夜雨聆风OpenClaw可以实现复现研报并进行定期监控。
OpenClaw对研报的阅读和总结能力较强，但复现模型的过程需要反复纠错。
对模型的后续跟踪和定期提示能更好展现出OpenClaw的优势。
本次案例的一些小结和思考：如果仅是比较研报复现，目前来看OpenClaw相比专门的代码平台还是有一定的差距。
1. OpenClaw对申万金工技术形态研报的复现
在运用OpenClaw完成量化多因子策略的构建、ETF的定投策略之后，我们在本文中尝试用OpenClaw复现申万金工之前的一篇技术形态研报，由于这篇报告主要考察背离形态，根据股价行情的变化会出现信号，也可以再使用OpenClaw构建一个监控体系，充分利用OpenClaw的定时任务能力，定期对发生背离信号的股票发出提示，是一个比较匹配OpenClaw使用的场景。
本文使用的OpenClaw以腾讯云服务器+DeepSeek的部署模式进行，以飞书作为通信软件。
1.1 OpenClaw对研报的阅读与总结
首先，我们通过通信软件飞书，把研究报告的pdf版本直接发送到对话窗口，由OpenClaw进行阅读。
为了使得研报复现的测算更加清晰，我们在对话窗口时提出了两步的对话，一是请OpenClaw确认整篇报告对个股所需要用到的数据，方便后续数据的准备；二是请OpenClaw看有哪些读完研报还不太确认的地方需要我们去一一确认。
从回复来看，OpenClaw对研报的总结完整、准确，原始研报的背离形态先进行“K线包含关系处理-分型识别-笔识别-背离形态” 的识别流程，OpenClaw整理的流程与研报一致，且对阈值的计算和理解都是正确的。
1.2 复现过程中的反复纠错
虽然开始的研报逻辑总结准确，但在接下来的代码撰写和模型复现的过程中，还是遇到了不少困难，在复现过程中，以对话的形式开展了纠错，这个过程主要包括以下几个方面：
OpenClaw对逻辑的细节理解上有一些不能确认的地方。这也是在之前我们在对话框里提到的，为了确保逻辑的正确性，如果OpenClaw有不能确认的细节，人工再做一次确认。
随后，在细节确认后OpenClaw撰写的代码运行仍然出现了一些错误，在多次修复后，仍然不能完全确认正确性。我们认为人工去调试代码显得有些时间成本过高，于是通过在对话窗口，请OpenClaw将其代码逻辑以文字的形式再介绍一遍，通过文字逻辑快速梳理，寻找可能的错误。
在上图的对话窗口里，前面大部分逻辑经过修正，都已经和研报一致了，但在背离检测时，我们很快注意到向上三笔+向下两笔与我们想要的模式有差异，于是立即在对话窗口进行确认和修正：
经过较长时间的纠错，最终代码的逻辑与原文保持了一致，我们可以顺利的在输入股票行情数据后，请OpenClaw来完成背离形态的识别和完整模型的复现了。在这个过程中，OpenClaw再次展示出目前的一些缺陷：（1）完整的逻辑识别一开始是准确的，但撰写的代码却与其识别出的逻辑不一致；（2）小的错误较多，多次进行修正；（3）顺利运行的代码去识别是否有错误会花掉较多时间。这些问题多数与大模型的幻觉有关，也与大模型在OpenClaw架构下的适配度有一定的关系，期待未来随着OpenClaw架构和大模型的升级，使其能呈现出更好的可用性。
2. 研报的复现结果
2.1 识别到的背离形态收益统计
在经历反复纠错后，我们最终实现了完整模型研报的复现，我们从Wind提取沪深300成分股的行情数据，包括2016年至2026年3月23日成分股的每日开盘、收盘、最高、最低价格，然后通过飞书发送给OpenClaw，请其为这些股票进行历史上背离形态的判断，并分发生和确认两个时点，分别去统计不同交易日后股票的表现情况。
在excel数据发送给OpenClaw之后，在没有对Excel里的数据格式进行充分说明的情况下，OpenClaw还是能进行准确的识别，并将数据进行了完整的测算。
我们首先展示背离发生后的统计结果，从表1可知，背离发生后，顶背离的股票后续表现下跌无论是绝对收益还是相对指数的超额收益，都幅度明显，而底背离的股票发生后上涨幅度也较为明显，且10个交易日的胜率都能在70%左右，随着时间的拉长胜率逐渐下降到60%附近。
但是如果我们仅统计确认后的表现，则收益出现了较大的变化，顶背离确认后虽然股票中位数的表现还是负的，但是均值已经回正，胜率下降到了50%附近，底背离的收益则在0附近，胜率也在50%附近。可以认为：背离形态等待出现确认时已经几乎没有收益，虽然发生形态后行情的发展会有所变化，但背离的发生更对投资有参考意义。
2.2 识别到的背离形态收益的分布统计
为了考察顶背离会不会错过大牛股，底背离会不会迎来更大幅度的下跌，我们对发生顶背离和底背离后的10、20个交易日的绝对和相对收益分布都做了统计。
从顶背离来看，收益分布出现了明显的长尾效应：虽然大部分个股倾向于下跌，下跌的分布数量也较为集中，但上涨不同幅度的股票都有分布，也出现了10个交易日后涨幅超过10%的股票，这一点在20个交易日即时间拉长后体现的更加明显，出现了一定的“尾部上翘”的特征，说明确实有部分股票即使在顶背离后出现较大幅度的上涨。顶背离形态存在错过大牛股的可能性，股票从概率上有更高下跌的概率，但也有上涨幅度较多的个股，因此具体还应结合基本面一起分析。
而在底背离的股票收益分布上，也存在着类似的长尾效应，但与顶背离不同，尾部上翘的效应并不明显，发生底背离后继续下跌的股票存在，但大幅下跌的股票可能不多。因此我们的结论是：底背离发生的股票有较大概率上涨，但仍然存在部分股票继续下跌。
3. 进行背离形态的定期监控
在完成测算后，我们通过OpenClaw设定对股票背离形态的定期监控，监控任务更能体现OpenClaw与其他代码平台不同的特色，先复现后监控的工作能充分展示OpenClaw的能力。
我们在对话窗口，请OpenClaw根据背离形态的模型进行行情的定时提取和形态的识别，并对发生背离的信号进行提示。
设定好定时任务后，OpenClaw生成的自动推送监控结果如下图所示：
至此，使用OpenClaw复现申万金工的研报并进行定期监控的体系已经完成了，OpenClaw可以定期为我们进行市场的跟踪和形态信号的提示。
4. 一点思考与总结
在整个OpenClaw构建研报复现和定期监控体系的过程中，OpenClaw展示出较好对研报的阅读和总结能力，但在复现模型时出现了较多的小问题，期待随着OpenClaw的升级和大模型的适配度提升，未来可用性能够有所提升。如果仅是比较研报复现，目前来看OpenClaw相比专门的代码平台还是有一定的差距。
但OpenClaw还是有着独特的优势：首先独特的交互模式使得以上的这些工作大都不占用我们的完整工作时间，通过飞书我们可以在出差路上等碎片时间对OpenClaw下指令，我们在进行其他工作的同时OpenClaw同步完成对应的复现工作。其次，OpenClaw的监控和定期提示目前还是较有优势的。
5. 风险提示与声明
本报告对于OpenClaw、量化策略的研究分析均基于历史公开信息，可能受指数样本股的变化而产生一定的分析偏差；阅读本报告时，投资者需结合自身风险偏好及风险承受能力，充分理解量化策略的波动、风格、历史表现、风险等因素。模型根据历史数据构建，历史表现不代表未来，市场环境发生重大变化时可能失效。
