行业投资评级 - 增持（维持） [1] 报告核心观点 - 本报告为“地产+AI工具”系列第四篇，旨在通过构建并实践一个名为“InvestmentClaw”的美股全自动量化交易系统（基于OpenClaw框架），验证AI Agent在金融决策中的能力边界，并为卖方研究提供一个从AI辅助走向AI自主决策的完整落地范本[1][4][39] - 系统的核心价值不在于与大型量化机构比拼复杂模型或高频交易，而在于通过“简单有效”的设计、严密的工程化风控和全链路可观测性，为个人及小型机构提供一种纪律性远超人工、低门槛可复现的稳健自动化交易能力[4][51][56] - 报告详细阐述了从选股、评分、决策、交易到风控、监控的全系统闭环设计，展示了AI Agent如何从投研辅助工具（Copilot）升级为具备一定自主决策能力的协同搭档（Autopilot）[4][39][57] 系统架构与设计 - 架构闭环：系统采用“调度层—选股层—评分层—决策层—执行层—观测层”六层架构，实现美股日频全自动交易，具备定时调度、多路选股、量化与AI评分、自动下单、十道风控与全链路可观测能力[4][57][63] - 故障隔离与降级：系统设计了多层降级策略，确保在外部数据源（如Finviz）、AI模型（LLM API）或券商接口故障时，核心流程仍能通过启用备用数据源、切换纯量化模式或告警人工介入等方式继续运行，避免局部故障导致系统停摆[70][72] - 可观测性设计：系统构建了三层观测体系，包括实时Telegram通知、结构化日志（SQLite/JSONL）存储和运行时日志（cron_logs），确保任何交易决策、异常事件和系统状态均可被实时感知、事后追溯和深度复盘[74][75] 选股体系 - 四路入池：每日候选池通过四路来源构建并合并去重，包括Finviz条件筛选（4条预设策略）、异动扫描（5类日内事件）、SEED_TICKERS稳定种子池（约40只核心标的）以及杠杆ETF专属池，并配置保底机制以杜绝单一数据源失效风险[4][77][80] - 质量监控与保护：系统对候选池进行每日质量监控，包括总数、来源占比、行业分布等指标，并采用原子写入和最小数量阈值（默认20只）保护机制，确保候选池的稳定性和高质量，防止因数据源异常导致候选池过小或行业过度集中[4][98][103] - 成本控制：候选池合并后若超过180只，会按事件优先级进行截断，优先保留异动新高、放量等高价值事件相关的标的，以控制后续AI评分环节的API调用成本[100] 评分与决策机制 - 三引擎专业化评分：根据标的类型差异，系统采用三个专用评分引擎：成长股（growth）引擎侧重基本面与动量、杠杆ETF（leverage）引擎侧重技术趋势与波动率、小盘股（smallcap）引擎侧重情绪与短期动量，以降低单一模型偏差[4][19][107] - 双AI模型交叉验证：对初筛得分最高的Top N（默认20只）候选，系统引入MiniMax与GLM双大语言模型进行独立判别与交叉融合，并结合量化评分（权重60%）、AI融合分（权重20%）和反向指标分（权重20%）形成最终得分（final_score），提升决策可靠性与可解释性[4][24][40] - 信号生成与终调：根据final_score生成具体的买卖行动建议，并经过现金比例、单日买入笔数上限、行业集中度、单票持仓红线等多道终调规则过滤，最终形成可执行的交易信号[48][50] 交易执行与风控体系 - 自动交易流程：执行层（trader.py）负责连接券商API，根据信号自动计算仓位权重、提交限价单/市价单，并处理成交反馈与状态持久化，实现从信号到成交的落地[57][61] - 十道风控防线：风控体系严密，除设置止损硬约束外，还采用三层动态止盈止损机制（ATR自适应、峰值阶梯锁利、VIX联动），并配合48小时冷却期、行业分散、动态预算管理（三桶预算模型）等，实现进攻性与安全性的平衡[4][31][36] - 盘中监控与守护：通过守护进程（每5分钟检查）和定时盘中监控任务（每10分钟），持续检查持仓盈亏、触发止损止盈、监控Gateway（连接券商的服务）健康状态，并在异常时自动重启或告警，保障系统持续稳定运行[30][57][74] 策略定位与回测表现 - 策略定位：策略不追求复杂因子与高频交易，而是依靠机器的绝对纪律性克服人性弱点，聚焦于利用公开信息产生“认知差”，其核心优势在于透明度、可审计性和低门槛可复现[4][47][50] - 回测表现：回测显示该策略夏普比率为1.24，最大回撤为-19%，适合追求稳健收益、厌恶大幅回撤的个人与小型机构使用[4] - 与大型机构差异：与资金规模在100亿至1000亿美元、依赖专线数据和微秒级执行的大型量化机构不同，本系统面向万美元级账户，主要使用免费公开数据（yfinance, Finviz）和按量计费的LLM API，执行频率为日频，核心壁垒在于其可解释性和低门槛[47][50]