现在ai运用越来越广泛，我今天去看了一下量化方面的skill真的少，怎么样使用的教程很少，调用skill一般需要Agent平台，Agent平台很多公司都有，可以分析代码等功能，前面我们介绍了怎么样去编写skill给ai使用

量化研究-怎么样编写ptrade量化交易skill

今天我们介绍一下怎么样运行ai去调用skill，解决我们的问题WorkBuddy是腾讯推出的一款全场景AI智能体（Agent）桌面工作台，你可以把它理解为一个能直接在你电脑里"替你干活"的AI同事，而不是一个只会聊天的机器人，我安我的经验编写了一些skill，帮我解决量化问题，虽然手写叶没有问题，有时候不想手动写代码，让ai替代自己写方便

skill安装方式有很多，第一个方式就是下载skill压缩包，放在软件下面的skill文件夹就可以

第二个方式一般也是常见的，比如广场里面安装，node.js安装都可以，在workbuddy安装点击专家

点击技能就可以搜索自己感兴趣的skill

安装完成我们就可以调用skill，在建立任务对话框输入/会显示我们的全部skill安装的，不输入的ai会自动匹配skill

比如我调用ptrade来实现一个动量策略输入内容

/小果量化交易Ptrade全能助手 帮我实现一个etf动量的策略，每天的14点30轮动策略，不需要分析过程，直接给我输出完整源代码

这个需要你自己代码能力看能不能看出代码的错误提示ai修改，比如这个地方就是错误的，run_daily应该有3个参数

这个需要自己代码去仔细的看看比如这个就是错误的，

在提示ai修改就可以，也可以换一个模型

也有可能是我提示内容太简单了，需要优化提示内容，这个就没有问题了


# ETF动量轮动策略（每日14:30调仓）
# 平台：Ptrade量化交易平台

def initialize(context):
    # ===== 策略参数设置 =====
    # ETF标的池（可自行增删）
    g.etf_pool = [
        '510.SS',  # 沪深TF
        '500.SS',  # 中证
        '115.SZ',  # 创
        '550.SS',  # 上
        '580.SS',  # 红利ETF
        '590.SS',  # 酒
        '580.SS',  # 半导
        '530.SS',  # 新能
        '510.SS',  # 医
    ]

    # 动量回看周期（交易日）
    g.momentum_period = 20

    # 每次持有动量排名前N只ETF
    g.top_n = 1

    # 单只ETF最大仓位比例
    g.max_position = 1

    # 每天14:30触发轮动
    # run_daily(context, func, time='9:31')
    run_daily(context, momentum_rotation, time='14:30')

    log.info('ETF动量轮动策略初始化完成')


def momentum_rotation(context):
    # ===== 计算各ETF动量 =====
    momentum_dict = {}

    for etf in g.etf_pool:
        try:
            # 获取最近N+1个交易日的收盘价（DataFrame，含当前bar）
            df = get_history(g.momentum_period + 1, '1d', 'close', etf)

            # 数据不足则跳过
            if df is None or len(df) < g.momentum_period + 1:
                log.warn('数据不足，跳过 %s' % etf)
                continue

            close_prices = df['close'].values.astype(float)
            current_price = close_prices[-1]
            past_price = close_prices[0]
            if past_price == 0:
                continue

            # 动量 = (当前价 / 周期前价格) - 1
            momentum = (current_price / past_price) - 1.0
            momentum_dict[etf] = momentum
            log.info('%s 动量: %.4f' % (etf, momentum))

        except Exception as e:
            log.error('获取 %s 数据失败: %s' % (etf, str(e)))

    if len(momentum_dict) == 0:
        log.warn('无有效动量数据，本次不调仓')
        return

    # ===== 按动量降序排序，选出前N只 =====
    sorted_etfs = sorted(momentum_dict.items(), key=lambda x: x[1], reverse=True)
    target_etfs = [etf for etf, _ in sorted_etfs[:g.top_n]]

    log.info('本轮选中的ETF: %s' % target_etfs)

    # ===== 先卖出不在目标池中的持仓 =====
    for position in context.portfolio.positions.values():
        stock = position.security
        if stock not in target_etfs:
            log.info('卖出 %s' % stock)
            order_target(stock, 0)

    # ===== 买入/调整目标ETF仓位，平均分配 =====
    # 每只目标ETF的目标市值 = 总资产 / N，并受最大仓位限制
    avg_value = context.portfolio.total_value / len(target_etfs)

    for etf in target_etfs:
        target_value = min(avg_value, g.max_position * context.portfolio.total_value)
        log.info('调仓 %s，目标市值 %.2f' % (etf, target_value))
        order_target_value(etf, target_value)


别再手动写策略了！WorkBuddy量化Skill实操

投资顾问

人工智能

编程语言

腾讯WorkBuddy智能体可通过安装量化交易Skill，在对话框输入“/”调用如“小果量化交易Ptrade全能助手”，自动生成ETF动量轮动策略代码，支持14:30定时调仓、动量排序选股及仓位管理，并可根据报错自动修正代码或切换模型优化提示，实现AI辅助量化策略开发。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

别再手动写策略了！WorkBuddy量化Skill实操

别再手动写策略了！WorkBuddy量化Skill实操

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐