市场近期表现 - 最近5个交易日，科创50指数下跌2.88%，创业板指上涨2.51%，大盘价值上涨0.48%，大盘成长上涨1.38%，上证50下跌1.20%，国证2000代表的小盘股下跌1.13% [1] - 行业板块方面，煤炭和电力设备表现靠前，国防军工和石油石化表现靠后 [1] 市场估值水平 - 截至2026年3月13日，中证全指PETTM分位数为83%，上证50与沪深300的分位数分别为71%和75% [1] - 创业板指估值分位数接近62%，中证500与中证1000的分位数分别为68%和67%，创业板指风格估值相对历史总体处于中位数水平 [1] 风险溢价与资产偏好 - 截至2026年3月13日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.48%，其两倍标准差边界为4.63% [1] 资金交易情况 - 最近5个交易日，ETF资金净流出123亿元，融资盘增加约120亿元 [2] - 两市日均成交额为24792亿元 [2] 人工智能模型观察 - 基于卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习特征映射到行业主题板块中 [2][11] - 模型最新配置关注的主题为电力、电网、公用事业等，具体包括国证绿色电力指数、中证绿色电力指数、中证全指电力公用事业指数、中证全指公用事业指数、中证电网设备主题指数等细分指数 [2][3][12]

文章核心观点 - 文章系统介绍了OpenClaw智能代理平台在投资研究领域的深度应用，展示了其如何通过整合多种技能模块，实现办公流程自动化、投研信息高效处理以及复杂量化策略的快速构建与验证，旨在提升投研人员的工作效率与决策质量 [1][2][3] 一、 OpenClaw常用CLI操作指令 - 文章提供了OpenClaw常用命令行接口操作速查表，涵盖系统启动与运行、配置与重置、通信管理、消息操作、模型与智能体管理、技能与插件管理、记忆管理、安全与自动化等八大类指令 [4][5] 二、 自动化Office文件处理 - OpenClaw通过配置docx、pdf、pptx、xlsx与canvas-design五大核心技能，构建了端到端的自动化办公流程，旨在解决跨软件协同繁琐、机械性数据流转耗时等问题 [2][6] - 五大技能均来自开源生态的Anthropic官方标准技能库，基于“渐进式加载架构”构建，能够按需动态加载，赋予AI智能体执行复杂跨文件任务的能力 [7] - **docx技能**：用于创建、编辑与解析Word文档，支持修订轨迹追踪、批注处理及格式保留，可自动化完成合同审核、公文起草与研报排版 [8] - **pdf技能**：提供完整的PDF文件操作工具包，涵盖文本与复杂表格的高精度提取、文档合并拆分及表单处理，可将非结构化文件快速转化为可编辑的结构化数据 [8] - **pptx技能**：专注于PowerPoint演示文稿的生成、解析与编辑，支持识别版式模板、处理图表及自动化生成幻灯片，适用于投研路演与工作总结场景 [8] - **xlsx技能**：专精于Excel电子表格的构建、修改与深度分析，支持复杂公式运算、格式设定与数据可视化，可自动化执行数据清洗与指标计算 [8] - **canvas-design技能**：侧重于结合专业设计理念构建高质量的视觉图像，支持生成png与pdf格式，可用于快速制作海报、插图等 [9] - 五项技能可组合应用，构建跨文件格式的端到端自动化工作流，例如从PDF财报提取数据，经Excel清洗计算后，自动生成Word研究报告和路演PPT，彻底消除跨软件数据复制与格式转换工作 [9] - 技能安装过程简便，通过与OpenClaw直接对话即可完成，系统会提示并协助安装所需的环境依赖 [10][11][12][13][14][15][16][17][18][19][20][21] - 为确保中文字体正常显示，系统提供了安装开源中文字体（如Noto Sans CJK、文泉驿系列）的具体操作指南 [22] 三、 应用实例详解 - **实例1：读取PDF财报，总结并生成Word报告并配以精美图表** - 通过一段完整的提示词指令，OpenClaw可自动完成从PDF财报中提取非结构化数据、分类总结、使用canvas-design生成图表，并最终整合为格式规范的Word文档的全过程 [26][29] - 执行结果显示，OpenClaw准确提取了关键信息，生成了三份总结分析Markdown文件（大小分别为4.8K、8.9K、9.3K）、三组对应的HTML/PNG格式图表（PNG大小分别为741K、764K、548K）以及一个2.0M的完整Word报告 [30][31][32][33] - **实例2：根据PDF材料，自动生成路演PPT** - 基于PDF原始材料，OpenClaw使用pdf和pptx技能，可自动提取内容并整理生成路演汇报PPT [36][39] - 生成物包括一个308KB的16页路演PPT文件，以及相关的说明文档和脚本文件 [39] - **实例3：每日高质量资讯晨报&自动发送飞书** - OpenClaw可访问指定的权威新闻网站，读取新闻标题，利用大模型判断新闻与A股投资的相关性，阅读全文后总结成不超过1000字的晨报，并自动发送至飞书 [43] - 此过程可封装为一个Skill，并通过Cron定时任务在每个交易日上午九点自动执行 [44] - **实例4：信息爬取&数据可视化** - 以地产行业为例，OpenClaw可利用自带的浏览器和Playwright工具，自动抓取特定房产信息网站的房屋挂牌数据，保存至本地并进行数据可视化分析 [48] - **实例5：条件选股** - 以优化PB-ROE策略为例，OpenClaw可根据Wind API文档和基本需求，自主完成数据抓取、因子构建、回测分析等一系列任务 [51] - 在进一步提示下，模型能主动搜索相关投资理论和学术论文以寻找优化灵感，通过迭代优化最终提升因子效果 [53] - 经过多轮优化后的因子（PBROE改进3）IC均值达到3.39%，ICIR为0.46，多头年化超额收益率为2.09%，最大回撤为-11.75%，表现优于原始因子 [54][56] - **实例6：实现自动化编程** - OpenClaw通过深度结合对宿主机环境的真实文件I/O操作，能够自动完成复杂代码工程的目录搭建与文件编排 [58] - 以构建Barra CNE6多因子模型为例，OpenClaw能根据PDF公式文档，自动生成模块化、结构清晰、带有详细中文注释的完整Python代码库，并生成说明文档 [59][62][64][65]

市场表现 - 最近5个交易日，科创50指数下跌4.95%，创业板指下跌2.45%，大盘价值上涨1.17%，大盘成长下跌1.10%，上证50下跌1.54%，国证2000代表的小盘股上涨3.53%，行业方面石油石化、煤炭表现靠前，传媒、有色金属表现靠后 [1] - 两市日均成交额为26212亿元 [2] 估值水平 - 截至2026年3月6日，中证全指PETTM分位数为84%，上证50与沪深300分别为72%、75%，创业板指接近58%，中证500与中证1000分别为69%、68%，创业板指风格估值相对历史总体处于中位数水平 [1] 风险偏好 - 截至2026年3月6日，中证全指静态PE的倒数EP减去十年期国债收益率（风险溢价）为2.47%，其两倍标准差边界为4.64% [1] 资金流向 - 最近5个交易日，ETF资金流入50亿元，融资盘缩减约160亿元 [2] AI模型观察 - 基于卷积神经网络对图表化价量数据与未来价格进行建模，并将学习特征映射到行业主题板块中，最新配置主题为电力、电网、公用事业等 [2] - AI模型关注的具体细分指数包括：国证绿色电力指数、中证绿色电力指数、中证全指电力公用事业指数、中证全指公用事业指数、中证电网设备主题指数 [2][3][12]

公司招聘策略与人才需求 - 公司正在上海、深圳、北京三地同时招聘量化选股、量化固收和基金研究三个岗位的研究人员 [1][4][7] - 所有岗位的简历投递截止日期均为2026年4月30日 [1][4][7] - 公司要求所有岗位的应聘者工作年限在五年以内 [3][6][8] 岗位职责与业务方向 - 量化选股研究岗负责开发与跟踪因子选股、行业轮动、择时等金融工程策略模型 [1] - 量化固收研究岗负责国债、可转债等固收方向的量化策略开发与跟踪 [4] - 基金研究岗负责基金经理调研、基金优选及相关专题策略研究 [7] 任职要求与核心能力 - 量化选股与量化固收岗位要求硕士研究生及以上学历，专业背景为数学、统计、计算机、物理或金融工程等相关专业 [2][5] - 基金研究岗要求硕士研究生及以上学历，专业背景为金融工程等相关专业 [8] - 所有岗位均要求熟练掌握Python、Matlab等至少一种编程语言，并能熟练运用Oracle、SQL Server等数据库及数据库语言，具备良好的编程能力与规范 [2][5][8] 应聘流程与材料规范 - 应聘者需将简历投递至指定邮箱：chenyuanwen@gf.com.cn 及 anningning@gf.com.cn [9] - 简历必须以PDF格式发送，邮件标题需严格按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名，例如“【金融工程】-【张三】-【清华大学】-【基础数学】” [10] - 公司将在简历收集截止后，对合格候选人尽快安排笔试和面试 [10]

招聘岗位与地点 - 公司正在招聘量化研究岗、基金研究岗及实习生 [1][4][7] - 量化研究岗与基金研究岗的工作地点均在上海、深圳、北京 [1][4] - 实习生的工作地点在深圳、广州、上海、北京 [7] 岗位职责 - 量化研究岗负责金融工程策略模型的开发与跟踪，如因子选股、行业轮动、择时等量化策略 [1] - 基金研究岗负责基金经理调研、基金优选及相关专题策略研究 [4] - 实习生负责数据处理、分析、统计，协助完成量化投资相关课题研究及金融工程策略模型的开发与跟踪 [8] 任职要求 - 量化研究岗与实习生均要求硕士研究生（含）以上学历，专业为数学类、统计类、计算机、物理类、金融工程等相关专业 [2][9] - 基金研究岗要求硕士研究生（含）以上学历，金融工程等相关专业 [5] - 所有岗位均要求熟练掌握Python、Matlab等至少一种编程语言，并熟练运用数据库及数据库语言（如oracle、sql server），有良好的编程能力与规范 [2][5][9] - 量化研究岗与基金研究岗的工作年限要求在五年以内 [3][6] 申请流程与截止日期 - 量化研究岗、基金研究岗及实习生的简历投递截止日期均为2026年4月30日 [1][4][7] - 实习生要求每周至少实习3天以上，实习时间不少于3个月，实习考核优秀有明确留用机会 [7] - 申请者需将简历以PDF格式发送至指定邮箱，邮件标题需按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名，未按要求命名的邮件将被视为垃圾邮件 [10] - 公司将在简历收集截止后，对合格候选人尽快安排笔试和面试 [10]

文章核心观点 - 广发证券金工团队基于宏观与技术双视角，对A股市场大类资产及权益风格进行了月度定量打分，得出最新配置观点 [1] - 综合来看，当前大类资产中看好黄金与工业品，对权益与债券持中性看法 [1][29] - 权益风格方面，当前看好小盘风格与成长风格 [3][42] 基于宏观视角及技术视角的月度跟踪 - 研究框架分别从宏观视角和技术视角出发，筛选指标对大类资产及权益风格进行月度频率的定量打分，以判断未来1个月走势 [4] - 研究对象包括权益、债券、黄金、工业品4类大类资产，以及大盘/小盘、成长/价值两类权益风格 [7] - 具体跟踪指数为：中证800（权益）、中证全债（债券）、SGE黄金（商品）、南华工业品（商品）；巨潮大盘/小盘、国证成长/价值（风格） [8][9] A股市场大类资产最新观点 - **宏观视角**：当前看空权益与债券资产，看好黄金与工业品资产 [24] - **技术视角**：当前看好权益、债券、黄金、工业品四类资产，趋势均向上 [26] - **综合观点**：权益与债券资产总得分为0，观点为“看平”；黄金与工业品资产总得分为2，观点为“看好” [29] - **具体技术指标**： - 权益资产趋势向上（LLT指标显示0.56%），估值适中（ERP历史5年分位数为48.65%），资金流入（主动净流入额差值为1434） [27] - 债券资产趋势向上（收盘价平均月度涨跌幅0.22%） [27] - 黄金资产趋势向上（收盘价平均月度涨跌幅6.75%） [27] - 工业品资产趋势向上（收盘价平均月度涨跌幅2.04%） [27] 大类资产配置组合表现 - 构建了结合宏观与技术指标的动态配置组合，基准组合为固定比例配置 [30] - 固定比例+宏观+技术指标组合自2007年至今年化收益率为10.18%，最大回撤9.27%，2026年以来收益率为3.95% [31][32] - 控制年化波动率6%+宏观+技术指标组合自2007年至今年化收益率为10.44%，最大回撤7.37% [36] - 风险平价+宏观+技术指标组合自2007年至今年化收益率为8.28%，最大回撤4.58% [36] A股市场权益风格最新观点 - **宏观视角**：当前看好小盘风格与成长风格 [38] - **技术视角**：当前看好小盘风格与成长风格 [40] - **综合观点**：大盘/小盘风格总得分为-3，观点为“看好小盘”；成长/价值风格总得分为3，观点为“看好成长” [42] - **具体技术指标**： - 大盘/小盘风格趋势向下（历史1个月涨跌幅差为-3.66%），资金流出 [41] - 成长/价值风格趋势向上（历史6个月涨跌幅差为1.49%），资金流入 [41] 权益风格轮动组合表现 - 大小盘轮动组合自2013年至今年化收益率为14.42%，年化超额收益率为5.71%，2026年以来超额收益率为3.59% [45][47] - 成长价值轮动组合自2013年至今年化收益率为14.47%，年化超额收益率为6.00%，2026年以来超额收益率为1.53% [48][49]

文章核心观点 - 文章提供了截至当前时点，中国A股主要宽基指数和部分行业指数成分股的分红进度统计数据，并分析了考虑分红影响后的各股指期货合约基差情况 [1][2][3] 一、宽基指数成分股分红统计 - **沪深300指数**：有1家成分股处于分红实施阶段，本年度累计分红12.51亿元 [1][4] - **上证50指数**：有1家成分股处于分红实施阶段，本年度累计分红12.51亿元 [1][4] - **中证500指数**：有1家成分股处于分红实施阶段，本年度累计分红1.30亿元 [1][4] - **中证1000指数**：有1家成分股处于股东提议分红阶段 [1][4] 二、行业指数成分股分红统计 - **医药生物行业**：有1家成分股处于实施阶段（累计分红0.66亿元），另有1家已获股东大会通过 [2][5] - **公用事业行业**：有1家成分股处于实施阶段，本年度累计分红12.51亿元 [2][5] - **机械设备行业**：有1家成分股处于实施阶段（累计分红0.63亿元），另有1家处于股东提议阶段 [2][5] - **煤炭行业**：有1家成分股处于实施阶段，本年度累计分红1.30亿元 [2][5] - **石油石化行业**：有1家成分股处于实施阶段，本年度累计分红0.14亿元 [2][5] 三、考虑分红后的股指期货基差分析 - **沪深300股指期货**：考虑分红后，近月、远月、近季、远季合约的年化基差率分别为-1.11%、0.54%、0.67%、0.79% [3][11] - **上证50股指期货**：考虑分红后，近月、远月、近季、远季合约的年化基差率分别为-3.26%、-1.82%、-2.07%、-1.65% [3][11] - **中证500股指期货**：考虑分红后，近月、远月、近季、远季合约的年化基差率分别为2.50%、2.97%、1.59%、3.28% [3][11] - **中证1000股指期货**：考虑分红后，近月、远月、近季、远季合约的年化基差率分别为5.71%、6.35%、6.70%、7.52% [3][11]

量化转债组合表现 - 量化可转债组合基于三套因子体系生成，月度调仓，2025年以来组合收益为34.84%，相对中证转债指数超额收益为8.15% [1] - 2026年2月单月，该组合收益为1.01%，相对中证转债指数超额收益为0.23% [1] 量化因子体系 - 量化模型跟踪了32个可转债基本面因子、80个可转债低频价量因子和32个可转债高频价量因子 [2] - 基本面因子涵盖估值、债券属性、溢价率、价量、价值、质量、规模、流动性、杠杆、成长、盈利等多个维度，例如隐含波动率、转股溢价率、市盈率、净资产收益率等 [11] - 低频价量因子包含99个技术因子（alpha001至alpha099）及alpha101 [11] - 高频价量因子包含已实现方差、偏度、峰度、高频上下行波动率、量价相关性、趋势强度、资金流相关因子及聪明钱因子等 [11] 定价偏差因子示例 - 定价偏差因子定义为转债市场价格减去理论定价，报告展示了部分转债在2026年2月27日的该因子值 [13] - 示例数据显示，定价偏差因子值分布广泛，例如“128136.SZ”的因子值为52.69，“110067.SH”的因子值为-2.18，“110084.SH”的因子值为42.47 [14] 可转债风险预警 - 基于交易所规则及模型计算，报告对存在各类退市风险及信用风险的可转债进行了预警 [3] - 预警类别包括交易类强制退市预警（如岭南转债）、财务类强制退市预警（如声迅转债）、*ST退市风险警示（如精装转债）及ST其他风险警示（如凌钢转债、南航转债等） [16] - 预警类别还包括事件型信用风险预警（如闻泰转债、三房转债等）和打分型信用风险预警（如通22转债、精工转债等） [16] 转债指数择时与仓位 - 基于价量模型、定价偏差和转债弹性三个维度对中证转债指数进行多空择时及仓位管理 [4] - 2026年2月，价量模型与定价模型持续发出看多信号，凸性模型信号为0 [17] - 根据模型信号，2026年2月期间（如2月2日至2月27日）的仓位观点持续为2/3仓位（即约67%） [4][17]

市场近期表现 - 最近5个交易日，科创50指数上涨0.47%，创业板指下跌0.53%，国证2000代表的小盘风格上涨3.08% [1] - 大盘价值风格下跌1.34%，大盘成长风格下跌0.93%，上证50指数下跌1.31% [1] - 行业层面，钢铁、环保表现靠前，传媒、非银金融表现靠后 [1] 市场估值水平 - 截至2026年2月27日，中证全指静态市盈率（PETTM）分位数为84%，估值处于历史较高水平 [1] - 上证50与沪深300指数的PETTM分位数分别为72%和74% [1] - 创业板指PETTM分位数接近61%，中证500与中证1000指数分位数分别为70%和69% [1] - 创业板指风格估值相对历史总体处于中位数水平 [1] 资金与交易情况 - 最近5个交易日，ETF资金净流出393亿元 [2] - 同期，融资盘增加约222亿元 [2] - 两市日均成交额为23,348亿元 [2] AI模型识别趋势与主题配置 - 基于卷积神经网络（CNN）对图表化价量数据与未来价格进行建模，并将学习特征映射到行业主题板块 [2][9] - 最新模型配置关注的主题包括船舶、电网、钢铁、机器人等 [2] - 具体关注的细分指数包括：中证智选船舶产业指数、中证电网设备主题指数、中证钢铁指数、中证机器人指数 [2][3][10] - 模型同时关注中证工程机械主题指数 [3][10] 风险溢价指标 - 风险溢价指标（中证全指静态市盈率倒数EP减去十年期国债收益率）截至2026年2月27日为2.43% [1] - 该指标的两倍标准差边界为4.65% [1]

文章核心观点 - 文章旨在深入解析新兴的AI智能体OpenClaw在多平台的具体部署方案，并全面展示其在投研场景中的进阶应用，以提升投研效率 [1][2][4] OpenClaw的优势 - **创新的跨平台交互**：允许用户通过飞书、钉钉、WhatsApp、Telegram等主流即时通讯软件实现去中心化的远程控制，降低使用门槛并提高远程可用性 [2][5] - **强大的本地执行力**：具备系统级操作权限，能够自动执行代码审查、文件整理、邮件处理、日程管理等复杂的本地任务，显著提升人机协同生产效率 [2][5] - **坚实的隐私保障**：采用“本地优先”架构，可完全部署在用户的个人硬件设备上，所有敏感信息、配置及交互历史均加密存储在本地物理硬盘，从根本上阻断数据外泄风险 [2][6] - **持久的系统记忆力**：通过在本地生成并维护详细的会话日志与全局配置文件，突破传统大模型上下文丢失的限制，提供连贯且高度个性化的长期智能服务 [2][6] OpenClaw多平台部署 - **Windows平台部署**：建议使用适用于Linux的Windows子系统（WSL2）来满足OpenClaw对类Unix运行环境的底层需求，以规避跨平台适配问题，通过命令行可自动安装 [7][9] - **Mac平台部署**：建议先通过清华源安装包管理工具homebrew，由于MacOS本身为类Unix系统，剩余部署流程与WSL环境基本一致 [30] - **云端平台部署**：除了本地部署，还可以通过腾讯云、阿里云、百度云、火山引擎等云服务器实现快速一键部署 [34] - **模型与通信配置**：OpenClaw作为智能体中枢，可调用云端大模型（如通过SiliconFlow）或本地运行的大模型（如基于Ollama），并通过配置飞书等即时通信软件实现移动端使用 [11][16][18] OpenClaw投研应用 - **整体框架**：OpenClaw是一种高度模块化的智能体架构，以智能体核心为调度中枢，协同管理本地工作区、多模态接入渠道和技能工具箱，通过标准化的函数调用机制安全自主地操控外部系统 [36] - **技能机制**：技能遵循“接口声明层”与“物理执行层”相分离的双层架构设计，用户可通过官方技能生态社区（ClawHub）检索、下载并集成各类定制化进阶技能，或通过自然语言指令直接安装技能 [39][42][45] - **接入金融数据**：通过安装ClawHub上的Stock Watcher技能（使用同花顺等作为数据源），可实现通过自然语言指令添加自选股、查看行情、获取技术分析和资金流向数据等功能 [46][49] - **条件选股**：在接入金融数据后，可通过自然语言指令进行条件选股，例如筛选总市值小于1000亿元、市盈率为正且小于100倍的股票，并对所选组合进行收益率回测 [52][54] - **文件管理**：OpenClaw可以直接参与宿主机环境下的真实文件I/O操作，实现任意的文件创建、搜索、更改、移动、读取等批量文件管理功能 [54][55] - **财报分析**：OpenClaw可自动选择合适的工具读取本地PDF财报文件，并提取关键财务指标进行客观总结，例如展示营业收入、净利润及其同比变化等数据 [56][57] - **复杂代码工程**：结合对本地环境的操作能力，OpenClaw可根据需求文档（如CNE6公式PDF）构建复杂的代码工程，自动生成具有合理分层目录结构和中文注释的多个Python脚本文件 [58][60] - **技术分析**：通过安装Technical Analyst技能，OpenClaw可对K线图图像进行技术分析，生成包括趋势判断、关键位置和情景概率分布在内的详细分析报告 [62][66][67]