房地产行业深度报告：地产+AI 工具系列报告之四：从地产投研到交易——OpenClaw的跨界实践（如何训练一只会交易能风控的“龙虾”）

OpenClaw 在地产投研到交易中的跨界实践

东吴证券研究所的地产团队开发了基于 OpenClaw 框架的美股日频自动化交易系统 InvestmentClaw，验证了 OpenClaw 框架的通用性，并探索了 AI Agent 在金融决策中的能力边界。

系统架构： InvestmentClaw 采用六层架构，包括调度层、选股层、评分层、决策层、执行层和观测层，实现美股日频全自动交易。

选股体系： 系统通过 Finviz 筛选、异动扫描、SEED_TICKERS 种子池和杠杆 ETF 专属池构建候选池，并采用原子写入、最小阈值、Top180 截断和行业集中度监控等机制，确保候选池的稳定性和高质量。

评分机制： 系统针对成长股、杠杆 ETF 和小盘股分别设计了专用评分引擎，并引入 MiniMax 和 GLM 双模型进行交叉验证，结合量化、AI 和反向指标加权形成最终得分，提升决策的可靠性和可解释性。

风控体系： 系统设置了止损硬约束和三层动态止盈止损机制，配合 48 小时冷却期、行业分散和动态预算管理，实现进攻性与安全性的平衡。

策略价值： 系统采用简单有效的策略，低门槛可复现，纪律性远超人工，适合追求稳健收益、厌恶大幅回撤的个人与小型机构使用。

核心方法论贡献：

• 分层解耦的系统设计范式
• 量化 + AI 的互补融合范式
• “主动但不失控”的自主决策范式
• 可观测性作为系统的基础能力

策略定位与核心优势：

• 定位明确：不拼信息差和速度差，聚焦“认知差”
• 以简单换取稳健
• 可解释本身就是竞争力
• 低门槛可复现

对卖方研究 AI 应用的启示：

• AI Agent 落地的关键在“工程化”，而非“模型强”
• 从行业研究到跨界实践，是验证方法论通用性的唯一方式
• 可审计的自主，比不可解释的智能更有商业价值