申万金工因子观察第5期：OpenClaw能否实现零代码基础构建量化策略

目录AI的发展幅升了量工作率 3OpenClaw的署和准工作 4部署方式比较：端vs本地 4数据接口：既是OpenClaw的最大优也是当前痛点 5OpenClaw的环准备 5OpenClaw实量化策构建试 7简易量化：基于法的策略回溯 73.1中证500指数内因子量化选股 103.3机器学习策略 16目前然面多的缺点 20风险示与明 22AIAIAI在量化研究工作上进化的三个阶段：第一阶段：大模型的数据幻觉使得AI难以辅助量化研究。2025年春节前后，DeepSeekAI第二阶段：AI通过辅助代码快速提升量化研究的工作效率。不久后，AI就展示Coding的能力快速进化，使得全行业不光是量化，也包括互联网、软件等需要写AIcoding，传统的程序员角色开始转换为代码督工，对AIAI快速撰写之前并不熟悉的数据处理的一些代码，还可以利用AI优化自己之前的代码，使AI的交流还是局限于对话窗口。是否可以实现零代码基础构建量化策略？OpenClawAIAIAI溯呢？图1：AI发展大幅提升了量化研究工作的效率申万宏源研究本文我们就来尝试OpenClaw在量化工作上的助力，实现从数据到测算等流程的自动化，评估OpenClaw当前的可用性，以及对量化工作未来可能的影响。OpenClaw的部署和准备工作vs本地OpenClawOpenClaw需API。强大的显卡，则可以采用成本最低的方式：线下部署+器的性能不强，也可以采用线下部署+APIAPI的成本。 的云服务厂商大都提供OpenClawOpenClaw可以很方便的快速部署，综合来看：对于系统装机不熟悉的投资者可以采用云服务器镜像+API接入大模型的方式。表1：不同的部署方式的优缺点比较线下闲置电脑 云端服务器线下闲置电脑 云端服务器本地大模型

需要闲置电脑具备强劲的性能和不错的显卡，如果已有这样的电脑则这是最佳的配置方式，继续投入的成本较低，如果要单独购买，则一次性的成本高昂。对闲置电脑有一定的要求，最好是长期开机状态

云服务器需要付费，增加一笔每月的服务器开销，基础服务器单月投入不高，且可以24小时开机，不少云平台有预装的OpenClaw，是较为简单的安装方式。但云服务器配置本地大模型几乎无法兼容，大模型要求的算力云服务器无法支持，能支持的云服务器成本过高，甚至超过购买一台电脑。主流的安装模式：对于已有闲置电脑的用 部署最快的方式：利用云平台的预装直接填上主流的安装模式：对于已有闲置电脑的用 部署最快的方式：利用云平台的预装直接填上户只需要增加一个API的购成本，对 API，几分钟内可以完成部署，但需同时支付云服电脑的要求不高。缺点是需要手动安装。 务器和API成本，适用于需快速安装的用户。购买API申万宏源研究

本文的尝试采用了腾讯云轻量级服务器，API采用了DeepSeek的大模型接入。Skill除了常规了网页搜索、Github等，也选取了一些和量化分析和股票信息相关的Skill进行安装。OpenClaw的最大优势也是当前痛点OpenClawOpenClawAPI接口成为大幅提升效率AICodingOpenClaw最重要的一步进化。APITushareTushareAkshareAPIAPIOpenClaw通过腾讯云完成OpenClaw的部署后，我请OpenClaw自主完成量化所谓的相关准备，可以看到，在服务器端，OpenClaw自主为Python安装了一般量化处理所需要的库。图2：OpenClaw自主完成量化代码环境的准备对话窗口申万宏源研究

我把Tushare的token提供给OpenClaw后，他也可以完成自主的配置，并自动测试实现数据源的可用。但是这里有一个风险点是：如果装了一些非官方的Skill，要谨慎让OpenClaw自主配置Token，存在Token被盗的风险。图3：OpenClaw自主完成数据源API的Token设置申万宏源研究OpenClaw实现量化策略构建的尝试OpenClaw进行量化策略的构建尝试。ideaOpenClaw话下：我们尝试在中证500指数的成分股内，构建一个在两个涨停板后，打开买入持有20率，平均收益率为正的统计信息。图4：通过OpenClaw测算一个二连涨停后买入的策略效果申万宏源研究

OpenClaw80%50%障单笔策略的胜率。图5：通过OpenClaw测算一个二连跌停后打开买入的策略效果申万宏源研究500我们来尝试一个量化的经典场景：使用OpenClaw构建中证500指数成分股内的多因子量化策略选股，第一步也是较为重要的一步是：让OpenClaw实现从中证500指数成分股相关数据的提取。OpenClaw先参考官网的AI的理解容易出错；第三，一些提升效率。经过几次不成功的尝试，最终OpenClaw完成了质量较高的数据提取。图6：OpenClaw数据提取的对话窗口示例申万宏源研究

在数据提取都完成后，进一步通过对话，让OpenClaw帮我生成500内因子的图7：OpenClaw构建因子的对话窗口示例申万宏源研究

OpenClawOpenClaw也很好的完成了目标。图8：OpenClaw对因子进行行业中性的对话窗口示例申万宏源研究

然后基于已有的因子数据，我们在对话框要求OpenClaw执行对因子的IC、IR、多空、分组单调性等测算，将测算结果输出为excel，得到如下结果表2：OpenClaw完成并输出的中证500内各因子的测算结果因子名称IC均值IC标准差ICIR正IC比例t统计量多头组收益成长因子0.34%8.43%0.0447.27%0.3024.11%市值因子-1.94%11.36%-0.1744.07%-1.3123.31%动量因子0.65%11.27%0.0654.24%0.4426.21%反转因子1.18%12.03%0.1047.46%0.7530.63%低波因子1.91%13.61%0.1459.32%1.0824.13%低流动性因子0.91%11.39%0.0847.46%0.6225.55%申万宏源研究图9：OpenClaw算输出成因分单性 图10：OpenClaw测输出动因分单性申万宏源研究 申万宏源研究图算输出低因分单性 图12：OpenClaw测输出反因分单性 申万宏源研究 申万宏源研究最终，我们要求OpenClaw将策略和指数两条净值曲线都转化为1开始的曲线，转化为excel输出，得到如下策略和指数的比较图：图13：OpenClaw构建的策略长期能战胜中证500指数申万宏源研究从整个过程来看，OpenClawOpenClaw里大模型展示出的能力，在对话过程中，发现AIOpenClaw目前更适合的角色似乎仍是一OpenClawAI“提取数据-测算数据-撰写代码进行计算-输出结果-分析结果并提出改进方案-再次尝试”的闭环，期待这一天的实现。目前的测算案例还是以一些基础的因子测算为例，但整个框架建立起来之后，OpenClawAIToken间机器学习策略OpenClawAIAI模型，我们选取了中证500指数的主要量价数据，根据在网页端的对话，征求了DeepSeekGRU模型。同样的GU模型需要IOpCw基本上都可以自主完成：图14：OpenClaw自主完成机器学习策略开发的环境搭建申万宏源研究

随后，我们主要描述了数据特征后请AI进行GRU策略的开发。可以看到，OpenClaw对于特征工程的执行还是非常到位的。图15：OpenClaw自主完成GRU策略的开放申万宏源研究

GRU加上现的投资者，也可以试着进行策略的搭建。图16：OpenClaw构建的GRU策略申万宏源研究目前仍然面临较多的缺点目前OpenClaw在使用的过程中迈出了从单纯对话到开始执行了一大步，但是AI助手还有较远的距离，我们在使用过程中发现了如下的一些问题：Oelw图17：OpenClaw给出了不能实现的“承诺”申万宏源研究

ExcelExcel文件Excel正，不确定单次调整的记忆是否能持续足够长。图18：OpenClaw假装文件已发送申万宏源研究

APIDeepSeek的表现。如果在OpenClaw里AI展现的能力能接近网页版元OpenClaw距离可用再进一步。觉非常严重。可以预见，Skill的丰富和完善才是OpenClaw未来进一步发展的重要驱动力，才能推动OpenClaw风险提示与声明OpenClaw历史数据构建，历史表现不代表未来，市场环境发生重大变化时可能失效。信息披露证券分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。与公司有关的信息披露范围内依法合规地履行披露义务。客户可通过compliance@索取有关披露资料或登录机构销售团队联系人华东团队茅aojiong@华北团队肖iaoxia@华南团队王维angweiyu@华北创新团队潘烨anyeming@华东创新团队朱晓huxiaoyi@证券的投资评级证券的投资评级：以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下买入（Buy） ：相对强于市场表现20％以上；增持（Outperform） ：相对强于市场表现5％～20％；中性（Neutral） ：相对市场表现在－5％～＋5％之间波动减持（Underperform） ：相对弱于市场表现5％以下。行业的投资评级：以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下看好（Overweight） ：行业超越整体市场表现；中性（Neutral） ：行业与整体市场表现基本持平看淡(Underweight） ：行业弱于整体市场表现。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。本报告采用的基准指数 ：沪深300指数（A股）、生中国企业指数（H股）、纳斯达克指数（美股）法律声明本报告由上海申银万国证券研究所有限公司（）在中华人民共和国内地（香港、澳门、台湾除外）发布，仅供本公司的客户（包括合格的境外机构投资者等合法合规的客户）使用。本公司不会因接收人收到本报告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司网站刊载的完整报告为准，本公司接受客户的后续问询。本报告是基于已公开信息撰写，但本公司不保证该等信息的真实性、准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示，本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司强烈建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致