> **来源：[研报客](https://pc.yanbaoke.cn)** # 房地产行业深度报告总结 ## 核心内容 本报告围绕 **OpenClaw 框架** 构建的 **InvestmentClaw** 系统，详细介绍了其在房地产投研与量化交易领域的应用。该系统旨在通过 AI Agent 实现从数据采集、选股、评分、决策、执行到风控的全链路自动化交易流程，并为卖方研究提供一个可落地的 AI 应用范本。 ## 主要观点 ### 1. 为什么进行量化交易实践？ - **验证 OpenClaw 框架的通用性**：证明其不仅适用于地产投研，还能在交易这种高实时性、高风险的场景中稳定运行。 - **探索 AI Agent 在金融决策中的能力边界**：通过设计严密的风控机制，如十道防线、双模型交叉验证、熔断冷却等，提升 AI 在高自主决策场景下的可靠性。 - **为卖方研究提供 AI 落地范本**：展示了一个完整的生产系统，从数据采集到决策执行、风控监控，实现全链路闭环。 ### 2. InvestmentClaw 的核心价值 - **从辅助走向自主**：系统在盘中可自主完成选股、评分、下单与风控，用户只需设定风控边界。 - **多模型交叉验证与熔断机制**：通过 MiniMax 和 GLM 两个模型独立评分并交叉验证，降低单一模型偏差。 - **可解释性与可观测性**：系统保持透明度，每一步决策均有记录，便于事后审计和迭代优化。 - **低门槛可复现**：基于开源框架与公开数据源，个人开发者可在 1-2 周内复现系统功能。 ## 关键信息 ### 1. 系统架构 InvestmentClaw 采用 **六层架构**，包括： - **调度层**：定时任务与守护进程，确保系统持续运行。 - **选股层**：通过 Finviz 筛选、异动扫描、SEED_TICKERS 和杠杆 ETF 专属池构建候选池。 - **评分层**：三引擎量化评分 + 双模型 AI 交叉验证，形成 final_score。 - **决策层**：根据 final_score 生成买入、卖出或持有信号。 - **执行层**：调用券商 API 下单，实现交易落地。 - **观测层**：通过日志、数据库与监控系统实现系统状态的追踪与审计。 ### 2. 选股池体系 - **四路选股**：Finviz 筛选、异动扫描、SEED_TICKERS、杠杆 ETF 专属池。 - **去重规则**：同一股票保留最高优先级来源（异动扫描 > Finviz > SEED_TICKERS > 杠杆 ETF）。 - **SEED_TICKERS**：作为“保底名单”，覆盖市值 >1000 亿美元、流动性好、信息透明的核心资产，确保候选池稳定。 ### 3. 评分机制 - **三引擎评分**：成长股、杠杆 ETF、小盘股分别由独立引擎评分。 - **双模型交叉验证**：使用 MiniMax 与 GLM 独立评分并融合，减少 AI 幻觉风险。 - **final_score 计算**：量化评分占 60%，AI 评分占 20%，反向指标占 20%，形成综合评分。 ### 4. 风控体系 - **十道风控防线**：包括止损、止盈、波动率过滤、VIX 联动、冷却机制、预算管理、行业分散等。 - **动态止盈止损机制**： - ATR 自适应：止损宽度联动个股波动率。 - 峰值阶梯锁利：盈利越大，回撤容忍越紧。 - VIX 联动：恐慌时收紧止损，平静时放宽止盈。 - **冷却机制**：止损后 48 小时内暂停重新买入，避免情绪化操作。 - **三桶预算**：区分用户指令、系统自发交易与风险订单，实现风险隔离与交易优先级管理。 ### 5. 交易执行 - **秒级决策与执行**：系统在每日 21:00（SGT）开始选股与评分，随后生成交易信号并执行。 - **自动化下单**：通过券商 API 提交限价单或市价单，确保交易及时性与准确性。 - **止损与止盈策略**：采用移动止损机制，防止利润回吐。 ### 6. 可观测性设计 - **三层观测体系**： - **实时通知**：通过 Telegram 推送交易事件与异常告警。 - **结构化日志**：SQLite 与 JSONL 存储交易记录，便于事后追溯。 - **运行时日志**：记录信号生成、监控、API 调用等关键步骤，支持深度复盘。 ### 7. 策略表现 - **夏普比率**：1.24，表明在波动中获取了相对较高的收益。 - **最大回撤**：-19%，适合稳健型投资者。 - **回测验证**：通过 CPCV 交叉验证与 IC 监控，确保策略稳健。 ### 8. 系统局限与风险提示 - **AI 评分的局限性**： - 训练数据时效性不足。 - 无法获取非公开信息。 - 对复杂财务工程理解有限。 - 情绪化与一致性问题。 - 成本约束下的信息压缩。 - **风险提示**： - AI 评级仅供参考，不构成投资建议。 - 市场风险、流动性风险、底层资产风险、模型风险。 ## 系统亮点 - **可解释性**：每一步决策均有记录，便于理解与迭代。 - **低门槛复现**：基于开源框架与公开数据源，个人开发者可快速构建。 - **纪律性与自动化**：避免人为情绪干扰，实现机器的稳定交易。 - **全链路闭环**：从数据采集到交易执行，再到风控与监控，形成完整系统。 ## 对卖方研究的启示 1. **AI 应用于决策**：不应仅停留在模型评测与提示词工程层面，而应构建完整的 AI Agent 系统。 2. **可审计与可回溯**：确保 AI 决策透明，便于事后分析与优化。 3. **结合 AI 与量化**：AI 提供定性判断，量化提供定量分析，两者结合提升决策可靠性。 ## 总结 InvestmentClaw 是一个基于 OpenClaw 框架的量化交易系统，其核心价值在于实现 AI Agent 从辅助走向自主，并通过严密的风控机制与可观测性设计，为普通投资者提供可复现、可审计、可解释的交易系统。其设计思路不仅适用于房地产投研，也可为其他金融领域提供参考。