乐于分享
好东西不私藏

OpenClaw · 股市应用提示词(收藏必备)

OpenClaw · 股市应用提示词(收藏必备)

大家好,我是一曲长歌,专注AI Agent赋能金融交易的小学生
最近阳了,状态一直不佳,刚好一点,给大家准备10个在股市中常用的提示词,如果你在也用AI,并且不知道怎么利用AI对话产出你想要的效果,这些或许对你有帮助。
10 组实战级 Agent 提示词
覆盖选股、分析、风控、策略全链路

 OpenClaw Agent | 📊 A 股实战  | 更新时间 2026.07.22

怎么用?

以下 10 组提示词是为OpenClaw这类 AI Agent 框架量身定制的。每组都包含完整的中文指令、可配置参数、期望输出格式和使用技巧。直接复制到 OpenClaw 的 prompt 字段,替换方括号里的变量,就能让 Agent 按你的意图执行。建议从第 1-3 组开始熟悉,再逐步挑战高级场景。

01
个股深度体检

应用核心| 基本面 + 估值 + 技术面

🎯 使用场景

你盯上了某只股票——比如京东方 A(000725)或新希望(000876),想在 2 分钟内搞清楚它值不值得深入研究。这个提示词会让 Agent 从基本面、估值、技术面三维度给你一份结构化的体检报告。

📝 完整提示词

你是一位资深 A 股分析师。请对 [股票代码] [股票名称] 进行全方位深度体检,按以下结构生成一份简洁报告:一、基本面快照(50字以内)- 主营业务是什么?行业地位如何?- 近3年营收/净利润复合增速- ROE 水平与变化趋势二、估值水温(核心)- 当前 PE(TTM)、PB、PS 分别是多少?- 处于历史分位数的什么位置(近5年)?- 与同行业可比公司的估值对比三、技术面信号- 当前处于什么趋势(上升/下降/震荡)?- 关键支撑位与压力位- MACD/RSI/均线排列状态四、近期催化剂与风险- 最近30天有没有重要公告、研报覆盖、大股东增减持?- 即将到来的事件(解禁、财报、股东大会)五、一句话总结 + 0-100 量化打分- 总结该股当前的投资吸引力- 给出综合评分(基础分/成长性/安全性/估值优势各25分)⚠️ 所有数据必须来自公开可查的真实来源,禁止编造数据。如果某项数据无法获取,请明确标注”数据不可得”。

📊 期望输出示例

⚠️风险提示:AI 生成的估值数据可能落后于实时行情。建议配合 Wind/东方财富等终端做二次验证,尤其是 PE 分位数据。

💡 使用技巧

  • 可批量替换 [股票代码],一次体检多只标的
  • 评分体系可自定义权重——比如你是趋势派就放大技术面权重
  • 建议在开盘前 9:00-9:15 运行此 prompt,作为当日操作的前置检查
02
 财报智能解读

核心应用| 季报 / 年报 / 中报

🎯 使用场景

财报季一到,几百页的 PDF 根本看不完。把这个 prompt 配上你下载的财报 PDF 丢给 OpenClaw,让它帮你提取关键数据、发现隐藏信号、对比预期差异。

📝 完整提示词

你是一位财务分析专家。请基于 [公司名称] 最新一期 [年报/半年报/季报],进行深度解读。输出格式如下:Part 1 — 核心指标速览用表格展示以下数据(同比 + 环比都要):| 指标 | 本期值 | 同比变化(%) | 环比变化(%) | 市场预期 | 超预期? || 营收 | | | | | || 归母净利润 | | | | | || 扣非净利润 | | | | | || 毛利率 | | | | | || 净利率 | | | | | || 经营性现金流 | | | | | || ROE(年化) | | | | | |Part 2 — 三大表关键信号- 资产负债表:应收/存货/商誉有没有异常增长?- 利润表:研发费用化 vs 资本化的比例是否合理?- 现金流量表:经营现金流与净利润的匹配度如何?Part 3 — 管理层讨论与分析(MD&A)要点提炼用3-5句话提炼管理层对未来的展望,特别关注:- 对行业趋势的判断用词(乐观/谨慎/悲观)- 是否有新的业务方向或战略调整Part 4 — 与同行对比选择2-3家同行业可比公司,对比核心财务指标Part 5 — 评级与行动建议给出0-100的财报质量评分并就当前价位判断:值得关注 / 观望 / 规避(附理由)

⚠️风险提示:财报科目可能被人为调整(如非经常性损益占比过高)。Agent 会提醒你留意”扣非净利润与归母净利润差距过大”、”经营现金流持续为负”等危险信号,但最终判断需要你自己做出。

💡 使用技巧

  • 如果同一文件下有多份财报(连续几期),Agent 还能自动做趋势分析
03
市场情绪全天候监控

应用核心|  资讯 + 社交媒体 + 资金

🎯 使用场景

A 股是一个情绪放大器——一条政策新闻或一篇小作文就能让一只票涨停或跌停。这个 prompt 构建了一个”情绪雷达”,让 OpenClaw 实时抓取多维情绪信号。

📝 完整提示词

你是一位市场情绪分析引擎。请扫描 A 股市场当前的情绪面,从以下 6个维度 分别给出评分(0-100)并汇总:维度1 — 资金面情绪- 北向资金当日净流向及累计趋势- 两市主力资金净流入前5行业- 融资融券余额日变幅维度2 — 新闻舆情- 当日最重要的5条宏观政策/行业新闻- 每条新闻的正负面判断及影响力评分(1-10)维度3 — 社交媒体热度- 雪球/微博/财经号上讨论热度最高的3只个股- 整体市场是”贪婪”还是”恐惧”?维度4 — 涨跌分布- 全市场涨跌家数比值- 涨停/跌停家数- 炸板率维度5 — 波动率信号- 上证50/沪深300/中证1000的 VIX 风格波动率状态- 波动率期限结构是 contango 还是 backwardation?维度6 — 板块轮动热力图- 近5日资金流入最多的3个板块 vs 流出最多的3个板块- 轮动是否加速?汇总输出:| 情绪维度 | 评分 | 状态 || 资金面 | | 🟢/🟡/🔴 || 新闻舆情 | | || 社交热度 | | || 涨跌分布 | | || 波动率 | | || 板块轮动 | | |最终:市场情绪综合指数 = X/600,情绪定性 = [极度恐慌 / 偏谨慎 / 中性 / 偏乐观 / 极度贪婪]行动建议:基于当前情绪指数,给出仓位管理建议(激进/中性/防御)

💡 使用技巧

  • 情绪综合指数连续 2 天处于”极度贪婪”时,是警惕信号
04
 技术形态自动识别

应用核心| K线形态 + 指标共振

🎯 使用场景

你是技术派交易者,每天要翻几百张 K 线图找形态。这个 prompt 让 OpenClaw 帮你批量识别经典形态——双底、头肩顶、旗形整理、三角形收敛——还能判断多个指标是否共振。

📝 完整提示词

你是一位技术分析专家。请对 [股票代码] 的日线/周线 K 线图进行系统性的形态识别,输出如下:一、当前主趋势判断- 使用多周期(日/周/月线)判断:上升趋势 / 下降趋势 / 横盘震荡- ADX 数值是多少?趋势强度如何?二、经典形态扫描判断以下形态是否出现,如有则标注所处阶段(酝酿/确认/已突破):☐ 双底(W底)| ☐ 双顶(M顶)| ☐ 头肩底/顶☐ 上升/下降三角形 | ☐ 旗形/三角旗形整理☐ 箱体震荡 | ☐ 楔形 | ☐ 圆弧底/顶三、指标共振检查| 指标 | 当前值 | 信号方向 | 可信度 || MACD | | 多/空 | 高/中/低 || RSI(14) | | 超买/超卖/中性 | || 布林带 | | 收窄/扩张/触碰上下轨 | || 量价关系 | | 价涨量增/价涨量缩/背离 | |四、关键价位- 支撑位(至少2个):S1=___, S2=___- 阻力位(至少2个):R1=___, R2=___- 止损建议价位五、形态可信度评分 + 操作建议- 多指标共振数量越多,评分越高- 结合形态给出:可操作 / 观望 / 规避

⚠️风险提示:技术形态是概率游戏,不是确定性预测。形态识别应始终配合止损纪律。Agent 只能描述形态,不能替你做买卖决定。

💡 使用技巧

  • 收盘后运行效果最好,因为数据完整、没有盘中噪声
05
 板块轮动与资金流向追踪

应用核心|  行业轮动 + 主力动向

🎯 使用场景

A 股的板块轮动就像四季更替——先涨科技,再切消费,资金永远在追逐下一个热点。这个 prompt 帮你从资金流向、政策催化、行业景气度三个层面判断轮动节奏。

📝 完整提示词

你是一位 A 股板块轮动策略分析师。请基于最新的市场数据,分析当前板块轮动状态:一、资金流向热力图(近5日和近20日)用表格列出申万一级行业(31个)中:- 主力资金净流入 TOP5 行业及净流入额- 主力资金净流出 TOP5 行业及净流出额- 北向资金重点加仓/减仓行业二、轮动节奏判断- 当前市场风格:大盘价值 / 大盘成长 / 小盘价值 / 小盘成长?- 轮动处于哪个阶段?(启动期 / 加速期 / 高潮期 / 退潮期)- 最近一次风格切换发生在什么时候?三、政策催化扫描- 近一周有没有重大产业政策出台?涉及哪些行业?- 这些政策的力度如何?(国家级 / 部委级 / 地方级)四、行业景气度交叉验证- 结合最近披露的PMI、工业增加值、社零等宏观数据- 哪些行业的景气度与资金流向一致(共振)?- 哪些出现背离?(资金流入但景气度下行,或反之)五、下周板块配置建议建议超配的3个行业 + 低配/规避的3个行业附一句话理由

💡 使用技巧

  • 每周日晚跑一次,为下周的选股圈定赛道范围
  • 搭配 NeoData 或东方财富行业板块接口,数据获取更丝滑
06
组合风险压力测试

应用场景| VaR + 情景模拟 + 相关性

🎯 使用场景

你手里握着 5-10 只票,想知道万一又来一次”黑色星期一”或者政策黑天鹅,你的账户会亏多少。这个 prompt 帮你做多情景压力测试,结果可能让你后背发凉——但这就是它的价值。

📝 完整提示词

你是一位量化风控专家。请对我的投资组合进行系统性的压力测试。组合如下:【我的持仓】[股票代码1] [名称1] [持仓比例%][股票代码2] [名称2] [持仓比例%]...总仓位:[X]%,剩余现金:[Y]%一、基础风险指标- 组合年化波动率- 最大回撤(历史数据)- 夏普比率(近似值)- 组合内个股两两相关性矩阵(表格式)二、历史情景回放模拟以下极端事件发生时组合的预估亏损:| 情景 | 参考时期 | 预估组合亏损(%) | 最大回撤个股 || 2015 年股灾 | 2015.06-2015.08 | | || 2020 年疫情冲击 | 2020.02-2020.03 | | || 2022 年 4月暴跌 | 2022.04 | | || 2024 年初小盘崩 | 2024.01-02 | | |三、自定义压力情景- 情景 A:大盘单日暴跌 -5%,组合预估亏损?- 情景 B:你所持最大重仓股利空跌停,组合预估亏损?- 情景 C:人民币突然贬值 2%,对外贸依赖型持仓的影响四、尾部风险 VaR 估算- 95% 置信度下的日 VaR(约等于每20个交易日最大可能亏损)- 99% 置信度下的日 VaR五、风险改善建议- 当前组合最大的风险敞口在哪?(行业集中度?个股集中度?)- 给出降低组合波动率的 3 条具体操作建议

⚠️风险提示:历史压力测试基于”过去会重复”的假设,但黑天鹅事件往往超出历史经验。VaR 不适用于尾部极值风险,建议额外关注 Expected Shortfall(条件风险价值)。

💡 使用技巧

  • 持仓信息属于隐私数据,建议在本地运行 OpenClaw 而不要上传到云端
  • 每月底做一次压力测试,作为下月仓位调整的参考
  • 相关性矩阵如果显示两只票相关系数 >0.8,几乎等于同一持仓——建议合并
07
 重大新闻事件链式分析

核心应用| 事件驱动 + 产业链传导

🎯 使用场景

一条新闻出来——比如”美国对华芯片出口限制升级”——除了半导体跌,还能传导到哪些板块?供应链上的谁受益、谁受损?这个 prompt 让 Agent 做产业链级别的链式传导分析。

📝 完整提示词

你是一位宏观事件分析专家。请对以下重大事件进行产业链级别的链式传导分析:【事件】[粘贴新闻原文或事件描述]一、事件定性- 事件性质:政策类 / 地缘类 / 公司类 / 宏观数据类- 影响级别:全球级 / 国家级 / 行业级 / 个股级- 影响持续性:一次性冲击 / 持续影响(预估持续多久?)二、直接影响分析- 最直接受益的行业及代表个股(列出3-5个)- 最直接受损的行业及代表个股(列出3-5个)- 每个用一句话解释传导逻辑三、二阶传导分析(产业链级别)用传导链条形式展示:上游(原材料/设备)→ 中游(制造/加工)→ 下游(应用/消费)示例:芯片限制 → 上游国产设备商受益 → 中游代工受损 → 下游 AI 应用成本上升四、三阶溢出效应- 有没有与事件看似无关、但会间接受到影响的行业? (如:芯片限制 → 汽车智能化受阻 → 新能源车竞争力下降)- 有没有跨市场传导?(A股 → 港股 → 美股中概股)五、历史参照- 历史上有没有类似事件?当时的市场反应轨迹是怎样的?- 这次有什么不同?六、交易策略框架- 事件驱动的交易思路: - 短线(1-3天)做什么? - 中线(1-4周)布局什么? - 需要规避什么?- 设置”证伪条件”:什么情况下上述判断失效,需要止损离场?

⚠️风险提示:事件驱动交易是双刃剑——方向对了赚快钱,方向错了亏得更快。务必设好止损。Agent 的传导逻辑是基于公开信息的推演,不代表真实市场反应。

💡 使用技巧

  • 隔 2-4 小时再跑一次做对比,观察市场是否”反应过度”或”反应不足”
08
期权策略构建器

核心应用| 📊 备兑 / 保护 / 跨式 / 价差

🎯 使用场景

你对创业板 ETF 期权有兴趣,但面对几十个行权价、4 个到期月的合约,不知道从哪下手。这个 prompt 基于你给定的观点(看涨/看跌/震荡/波动率升/降),自动推荐最优策略和合约。

📝 完整提示词

你是一位期权交易策略专家。请基于以下输入参数,构建最优期权策略:【参数】- 标的:[创业板ETF/上证50ETF/沪深300ETF/其他]- 当前价格:[如:2.450 元]- 你对后市看法:[强烈看涨 / 温和看涨 / 震荡 / 温和看跌 / 强烈看跌]- 你对波动率的看法:[波动率将上升 / 下降 / 不变]- 你的风险偏好:[保守 / 中性 / 激进]- 可用资金:[X 万元]一、策略推荐(3个方案)每个方案包含:| 策略名称 | 适合观点 | 最大收益 | 最大亏损 | 胜率估算 | 希腊字母概况 || 方案A | | | | | Delta=..., Gamma=..., Theta=..., Vega=... || 方案B | | | | | || 方案C | | | | | |二、最优方案详细拆解(选方案中最推荐的1个)- 具体操作: - 腿1:买入/卖出 [合约月份] [行权价] [认购/认沽],价格 __元 - 腿2:买入/卖出 [合约月份] [行权价] [认购/认沽],价格 __元- 盈亏平衡点- 盈亏图描述(文字版):在什么价格区间赚钱,在什么价格区间亏钱- 损益表:标的涨 +5% / 涨 +2% / 不涨不跌 / 跌 -2% / 跌 -5% 时各盈亏多少三、风险检查清单☐ 到期前是否有财报/除权除息/重大事件?☐ 流动性是否能支撑开仓/平仓?☐ 最坏情况下亏损是否超过账户承受能力?☐ 是否需要动态对冲?(Gamma 风险大小)四、退出计划- 止盈条件:(如:达到最大收益的 70% 平仓)- 止损条件:(如:亏损达到权利金的 50% 无条件离场)- 到期前多少天平仓换月?

⚠️风险提示:期权是带杠杆的金融衍生品,卖方策略(裸卖空)可能面临无限亏损。本提示词仅供学习参考,不构成投资建议。期权的希腊字母会随时间变化,策略需要动态管理。

💡 使用技巧

  • 保守型用户建议只做买方策略(买入认购/认沽 + 保护性看跌 + 备兑看涨)
  • 每次交易前用真实行情验证合约价格和流动性——纸面策略和实盘可能有巨大差距
  • 到期日越近 Gamma 越大,到期前 2 周是”危险区”
09
投资组合智能再平衡

核心应用|  均值方差 + 风险平价 + Black-Litterman

🎯 使用场景

这个难度有点大,我也是在测试中,大家可以参照

持有的票涨跌不一,持仓比例已经严重偏离你的初始配置。该减仓谁、加仓谁?这个 prompt 基于现代投资组合理论,给你一个数据驱动的再平衡方案。

📝 完整提示词

你是一位投资组合管理专家。请对我的当前持仓进行智能再平衡分析:【当前持仓及目标比例】| 标的 | 当前比例(%) | 目标比例(%) || 股票A | | || 股票B | | || ETF-沪深300 | | || 债券/货基 | | || 现金/逆回购 | | |一、偏离度诊断- 各标的偏离值(当前比例 - 目标比例)- 哪些标的超配/低配最严重?- 偏离原因分析:是主动偏离(看好)还是被动偏离(涨多了/跌多了)?二、再平衡方案(3种方式对比)| | 方案A:均值-方差优化 | 方案B:风险平价 | 方案C:最小调整量 || 核心理念 | 最大化夏普比率 | 等风险贡献 | 最接近当前持仓 || 调整后持仓 | (列各标的比例) | | || 预期年化收益 | | | || 预期波动率 | | | || 预期最大回撤 | | | || 交易次数 | | | |三、具体交易指令基于你推荐的方案,生成具体操作清单:- 加仓:[标的] 加仓 [X%],金额约 [Y] 元- 减仓:[标的] 减仓 [X%],金额约 [Y] 元- 不动:[标的] 维持现有仓位- 新增/调入:[标的],理由____四、再平衡成本估算- 预估交易费用(佣金+印花税)- 再平衡成本占组合总价值的百分比- 是否有值得”暂时不调仓”等待更好时机的标的?五、触发规则建议设定自动再平衡规则:- 定期再平衡:建议多久做一次?(月度/季度)- 阈值再平衡:某标的偏离目标比例超过 X% 时强制调仓- 事件驱动:遇到何种市场事件应暂停再平衡?

⚠️风险提示:均值-方差优化对输入参数极度敏感——估计收益率差 1%,结果可能差一个仓位。不要盲目相信优化输出,建议把它当参考框架而非机械执行的指令。

💡 使用技巧

  • 如果不想太复杂,直接用”方案C 最小调整量”最简单实用
  • 再平衡频率不要太密——月频或季频足够,频繁调仓手续费用会吃掉收益
10
量化回测策略生成器

核心应用|  因子挖掘 + 策略代码 + 回测报告

🎯 使用场景

你有一个交易想法——比如”当北向资金连续 3 天净流入且 RSI 低于 30 时买入,持有 5 天后卖出”——但不知道这个想法靠不靠谱。这个 prompt 让 OpenClaw 先帮你用自然语言推演逻辑,然后生成 Python 回测代码。

📝 完整提示词

你是一位量化策略工程师。请基于我提供的交易思路,进行完整策略开发流程:【我的交易思路】[用自然语言描述你的策略,越详细越好。示例:”当沪深300成分股满足以下条件时买入:1) 股价站上20日均线2) 成交量大于前20天均量的1.5倍3) MACD金叉4) 当日主力资金净流入为正持有10个交易日或涨幅达8%时卖出,跌幅超5%止损”]第一步:逻辑校验- 这个策略逻辑有没有明显缺陷?(如:过度拟合、未来函数、信号频繁)- 历史上类似策略的表现大致如何?(定性判断)第二步:因子拆解与参数建议将交易思路拆解为可量化的因子:| 因子 | 类型 | 参数范围建议 | 默认值 || 均线关系 | 趋势 | 10/20/60日均线 | 20日 || 成交量放大 | 量价 | 1.2-2.0倍 | 1.5倍 || MACD金叉 | 动量 | 快线12/慢线26/信号9 | 标准参数 || 资金流向 | 资金 | 正净流入 | 正 |第三步:生成回测代码请用 Python 生成一段回测代码,包含:- 数据获取(建议使用 tushare/akshare)- 信号生成逻辑- 交易执行模拟(考虑手续费、滑点)- 业绩评估指标(年化收益、夏普比率、最大回撤、胜率、盈亏比、Calmar 比率)- 结果可视化代码(净值曲线、回撤曲线、月度收益热力图)第四步:预期回测输出格式回测完成后应输出包含以下内容的报告:| 指标 | 值 || 回测区间 | || 初始资金 | || 最终资金 | || 年化收益率 | || 夏普比率 | || 最大回撤 | || 胜率 | || 平均盈亏比 | || 交易次数 | || 年化换手率 | |第五步:稳健性检查- 建议做哪些稳健性测试?(样本外、参数敏感性、不同市场环境)- 什么市场环境下这个策略可能失效?- 给出策略的”终止使用”标准

⚠️风险提示:回测收益不等于实盘收益。常见陷阱:① 生存者偏差(只回测现在还活着的股票);② 未来函数(用了当时不知道的数据);③ 过度优化(在训练集上拟合得太好,样本外一塌糊涂)。Agent 生成的代码需要你人工复核后再用真实数据跑。

💡 使用技巧

  • 回测代码生成后,务必换一个时间段做样本外验证——这才是策略是否靠谱的终极考验
  • 如果回测表现”太好”(年化 50%+,最大回撤<5%),大概率是哪里出 bug 了

⚠️ 免责声明: 本文所有提示词仅供学习研究与效率工具探索使用,不构成任何投资建议。市场有风险,投资需谨慎。AI 的输出需要人工复核,买卖决策请基于自己的独立判断。