Cai2026-04-28·社区交流有感于昨晚直播中的盘感和数字分身话题昨晚直播后，通过deepseek了解了一些相关内容，结合个人经验整理一下： 1. 大语言模型技术对复杂输入/输出映射的捕捉刻画复现能力越来越强。输入输出的域越是界限清晰稳定，中间映射逻辑再复杂，随着技术发展可以实现得越来越好。我对这个没有疑…#第零期线下课
Cai2026-01-11·社区交流年底吹水贴（无策略无代码慎入）最近在手搓魔改中低频回测代码，最初想用多进程跑然后拼接结果，最后发现行情数据格式的设计（long/wideformat等）就可以大幅提高回测速度，订单处理合理简化整个回测速度也可以起飞。改了一周后发现还可以向量化进一步加速......于是果…#第三期线下课#第四期线下课#第五期线下课#线下课
Cai2025-12-01·社区交流Conda环境库安装的几个实践一般投研写代码开始，环境会固定下来，生产时的环境更是如此。但是一旦需要新建更新迁移环境，添加删除更新相关的库，还是会耗费不少时间精力。我写几个目前为止可能有用的实践经验。 管理工具 conda 用于环境创建管理是最好，对库的安装管理就未必（…#python入门基础#线下课#经验分享#学习资源
Cai2025-11-23·社区交流gplearn 手搓改造笔记为什么改造gplearn 1. 框架简洁代码精炼。之前被Qlib深度折磨过（以前文章写过https://www.pandaai.online/community/article/130）。Qlib投研全流程环节多模块多，而后期可能提交维护投…#第五期线下课#代码分享#机器学习模型#Python
Cai2025-07-11·课程Alphagen学习笔记（1.Qlib因子生成部分（代码精简））接上一篇：Alphagen学习笔记（1.Qlib因子生成部分）。接下来尝试简化和重写qlib因子生成（更准确说应该是“因子计算”），即：1.替换成本地parquet文件行情数据2.再按表达式计算出因子值。 行情和因子值在各个模块中传递顺序为…#第五期线下课#python入门基础#线下课#机器学习
Cai2025-06-30·社区交流精华Alphagen学习笔记（1.Qlib因子生成部分）-----想定制魔改qlib因子计算和改用小型数据文件的，希望有帮助----- 今年深圳课上接触到的alphagen, 最吸引人的部分是：仅通过表达式就可以快速生成相应因子可在表达式层面高效开展因子探索。意识到引入这个部分对我当前投研数据工…#第五期线下课#新手入门#经验分享#API接口
Cai2025-05-29·社区交流精华《中金价量/Alpha191》因子代码复现整理（感谢DS/pandaai）以下是依据两篇研报因子的文字描述，通过deepseek/pandaai解读生成的Python代码实现，保留了AI生成过程和注释。意识到很多学员用户也正在做这个工作，为节约人力算力能源，在量变学院社群分享一下。 
