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？.pdf

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？OpenClaw 跳出对话窗口，为 AI 实现完全通过对话实现量化策略更进了一步。除了提供 一些机器学习的策略，AI 为传统量化多因子或者基本面量化提供的辅助功能也随着其能 力的提升而逐步加强，第一阶段：数据幻觉严重的大模型并不适合直接处理数据；第二阶 段：AI Coding 大幅提升了量化工作人员的效率，量化工作人员更多进行督工角色；第三 阶段：OpenClaw 的诞生，从数据提取到撰写代码并执行都可以代劳，似乎可以完全实现 零代码基础构建量化策略？

OpenClaw 通过接入 API 完成数据提取的工作，大幅降低了量化工作的门槛。数据来源 是量化策略的基础，OpenClaw 通过接入 API 接口直接调用数据大幅降低了量化工作的 门槛，以往量化工作人员对表格数据字段的熟悉优势不复存在。

简单的“Idea 测试“对 OpenClaw 不是问题。对于简易的选股 idea，可以快速通过 OpenClaw 实现，API 接口还节省了数据准备的工作，工作效率大幅提升。

OpenClaw 可以完成从自主部署环境-根据提示提取数据-根据提示撰写代码完成因子测 算和构建策略-输出数据到 excel 的过程，基本上能够完整执行一个多因子选股策略，但 执行效果仍有待提升。整个过程完全通过对话窗口实现，不需要了解任何撰写代码的知 识，但这里举例的构建多因子模型，意味着对话人要对数据结构和因子逻辑比较熟悉。但 从实际执行过程中来看，数据提取和策略计算的过程中 AI 容易犯错，而且往往是一些较 低级的错误，包括对提示词完全反向执行，使得效率被大幅拖慢，执行效果仍然有待提升。 此外，多因子模型往往需要对因子表现的逻辑进行分析，OpenClaw 的 AI 显然不具备很 好的分析能力，未来如果 OpenClaw 的 AI 向网页端的版本靠拢，有望实现分析和自我 改进的闭环。

OpenClaw 还成功实现了机器学习策略的构建。OpenClaw 再次完成了自主搭建环境下 载安装软件，到构建 GRU 机器学习模型并完成训练。即使是作为有一定门槛的机器学习 模型，目前看起来也可以较低门槛的使用，虽然策略还不够成熟，策略的进化还需要投资 者对策略有更好的认知，但一定程度上量化实现了“平权”，策略的难度不再是门槛。

当前 OpenClaw 距离“好用“还有一段距离。我们在测算的过程中，遇到了各种问题， 包括但不限于：只能被动响应，需要不停催促询问进度，文件发送无法完成，数据处理和 命令犯低级错误不按要求执行等，偶发罢工和胡乱回答的情况，目前 OpenClaw 提供了 一个能为 AI 大幅提升工作效率的框架，但距离彻底实现还需要一段距离。