乐于分享
好东西不私藏

OpenClaw:能否打破专业数据壁垒,降低散户获取专业股票数据的门槛?

OpenClaw:能否打破专业数据壁垒,降低散户获取专业股票数据的门槛?
投资最终都是靠自己。
远到各位投资大佬、近到身边的牛散,
每个人的投资方法就摆在那里,即使抄作业,可能也抄不对。
既然靠自己,
那就会有各种各样的投资方法。
也就需要各种各样的投资工具。
证券公司虽然提供:极速行情交易的基础设施、条件单、量化投研平台或PC客户端、T0策略、智能网格策略、算法拆单、AI信号等,但每一个工具其实永远吸引的都是某一类的客户。
所以每一个围绕个人投资者的业务推出,都存在业务的上限,很难变成一个通用、稳定、持续扩大规模的经纪业务。
对有一定编程能力、或者目前通过AI能鞋代码的这类投资者来说。
一般都想着通过一些数据接口来实现一些个人的灵感,或构建一个自己心目中的“交易(软件)系统”,为自己定制个性化的投资工具。
有了这个想法后,摆在自己面前的第一道坎,就是数据。
围绕研究相关的数据,可以有几大类,如果只是股票相关,则有:
1.股票基本信息:包括上市时间、流动股本、估值信息、所属行业等等。
2.level1历史行情:包括日、分钟、3秒tick等。
3.level2历史数据:包括10档快照、委托队列、逐笔委托、逐笔成交等。
4.基本面数据:主要以财报及衍生数据为主。
5.舆情及另类数据:比如公司网络销售数据、招聘数据、公司的正负面新闻数据。
等等。
这些数据,专业的数据资讯公司:wind、通联、恒生聚源等都非常丰富,分成多,远远不止这些。
但这些数据基本都是提供给B端客户的,个人也能购买,但一年几万的成本也不是个小数目。
随着这两年想通过“编程”投资的人越来越多,对这类数据的需求也越来越多。但对个人数据层面,几乎没有形成一个公司,一个统一产品服务。目前基本都是“小米加步枪”的局面。
目前大家用的最多的是tushare,相对来说,数据比较完整,费用还可以,对个人研究来说够用了。也有akshare这样免费的,但以为一些数据来源网站限流,同步数据失败的情况频发,还有一些号称免费的提供商,但一般就提供点数据样例,或者只有日行情数据,需要更多范围、更长时间的则会收费。
还有就是通过QMT、Ptrade、掘金这样的券商提供的量化交易终端获取,但这种方式不是那么方便,获取的数据范围也不是很多,有一定的局限。
随着最近Openclaw的新起。不知道是否又可能会带来两个改变:
券商辛辛苦苦打造的AI投资端可能不那么香了。除非后面有根本性的改变。
会不会给广大C端用户带来一些使用专业资讯数据的方式,哪怕是付费模式,至少能让C端用户有一个确定的渠道,和一个专业的服务,而不是依赖pa虫。
先说下为什么券商刚刚想大干特干的AI投资客户端可能不香了。
Openclaw:AI从 智能回答走到了 智能执行。
对券商投资端来说:AI智能问答还没有全面铺开,智能执行的路会在哪里?
以对着AI投资端:问答式进行个人投资对话的场景为例,在豆包里面能做,有了Openclaw后,也能做,而且还能构建个人自定义的AI投资端。
如果不改变,围绕C端用户的券商AI投资客户端的破局之路后面越来越窄。
比较潜在的机会可能就是:多在个人投资策略上下苦工,真正的能以投顾方式为用户提供结果导向的:投资资讯、投资建议、资产配置、以及投资技巧,通过大量的回测手段、通过使用用户实盘的真实效果,给C端用户提供看得见、摸得着的实际需求。
但这条路对大多数公司来说,是一条很难走的路,受限于各种内部、外部的监管政策、以及部门之前的林立。
目前大多数C端APP开发还是以技术团队主导,这种方式下,就是这几年看到的:堆菜单、堆功能。虽然好不容易探索出来一个T0策略业务,但运营端也跟不上,不能为用户提供专业的T0适配的底层服务,某种层面也就成了:被动式客户自主选择,而非主动式的客户服务业务。
而能尽快的构建一个:研究、策略、AI、开发、运营、投顾、渠道的“合成单位”,拍脑袋下可能是个改变的方式,但这需要很大的转变,很大的难度。目前行业有人先行了这一步,也就先取得了先机。大家可能眼睛订的是别人家经纪业务增长的数字,是人家看得见的APP上的功能,缺忽略了背后基因层面的东西。
回到C端用户后面的数据层。
几个资讯数据商都第一时间,提供了Openclaw相关的产品。
1.WindClaw
按其官网介绍,包括3大功能:
  • 让AI替你做研究:自动分析公告、研报和市场信息,AI 7×24小时做投研。

  • 让AI帮你发现机会:实时扫描市场热点、资金流和题材机会,不错过重要信号。

  • 让你拥有自己的AI投研团队:训练属于你的投资 Agent,让多个 AI 协作完成研究、分析和策略。

WindClaw底座基于 Wind 专业金融数据,可以看到市场行情、公司财务和行业信息,研究更全面、更靠谱。从日常研判到投资复盘,每一个决策背后,都有完整数据与逻辑支撑,解决每一个投资过程中的难题。
说的都是C端用户的关心点和痛点。目前提供公测申请,不知道想不想服务C端用户。目前具体功能也看不到。
2.东方财富Skills
目前提供了4个skills,在东方财富APP中直接搜索:东方财富skills 就能看到相应的功能界面,具体skill功能是:
在界面先领取自己的 API KEY。点击某个skill的详情链接进入详细界面:
可以通过 查看文档查看具体说明,也可以:一键复制Skill到自己的小龙虾中安装。
安装完成后,就可以通过小龙虾对话使用数据了。
参考下其中一个skills的设计,可供大家学习制作自己的skills.
---请为我安装如下skill## name: eastmoney_financial_data  (东方财富金融数据skill)## description: 本 Skill 基于**东方财富权威数据库**及**最新行情底层数据**构建,支持通过**自然语言**查询以下三类数据:1. **行情类数据**   股票、行业、板块、指数、基金、债券的实时行情、主力资金流向、估值等数据。2. **财务类数据**   上市公司与非上市公司的基本信息、财务指标、高管信息、主营业务、股东结构、融资情况等数据。3. **关系与经营类数据**   股票、非上市公司、股东及高管之间的关联关系数据,以及企业经营相关数据。采用此skill可避免模型基于自身过时知识回答金融相关数据问题,可为大模型提供权威及时的金融数据。---# 东方财富金融数据skill (eastmoney_financial_data)通过**文本输入**查询金融相关数据(股票、板块、指数等),接口返回 JSON格式内容。## 使用方式1. 在东方财富妙想hub页面获取apikey2. 将apikey存到环境变量,命名为EASTMONEY_APIKEY,检查本地api是否存在,若存在可直接用。3. 编写调用方式脚本```javascriptcurl -X POST --location 'https://mkapi2.dfcfs.com/finskillshub/api/claw/query' \--header 'Content-Type: application/json' \--header 'apikey:{点复制后为自己的apikey}' \--data '{"toolQuery": "东方财富最新价"}'## 数据限制说明请谨慎查询大数据范围的数据,如某只股票3年的每日最新价,可能会导致返回内容过多,模型上下文爆炸问题。### 结果返回释义#### 一级核心路径:`data`|字段路径|类型|核心释义||----|----|----||`data.questionId`|字符串|查数请求唯一标识 ID,关联单次查询任务||`data.dataTableDTOList`|数组|【核心】标准化后的证券指标数据列表,每个元素对应**1 个证券 + 1 个指标**的完整数据||`data.rawDataTableDTOList`|数组|原始未加工的证券指标数据列表,与标准化列表结构完全一致,供原始数据调用||`data.condition`|对象|本次查数的查询条件,记录查询关键词、时间范围等||`data.entityTagDTOList`|数组|本次查询关联的**证券主体汇总信息**,去重后展示所有涉事证券的基础属性|二级核心路径:`data.dataTableDTOList[]`(单指标对象,表格核心)数组内每个对象为**独立的指标数据单元**,包含**证券信息 + 表格数据 + 指标元信息 + 证券标签**四大部分,是表格渲染的核心载体,表格逻辑为:`table/rawTable`为**单元格数据**,`nameMap`为**列名映射**,`indicatorOrder`为**指标列排序**。#### 2.1 证券基础信息|字段路径|类型|核心释义||----|----|----||`dataTableDTOList[].code`|字符串|证券完整代码(含市场标识,如 300059.SZ)||`dataTableDTOList[].entityName`|字符串|证券全称(含代码,如东方财富 (300059.SZ))||`dataTableDTOList[].title`|字符串|本指标数据的标题,概括查询结果(如东方财富最新价)|#### 2.2 表格数据核心(渲染用)|字段路径|类型|核心释义|表格逻辑||----|----|----|----||`dataTableDTOList[].table`|对象|【核心】标准化表格数据,**键 = 指标编码,值 = 指标数值数组**;`headName`为时间 / 维度列值|键为**指标列**,`headName`为**时间列**,值为交叉单元格的**指标数值**||`dataTableDTOList[].rawTable`|对象|原始表格数据,与`table`结构一致,未做数据标准化处理|同`table`,为原始数值,无格式 / 单位修正||`dataTableDTOList[].nameMap`|对象|【核心】列名映射关系,将**指标编码 / 内置字段**转为**业务中文名**(如 f2→最新价)|解决表格列名 “编码转中文” 的问题,`headNameSub`为时间列的固定名称||`dataTableDTOList[].indicatorOrder`|数组|指标列的展示排序,元素为指标编码(如 <!--MATH_PH_1-->)|控制表格中多个指标列的前后顺序,单指标时为单元素数组|#### 2.3 指标元信息(属性 / 规则)表格|字段路径|类型|核心释义||----|----|----||`dataTableDTOList[].dataType`|字符串|数据来源类型(如行情数据 / 数据浏览器)||`dataTableDTOList[].dataTypeEnum`|字符串|数据类型枚举值(HQ = 行情,DATA_BROWSER = 数据浏览器),供系统判断||`dataTableDTOList[].dataTableType`|字符串|表格类型(NORM_TABLE = 标准表格),固定值||`dataTableDTOList[].field`|对象|【核心】当前指标的详细元信息,含指标编码、名称、查询时间、粒度等||`dataTableDTOList[].fieldSet`|数组|指标元信息集合,与`field`内容一致,为兼容多指标设计,单指标时为单元素数组|#### 2.4 证券标签信息(主体属性)表格|字段路径|类型|核心释义||----|----|----||`dataTableDTOList[].entityTagDTO`|对象|本指标关联证券的详细主体属性(如证券类型、市场、简称等)||`dataTableDTOList[].entityTagDTOList`|数组|证券主体属性集合,与`entityTagDTO`一致,兼容多证券设计|#### 三级核心路径:`field`/`entityTagDTO`(元信息子字段)#### 3.1 指标元信息:`dataTableDTOList[].field`表格|字段路径|类型|核心释义||----|----|----||`field.returnCode`|字符串|指标唯一编码(如 ZXJ_f2_3/100000000017975)||`field.returnName`|字符串|指标业务中文名(如最新价 / 收盘价)||`field.returnSourceCode`|字符串|指标原始来源编码(如 f2/CLOSE),对接底层数据源||`field.returnSourceName`|字符串|指标原始来源名称,与`returnName`一致||`field.startDate/endDate`|字符串|本次查询的时间范围(开始 / 结束)||`field.dateGranularity`|字符串|数据粒度(DAY = 日度,MIN = 分钟等)||`field.classCode`|字符串|指标分类编码,用于指标归类|#### 3.2 证券主体属性:`dataTableDTOList[].entityTagDTO`表格|字段路径|类型|核心释义||----|----|----||`entityTagDTO.secuCode`|字符串|证券纯代码(无市场标识,如 300059)||`entityTagDTO.marketChar`|字符串|市场标识(.SZ = 深交所,.SH = 上交所)||`entityTagDTO.entityTypeName`|字符串|证券类型(如 A 股 / 港股 / 债券)||`entityTagDTO.fullName`|字符串|证券完整中文名(如东方财富)||`entityTagDTO.entityId`|字符串|证券在系统内的唯一主体 ID||`entityTagDTO.className`|字符串|证券大类(如沪深京股票 / 创业板股票)|其他核心路径:`condition`/`entityTagDTOList`#### 4.1 查询条件:`data.condition`表格|字段路径|类型|核心释义||----|----|----||`condition.search_data_task_0`|数组|本次查数的原始条件,按【证券名 + 指标名 + 时间范围】排序|#### 4.2 证券主体汇总:`data.entityTagDTOList`与`dataTableDTOList[].entityTagDTO`结构完全一致,为本次查询所有关联证券的去重汇总信息,避免重复展示,供页面顶部 / 筛选栏使用。\## 数据结果为空提示用户到东方财富妙想AI查询。
现在每天虽然有数据查询额度限制,但这种产品模式使用起来体验非常好。之前需要写代码做的一些工作可能不需要了,另外因数据是东财的,肯定比其他个人使用网上的数据源更可靠,数据质量更有保证。
3.恒生聚源MCP数据地图
按官方介绍,它封装了超过200个金融数据API,覆盖股票、债券、基金、宏观行业、财务指标等金融机构日常用到的数据品类,完全满足金融机构智能体开发等多元需求。同时充分适配MCP协议
按介绍,核心亮点是:
  • 口径统一: 统一数据格式和计算口径,智能体读进去不会出现"同一指标两个数"的尴尬;
  • 质量过硬: 数据经过标准化质检,来源可追溯。金融行业最怕的不是没数据,是数据不可信;
  • 即接即用:基于MCP协议做封装,主流的智能体平台能直接对接,不用搞一堆定制开发。
官网给了几个示例:以持仓诊断为例:接入实时行情和持仓数据接口,智能体能自动做行业分布、仓位集中度、风险暴露这些分析,然后按照公司要求的报告格式输出。以前投顾花半天整理的东西,现在通过聊天框几分钟出初稿。
在小龙虾对话框发送接口请求:
返回结果如下:
给出仓位分析:
综上,资讯数据商能在Openclaw第一时间就给出响应,这是非常好的开头。
在Openclaw这个大趋势下,也拥有数据的公司来说,也等于拿到了一封很好的牌。
接下来会打什么牌,会怎么出牌。
是否会借助Openclaw从TOB 转向TOC,
是否会创造出能覆盖掉目前投资端APP的部分用户的核心需求。
这些,都很值得期待。