【方正金工】个人AI助理OpenClaw部署及其在金融投研中的应用研究——AI Agent赋能金融投研应用系列之二

方正曹春晓 2026-06-30 置信度: high

综合质量 3 /5

新颖性 4 /5

可复现性 4 /5

核心内容

本报告详细介绍了开源AI智能体OpenClaw的核心架构与工作原理，通过腾讯云Lighthouse实现一键隔离部署，并配置飞书平台作为消息通道。测试了其在金融投研中的多项应用：基础文件管理、研究报告复现、基于同花顺API的行情监控与条件选股，以及结合高频因子库的小盘价值量化选股策略自动化构建与历史回测。结果显示OpenClaw能自主拆解复杂任务并修复代码错误，体现了较好的完成度。

经济逻辑

利用大语言模型的推理规划能力结合本地系统的执行能力，将AI从“对话”转变为“做事”，实现投研工作流自动化，降低数据与工具使用门槛，将投研人员从重复性规则工作中解放，聚焦于复杂决策与创新策略研发。

超额收益逻辑

本报告并未提出新的超额收益模型，而是探索利用AI Agent自动化执行传统小盘价值选股策略回测的可行性，通过降低工具使用门槛来提升投研效率。

构造细节 [config]

数据输入

: (日频/高频)

组合方式

小盘价值选股策略（通过自然语言描述逻辑，由AI Agent自行拆解与代码实现）

绩效

报告主要测试了OpenClaw在基础文件管理、研报复现、行情监控、条件选股及小盘价值选股策略构建等方面的应用能力，但未提供具体的量化绩效指标。

收益归因

稳健性

子样本稳定性: 未涉及

风格偏差: 小盘价值

大模型存在幻觉效应及生成代码错误的风险，但OpenClaw具备较强的自我调试和错误修复能力；通过部署在隔离环境并仅赋予数据库只读权限，可以较大程度降低安全风险及幻觉带来的影响。

数据依赖

所需数据: 同花顺API权限、方正金工高频因子库只读权限、智谱AI GLM 4.7 API Key

可复现性: medium

部署与配置流程描述清晰，可复现性较高；但量化策略部分由于依赖自然语言交互且未公开具体回测参数，精确复现策略绩效存在一定难度。

新颖性评估 [新方法]

将开源AI Agent（OpenClaw）引入金融投研工作流，通过网关+智能体+技能的组合，验证了从数据提取到策略回测的端到端自动化对话式交互范式。

不足与缺陷

量化策略部分仅为应用案例展示，未披露小盘价值策略的具体因子构造、参数细节及历史回测的客观绩效指标。
大模型存在幻觉效应，自动生成的代码可能有隐藏的逻辑漏洞，需人工二次复核以确保回测结果无误。
将数据库账号密码或API秘钥直接通过聊天窗口交给AI存在一定的安全合规隐患，即便是在测试环境下。

可复用元素

腾讯云Lighthouse结合OpenClaw的快速隔离部署方案及飞书接入配置流程，具有极强的实操指导性。
利用AI Agent拆解复杂量化任务（策略代码编写、回测、调试）的工作流思路，可显著降低主动投研人员使用量化工具的门槛。

启发

AI Agent可作为连接非技术投研人员与底层数据库/代码库的中间件，将复杂的Wind/同花顺终端操作转化为自然语言交互。
Agent的自主调试能力可应用于量化研究员日常的代码除错与脚本自动化生成中。

改进方向

相似逻辑不同构造：将“小盘价值”选股策略替换为“小盘低波动”或“小盘高质量”策略，并要求OpenClaw不仅完成历史回测，还需自动生成因子IC分析、分层单调性测试及净值归因报告。

基于: Agent具备多步执行和代码自我修复能力，可处理更复杂的量化研究流程。预期收益: 从单纯的策略回测扩展到完整的单因子/多因子检验与归因体系，提升AI辅助量化研究的深度与标准化程度。

复现计划

1. 选购腾讯云Lighthouse服务器，在重装系统页面选择应用模板一键安装OpenClaw；2. 执行 `openclaw onboard` 配置智谱GLM 4.7大模型及飞书机器人通道；3. 配置同花顺API或建立本地测试数据库并分配只读账号交予Agent；4. 在飞书对话框输入小盘价值选股自然语言指令，观察其任务拆解、代码编写、报错修复及回测生成的全过程，评估其执行成功率与结果准确性。