夜雨聆风
///
作者：share虾🦐标签：NAS Docker · 量化交易 · 回测系统阅读时长：约 12 分钟
///
PART 01
💹 什么是 OpenClaw 量化交易？
OpenClaw 是一个开源的 AI 智能体平台，它可以帮你：
🔄 策略回测：用历史数据测试你的交易策略 📊 技术分析：自动计算 RSI、MACD、均线等50+技术指标 🤖 AI 辅助：利用大模型生成策略代码和优化建议 📈 性能分析：夏普比率、最大回撤、胜率等关键指标 ⚠️ 风险控制：自动止损、头寸管理、投资组合监控 📱 报告推送：回测结果推送到微信/Telegram
一句话： 让你不用写代码，就能拥有专业级的量化投研能力。
///
PART 02
🌟 为什么要在 NAS 上部署？
| NAS Docker | ||
NAS 方案最适合： 你已经有一台 NAS，希望数据完全掌控在自己手里，且长期稳定运行。
///
PART 03
📚 量化交易核心概念（小白必读）
在开始前，了解几个基本概念：
1. 回测（Backtesting）
用过去的历史数据测试一个交易策略，看它过去表现如何。注意：过去表现不代表未来。
2. 技术指标
- RSI（相对强弱指数）
：0-100，>70超买，<30超卖 - MACD
：金叉（买入信号）、死叉（卖出信号） - 均线（MA）
：短期/长期均线交叉判断趋势 - 布林带
：价格波动区间判断
3. 关键性能指标
- 夏普比率
：风险调整后的收益，越高越好 - 最大回撤
：最大亏损幅度，越小越好 - 胜率
：盈利交易占比 - 年化收益
：策略的年化收益率
///
PART 04
🔧 准备工作
需要什么？
- 一台 NAS
群晖 DSM 6.0+（推荐 DS224+/DS923+） 威联通 QTS 4.5+（推荐 TS-264C/TS-464） 或任何支持 Docker 的 NAS
- 已启用 Docker
群晖：安装 "Docker" 或 "Container Manager" 威联通：安装 "Container Station"
- 数据源
- 免费方案
：AkShare（推荐新手） - 进阶方案
：Tushare Pro（需注册） - 付费方案
：聚宽（JoinQuant）、米筐（RiceQuant）
- AI 模型（可选但推荐）
如果想让 OpenClaw 帮你生成策略代码，需要配置大模型 API 推荐使用 Zero-Token（零成本）或 OpenAI 兼容接口
///
PART 05
🚀 第一步：Docker Compose 配置
在你的 NAS 上创建文件夹：
- 群晖
： /volume1/docker/openclaw-quant/ - 威联通
： /share/Container/openclaw-quant/
创建 docker-compose.yml：
version: '3.8'
services:
openclaw-gateway:
image: openclaw/openclaw:latest
container_name: openclaw-quant-gateway
restart: unless-stopped
environment:
- PUID=1026 # 替换为你的 NAS 用户 UID
- PGID=100 # 替换为你的 NAS 用户 GID
- TZ=Asia/Shanghai # 时区
- NODE_ENV=production
# AI 配置（可选）
- OPENAI_API_KEY= # 如果使用 OpenAI 兼容接口
- OPENAI_BASE_URL= # API 地址，如 http://127.0.0.1:3002
- OPENAI_MODEL=deepseek-chat
ports:
- "18789:18789" # Web Dashboard 端口
- "3000:3000" # API 端口
volumes:
- ./data:/home/node/.openclaw # 配置和API密钥
- ./workspace:/home/node/workspace # 工作区（回测数据、策略）
networks:
- openclaw-net
# 可选：数据库（用于存储回测结果）
postgres:
image: postgres:15
container_name: openclaw-quant-db
restart: unless-stopped
environment:
- POSTGRES_PASSWORD=quant123 # 修改为强密码
- POSTGRES_DB=openclaw_quant
volumes:
- ./postgres-data:/var/lib/postgresql/data
networks:
- openclaw-net
networks:
openclaw-net:
driver: bridge
获取 PUID 和 PGID
通过 SSH 连接 NAS：
id <你的用户名>
# 示例输出：uid=1026(admin) gid=100(users)
记录 UID 和 GID，填入配置。
///
PART 06
🔧 第二步：启动容器
方法 A：图形界面
群晖：
打开 Docker → 项目 → 添加 上载 docker-compose.yml确认设置，启动
威联通：
打开 Container Station → 应用程序 → 创建 选择 Compose File，上传配置 启动
方法 B：命令行
cd /volume1/docker/openclaw-quant
docker-compose up -d
查看日志：
docker-compose logs -f openclaw-gateway
看到 ✅ Gateway started 表示成功。
///
PART 07
🌐 第三步：初始化 OpenClaw
1. 访问 Dashboard
浏览器输入：http://你的NASIP:18789
首次访问会提示设置管理员账户。
2. 配置 Gateway Token
如果启动脚本没有自动生成 token，运行：
cd /volume1/docker/openclaw-quant
docker-compose run --rm openclaw-gateway npx openclaw gateway:token
复制生成的 token，在 Dashboard 设置页粘贴。
3. 连接数据源
进入 Settings → Data Sources：
配置 AkShare（免费）：
数据源类型：AkShare
模式：proxy（更稳定）
代理地址：留空（如果有代理填这里）
配置 Tushare Pro（进阶）：
数据源类型：Tushare Pro
Token：去 https://tushare.pro 注册获取
点击测试连接，成功保存。
4. 配置 AI 模型（可选）
进入 Settings → AI Provider：
如果部署了 Zero-Token（参考之前的教程）：
提供商：OpenAI Compatible
API 地址：http://127.0.0.1:3002
API Key：你的 Zero-Token token
模型：deepseek-chat
这样后续可以自动生成策略代码。
///
PART 08
📊 第四步：创建第一个回测策略
示例：RSI + MACD 金叉死叉策略
策略逻辑：
买入条件：
- RSI < 30（超卖）
- MACD 金叉（快线上穿慢线）
卖出条件：
- RSI > 70（超买）
- MACD 死叉（快线下穿慢线）
初始资金：100,000 元
手续费：0.03%
在 OpenClaw 中创建策略
进入 Strategies → Create New 填写策略信息：
策略名称：RSI-MACD 双指标组合策略
标的：000001.SZ（平安银行）或 600519.SH（贵州茅台）
时间范围：2023-01-01 至 2024-12-31
初始资金：100000
选择指标：
✅ RSI（周期 14） ✅ MACD（快线 12，慢线 26，信号线 9）
设置规则（可以使用可视化编辑器）：
WHEN RSI < 30 AND MACD_金叉 THEN 买入 100%
WHEN RSI > 70 AND MACD_死叉 THEN 卖出 100%
保存策略，点击 Run Backtest
等待回测完成
回测时间取决于数据量和策略复杂度，NAS 上可能需要 1-5 分钟。
///
PART 09
📈 第五步：分析回测结果
回测完成后，OpenClaw 会生成详细报告：
1. 性能概览
2. 资金曲线图
查看资产随时间的变化曲线，直观感受策略表现。
3. 交易明细
每一笔买入/卖出的具体时间、价格、盈亏情况。
4. 指标信号图
在K线图上标注 RSI、MACD 的金叉死叉点，直观验证。
///
PART 10
🎯 第六步：优化策略
如果初版策略表现不佳，如何优化？
1. 调整参数
在策略编辑器中，尝试：
RSI 周期：14 → 尝试 10、20、28
MACD 快线：12 → 尝试 8、10、15
保存并重新回测，对比结果。
2. 添加过滤条件
只在周线 MACD 为多头时交易
或
成交量 > 20日均量 时才开仓
3. 风险控制
设置单日最大亏损不超过 3% 满仓时暂停新买入 使用移动止损
///
PART 11
🔔 第七步：自动化监控与提醒
设置定时任务
进入 Tasks → Create Task：
任务1：每日策略检查
任务名：每日策略健康检查
执行时间：每个交易日 09:30
操作：检查所有策略近5日表现
通知：如果最大回撤 > 5%，发送警报到微信
任务2：实时信号监控
任务名：盘中实时监控
执行时间：交易时段每5分钟
操作：检测 RSI-MACD 策略是否产生买卖信号
通知：立即推送到微信
任务3：周报生成
任务名：量化策略周报
执行时间：每周五 15:30
操作：汇总本周所有策略表现
通知：发送完整报告（含图表）到邮箱
///
PART 12
🤖 第八步：高级功能（可选）
1. AI 自动生成策略
利用已配置的大模型，可以自然语言描述策略：
发送指令给 OpenClaw：
帮我创建一个针对创业板股票的动量策略：
- 使用 20日突破通道
- RSI 不超过 70 才开多
- 用量价突破作为入场信号
- 初始资金 50万
回测 2024-01 至今
OpenClaw 会自动生成策略代码并执行回测。
2. 多策略组合
创建多个策略，OpenClaw 可以自动分配资金：
策略 A（稳健）：30% 资金
策略 B（激进）：20% 资金
策略 C（防御）：50% 资金
3. 风险控制器
安装 "Risk Controller" skill，实现：
单日亏损超过 2% 自动停止所有策略 市场波动率过高（VIX>30）时减仓 自动计算最优仓位
///
PART 13
🔄 第九步：日常维护
更新 OpenClaw
cd /volume1/docker/openclaw-quant
docker-compose pull
docker-compose up -d
建议每月检查一次更新。
备份数据
# 备份配置文件
tar -czf openclaw-quant-config-$(date +%F).tar.gz ./data
# 备份回测数据
tar -czf openclaw-quant-workspace-$(date +%F).tar.gz ./workspace
查看日志
docker-compose logs -f # 实时日志
docker-compose logs --tail=100 openclaw-gateway # 最近100行
资源监控
NAS 资源有限，注意：
docker stats # 查看容器CPU/内存占用
如果占用过高，可以在 docker-compose.yml 中限制：
deploy:
resources:
limits:
memory: 2G
cpus: '2'
///
PART 14
⚠️ 常见问题与解决
Q1: 回测速度很慢
原因：数据量大或 NAS 性能不足。
解决：
缩小回测时间范围 减少同时回测的策略数量 升级 NAS 内存到 8GB 以上 使用 SSD 存储卷
Q2: 数据源连接失败
原因：AkShare/Tushare 网络问题。
解决：
测试 NAS 网络： curl https://api.tushare.pro在设置中将 AkShare 模式改为 direct或配置系统代理
Q3: 回测结果异常（收益超高/超低）
可能原因：
未来函数：策略使用了未来的信息（幻觉） 交易成本未计入：手续费设置为 0 数据质量：复权、停牌处理不当
解决：
确保策略逻辑是滞后指标（不能提前知道价格） 设置合理的手续费（0.03% 左右） 使用高质量数据源
Q4: AI 生成策略有错误
OpenClaw 的代码生成可能有小 bug。
解决：
仔细阅读生成的策略代码 手动修正明显的逻辑错误 小资金先试运行 在策略编辑器中调整参数
Q5: Docker 内存不足
症状：容器频繁重启，OOM kill。
解决：
# 在 docker-compose.yml 中添加
mem_limit: 4G
memswap_limit: 4G
或者关闭其他占用内存的服务。
///
PART 15
⚖️ 重要风险提示
⚠️ 量化交易 ≠ 稳赚不赔
- 历史回测不代表未来表现
- 过拟合风险
：策略在历史数据上表现好，实盘可能亏损 - 市场黑天鹅
：极端行情会导致策略失效 - 技术风险
：硬件故障、网络中断、软件 bug
🔒 安全建议
✅ 数据本地存储，不泄露到公网 ✅ 定期备份策略配置 ✅ 不要使用过高的杠杆（本工具不提供交易执行） ✅ 先用模拟账户验证，再用实盘 ✅ OpenClaw 仅作辅助，决策权在你自己
📝 合规声明
本教程仅供技术学习和研究 不构成任何投资建议 投资有风险，决策需谨慎 请遵守当地金融监管法规
///
PART 16
📚 附录
常用技术指标参数速查
开源数据源
学习资源
OpenClaw 官方文档：https://docs.openclaw.ai 量化交易入门：https://www.quantifiedstrategies.com 聚宽教程：https://www.joinquant.com
///
有任何问题欢迎留言交流！觉得有用就点赞、在看、转发支持一下~
THANKS FOR READING
share虾🦐 · 折腾开源笔记技术分享
