申萬金工因子觀察第5期：OpenClaw能否實現(xiàn)零代碼基礎(chǔ)構(gòu)建量化策略？.pdf

申萬金工因子觀察第5期：OpenClaw能否實現(xiàn)零代碼基礎(chǔ)構(gòu)建量化策略？OpenClaw 跳出對話窗口，為 AI 實現(xiàn)完全通過對話實現(xiàn)量化策略更進了一步。除了提供 一些機器學(xué)習的策略，AI 為傳統(tǒng)量化多因子或者基本面量化提供的輔助功能也隨著其能 力的提升而逐步加強，第一階段：數(shù)據(jù)幻覺嚴重的大模型并不適合直接處理數(shù)據(jù)；第二階 段：AI Coding 大幅提升了量化工作人員的效率，量化工作人員更多進行督工角色；第三 階段：OpenClaw 的誕生，從數(shù)據(jù)提取到撰寫代碼并執(zhí)行都可以代勞，似乎可以完全實現(xiàn) 零代碼基礎(chǔ)構(gòu)建量化策略？

OpenClaw 通過接入 API 完成數(shù)據(jù)提取的工作，大幅降低了量化工作的門檻。數(shù)據(jù)來源 是量化策略的基礎(chǔ)，OpenClaw 通過接入 API 接口直接調(diào)用數(shù)據(jù)大幅降低了量化工作的 門檻，以往量化工作人員對表格數(shù)據(jù)字段的熟悉優(yōu)勢不復(fù)存在。

簡單的“Idea 測試“對 OpenClaw 不是問題。對于簡易的選股 idea，可以快速通過 OpenClaw 實現(xiàn)，API 接口還節(jié)省了數(shù)據(jù)準備的工作，工作效率大幅提升。

OpenClaw 可以完成從自主部署環(huán)境-根據(jù)提示提取數(shù)據(jù)-根據(jù)提示撰寫代碼完成因子測 算和構(gòu)建策略-輸出數(shù)據(jù)到 excel 的過程，基本上能夠完整執(zhí)行一個多因子選股策略，但 執(zhí)行效果仍有待提升。整個過程完全通過對話窗口實現(xiàn)，不需要了解任何撰寫代碼的知 識，但這里舉例的構(gòu)建多因子模型，意味著對話人要對數(shù)據(jù)結(jié)構(gòu)和因子邏輯比較熟悉。但 從實際執(zhí)行過程中來看，數(shù)據(jù)提取和策略計算的過程中 AI 容易犯錯，而且往往是一些較 低級的錯誤，包括對提示詞完全反向執(zhí)行，使得效率被大幅拖慢，執(zhí)行效果仍然有待提升。 此外，多因子模型往往需要對因子表現(xiàn)的邏輯進行分析，OpenClaw 的 AI 顯然不具備很 好的分析能力，未來如果 OpenClaw 的 AI 向網(wǎng)頁端的版本靠攏，有望實現(xiàn)分析和自我 改進的閉環(huán)。

OpenClaw 還成功實現(xiàn)了機器學(xué)習策略的構(gòu)建。OpenClaw 再次完成了自主搭建環(huán)境下 載安裝軟件，到構(gòu)建 GRU 機器學(xué)習模型并完成訓(xùn)練。即使是作為有一定門檻的機器學(xué)習 模型，目前看起來也可以較低門檻的使用，雖然策略還不夠成熟，策略的進化還需要投資 者對策略有更好的認知，但一定程度上量化實現(xiàn)了“平權(quán)”，策略的難度不再是門檻。

當前 OpenClaw 距離“好用“還有一段距離。我們在測算的過程中，遇到了各種問題， 包括但不限于：只能被動響應(yīng)，需要不停催促詢問進度，文件發(fā)送無法完成，數(shù)據(jù)處理和 命令犯低級錯誤不按要求執(zhí)行等，偶發(fā)罷工和胡亂回答的情況，目前 OpenClaw 提供了 一個能為 AI 大幅提升工作效率的框架，但距離徹底實現(xiàn)還需要一段距離。