> **来源：[研报客](https://pc.yanbaoke.cn)** # 证券研究报告总结：投研人如何养“虾”？ ## 核心内容 本报告探讨了OpenClaw在投研领域的应用，强调其作为AI工具在提升投研效率方面的潜力。虽然OpenClaw目前仍处于早期探索阶段，但其已展现出在定制化监控、数据抓取、SQL生成、研报摘要提取、策略回测等领域的强大功能。报告旨在帮助投研人构建一套完整的“投研数字员工”体系，以应对当前市场环境下的复杂需求。 ## 主要观点 - **OpenClaw的应用场景**：主要集中在重复性任务，如定制化盯盘、抓数据、写SQL、跟踪公告和研报、监控特定网页、生成日报等。 - **OpenClaw的体系结构**：分为四层，包括数据层、监控层、分析层和输出层，每层都有其特定的工具和功能，共同构建一个覆盖全链路的投研体系。 - **模型选择与配置**：报告建议在无明确工作流时使用Codex编程工具授权接口，在明确工作流和大量使用时使用MiniMax-M2.5、GLM-5等模型。同时，强调了配置搜索API的重要性，推荐使用Gemini或Kimi的API密钥。 - **手机接入方式**：推荐使用QQ接入，因其简便，但需注意token消耗问题。飞书接入功能更完善，适合工作文件沉淀在飞书的用户。 - **技能（Skill）自建**：报告详细介绍了如何自建Skill，包括WIND SQL Query、GoGoal SQL Query、FIN Data Lookup、Web Search Router等，以满足不同投研需求。 - **量化策略回测**：CN Backtest Plus支持多种回测模式，包括一句话回测、研报策略复现、因子分析、持仓回测等，帮助用户验证策略有效性。 - **产业链追踪**：Industry Chain Tracker可以将价格、产能、库存、订单信号转化为产业链传导判断，提供多方向候选标的，帮助用户识别行业趋势。 - **公司研究**：Corporate Research支持快速扫描和深度研究，涵盖10个维度，如竞争优势、技术研发、市场份额、财务状况等，适用于A股、美股和港股。 - **风险提示**：报告提到了多个潜在风险，包括安全性、技术成熟度、模型幻觉、数据来源合规性、信息时效性、成本与系统稳定性、研报信息滞后等。 ## 关键信息 ### 技术部署与模型选择 - **本地部署**：较为复杂，且国内云厂商和大模型厂商均收取费用。 - **免费试用**：Kilo.ai的claw提供免费试用，适合初体验。 - **模型选择**：根据工作流的明确性和使用量选择模型，推荐使用Codex、MiniMax-M2.5、GLM-5等。 ### 数据层工具 - **WIND SQL Query**：自然语言转WIND数据库SQL，支持MySQL/Oracle/DM等方言。 - **GoGoal SQL Query**：自然语言转朝阳永续数据库SQL，覆盖80+表，支持卖方一致预期、评级、情绪数据。 - **FIN Data Lookup**：通过AKShare查询金融市场数据，支持技术分析，输出实际数据表+代码。 - **Web Search Router**：智能多引擎搜索路由，支持29个搜索引擎，返回标准化去重结果。 ### 监控层工具 - **CN Industry Chain Tracker**：支持产业链传导分析，提供多维度评分和反证机制。 - **CN Market Anomaly Scanner**：五维度扫描A股异动，包括盘口信号、个股量价、指数动态、板块轮动、涨跌停池。 - **CN Report Digest**：多源聚合研报/个股新闻/公告，输出早报/晚报/盘中简报。 - **CN Convertible Bond Risk Watch**：四维度可转债风险监控，包括强赎、回售、信用、溢价率。 ### 分析层工具 - **CN Backtest Plus**：支持四模式量化回测，包括防泄漏检查和质量门禁。 - **Corporate Research**：支持快速扫描和深度研究，涵盖10个维度，适用于A股、美股和港股。 ### 输出层工具 - **CN Report Builder**：自动生成结构化研究报告，整合各环节成果。 ### 技能创建与运行 - **skill创建**：通过OpenClaw的skill-creator插件，结合Claude Code等模型，实现技能的创建。 - **定时任务**：通过自然语言聊天或手动设置，设定时间执行特定任务。 - **心跳机制**：确保7*24小时运行，是OpenClaw区别于其他工具的重要特性。 ### 风险提示 - **安全性风险**：OpenClaw在高权限和外部工具调用时，可能面临提示词注入、误执行、越权访问等风险。 - **技术成熟度风险**：功能稳定性、任务成功率和复杂场景适配能力存在不确定性。 - **模型幻觉与结果偏差风险**：大语言模型可能在生成过程中出现事实错误或逻辑偏差。 - **数据来源与合规风险**：涉及外部数据时需注意授权、隐私保护和接口限制。 - **信息时效与监控漏报风险**：可能因披露时滞、接口延迟或抓取失败而出现信息延迟。 - **成本与系统稳定性风险**：依赖底层模型、API、网络环境及插件生态，实际使用中可能面临成本上升和系统不稳定。 - **研报信息滞后风险**：OpenClaw处于快速迭代阶段，信息可能滞后。 ## 总结 本报告为投研人提供了一套完整的OpenClaw应用体系，涵盖数据获取、监控、分析与输出等多个环节。通过自建Skill，用户可以实现定制化监控、数据抓取、策略回测等任务，从而提升投研效率。同时，报告也提醒用户注意OpenClaw在实际应用中可能面临的各种风险，建议在使用时充分考虑这些因素，确保系统的安全与稳定。