时欢迎大家就是给我们提一些意见啊，然后包括或者在 github 上面给我们做一些 propecs 啊。然后第三层的话就是执行层，那就代表了回测仿真和实盘。对，然后首先我们盘台里面是有一套策略体系的，然后相关的文档等会小助理也可以发一下，就如果是按照这个体系来开发的这个策略，不管是我们自己写还是用 ai 生成的 啊，他都是一套代码，既可以跑回测又可以跑仿真，又可以跑实盘的，就不需要做额外的修改，就是为了防止我们回测好好的结果上实盘就出问题了。 对，然后回测这方面的话，就是我们有一定的优势是我们经常会拿实盘的数据来调教我们回测的这个引擎框架。对，然后比如说过去一个月我们拿实盘的数据跟回测最近一个月的数据去做去对比，去不断的去优化这个回测的框架。 然后另外的话，回测我们接下来也会提供一些组合优化和参数调优的一些节点，对，帮助大家去找出来自己策略的一些最佳的参数。 然后第二个仿真盘这边也是建议大家一定要去做的。对，一方面就是为了防止我们策略写的里面有一些比如说用到了未来数据或者未来函数造成的一些逻辑错误，另外也可以顺便做一下我们这个策略样本外的一个能力的考察。 然后第三个实盘实盘执行，也就是我们客户端马上会上线，然后通过客户端就可以直接对接我们想要对接的去实现我们这个策略的一个自动化， 对，去打通知的交易和监控以及风控的环节。然后风控，嗯，下个月我们会更新一些风控相关的功能，就是一套标准的机构的一些风控的管理的思路和可转化界面，大家也可以期待一下 啊。然后就是为什么判断 ai， 我 们一直用 ai 去做量化投研啊？对，然后这个的话，其实我们认为在不远将来啊，就是人类和 ai 在 交易里面的角色一定是有个划分的，就是人类主要负责我们设计一下思路和监督一下执行， 然后盛显绝大部分工作其实都是 ai 来进行的，比如一些投研啊、下单啊、钉盘啊，这一定是未来的一个趋势。对，然后我们的 panning 的 目标也就是让我们个人量化研究员拥有机构的一个研究效率，通过大模型来抹平这个知识的信息差。 嗯，然后，嗯，对，然后因为现在我们做的工作，比如说都是回测、调餐、数据清洗啊，包括查一下报告，然后再回来去改自己的参数，对吧？它百分之九十的工作都是重复性的，那这个 ai 是 完全可以替代的。 对这些重复性的工作，我们的价值就应该体现在提出一些假设，判断一些结构，监督一下表现和执行就 ok 啊。最后就是为什么需要各位老师参与我们的内测？对，第一个确实是希望通过就是各位老师来支持我们的老师，来帮我们完善一下，我们看看有什么不合理的功能或者 bug。 然后第二个的话，其实我们精选出来两百位老师，其实大家是代表了一个真实的使用场景，您的使用场景和习惯这些啊，其实是对大模型很关键的训练数据， 然后就是这些你就是我们用的人越多，我们大百姓就会更加的智能。然后当然这里面很重要的要强调一点，就是我们这个策略代码，我们这边是有严密严格的加密体系的，就是各位老师写的这个策略代码之后我们是加密保存在数据库里面的， 我们训练是没有收集到册里的，只是收集了大家的一些使用习惯以及报错情况。对，所以说每位老师的每一个反馈啊，对我们来说都是非常有价值的。对，不算是帮我们在测试功能，其实我们是一起在训练一套未未来的 ai 的 量化基础设施， 期货的反转盘，现在支持了股票的还要再等一等，我们马上也会更新 啊。最后看来最终形成的就不是一个工具了，而是一套随着我们用户共同进化的一个 ai 的 量化技术测试，然后各位老师就是这套系统的一个最早最早的训练者。 ok， 谢谢大家。 好的，谢谢啊，有有一些同学有些朋友提出了一些提问，您总可以看一下，可以啊，然后第一个是股票什么时候接入仿真，我们在期货实盘做完之后会马上投入股票的 仿真工作开发。然后至于 crypto 那 边就是我们是有在规划中，然后到时候我们会在我们的开源版本给大家提供一些 crypto 的 解决方案。对，只要替放下底层的数据结构就 ok。 好 的好的，那么谢谢大家今天的参与，我们今天的直播就到这里。