行业投资评级 - 增持（维持）[1] 核心观点 - AI工具变革房地产投研方式，传统研究面临信息爆炸、政策多变、覆盖面有限等挑战，而基于OpenClaw框架的AI智能投研系统通过“对话即编程”开创行业新范式，能实现从数据到决策的全链路覆盖，显著提升研究生产力[5] - 系统构建了本地OpenClaw投研体系与云端AI评级平台的双平台协同架构，通过双模型评级和七维评分引擎进行交叉验证，形成完整投研闭环，覆盖A股、港股、美股三大市场60余只房地产标的[5] - 系统通过Telegram集成实现移动端投研体验，9个Cron定时任务实现全天候自动化信息推送与交互，分析师每天仅需10-15分钟即可获取过去需1-2小时手动操作的信息量[5] 项目总体说明 - **项目背景与动机**：2024年以来房地产行业进入深度调整期，政策密集出台，行业格局加速重塑，央企国企与优质民企分化明显，传统研究方式面临挑战[10]；同时，现有大语言模型工具存在“无状态”局限，无法记忆历史与执行定时任务，而OpenClaw框架使得构建“有记忆、能写代码、会定时干活”的AI投研助手成为可能[10][11] - **项目定位**：定位为面向房地产行业的AI原生智能投研辅助系统，核心目标是将大语言模型的智能分析能力与传统多因子评分模型相结合，构建完整投研链路[12]；系统具备双平台协同架构、地产行业深度定制、三大市场覆盖和AI原生工作方式四大核心特征[12][13][14] - **系统核心能力概览**：系统具备双模型评级、覆盖A股19只+港股34只+美股7只共60只标的、七维评分引擎、AI实时联网分析、四层数据降级保障、每日自动评级、双平台交叉验证及6套固化工作流等核心能力[17]；项目已在GitHub开源，包含18个脚本的脱敏版代码[17][18] 系统架构与设计原理 - **选择OpenClaw的原因**：OpenClaw作为有状态的AI Agent框架，与无状态的ChatGPT/Copilot等有本质区别，其具备持久化工作空间、长期记忆、技能系统、定时调度和本地代码执行等核心能力，构成了完整的AI原生投研基础设施[19][22][24] - **双角色AI助手设计**：系统设计了“投研分析专家”与“研究员”双角色，根据对话关键词自动切换，分别覆盖个股研究/行业分析等6套工作流和港美股研究/信号验证等3套工作流，两者共享长期记忆[57][58] - **Telegram集成与信息分发**：系统通过Telegram Bot实现实时信息推送与双向交互，推送场景包括每日08:30投研晨报、09:15地产AI精选、盘中异动实时警报、11:30/14:30信号扫描及周五16:00组合周报[34][35][37][38]；推送格式经过优化，使用加粗和表情符号突出重点，分析师平均每天查看10-15分钟即可获取大量信息[39] 房地产AI选股模型详解 - **双平台协同架构**：系统采用本地OpenClaw投研体系与云端AI评级平台协同的架构，云端平台负责专业数据（如iFinD）采集和双模型评级，本地系统负责信号扫描、交叉验证和工作流编排，两者互补形成完整评估体系[61][64][65] - **云端评级模型**：云端部署两套独立评级模型，权重结构不同：“量化AI选股”模型权重为量化30%+基本面20%+AI 50%，“东吴地产选股”模型权重为基本面70%+AI 30%[61][75]；两套模型的AI评分均采用DeepSeek V3.2（40%）、GLM-5（30%）和Kimi K2.5（30%）三模型融合机制，评分时均开启联网搜索[76]；综合评分≥65分为“优选”，50-64分为“关注”，35-49分为“中性”，<35分为“谨慎”[77] - **本地评分引擎**：本地七维评分引擎权重为趋势22%、动量18%、波动率12%、成交量18%、价值12%、基本面8%、情绪10%，提供信号扫描和交叉验证[62][63] - **行业深度定制**：针对房地产行业定制了PB破净逻辑（PB在0.3-0.8区间给满分）、三道红线筛查、地产专属情绪词库（包含多个关键词）等，使评级结果紧密贴合行业特性[2][14][122] 实战工作流与运行效果 - **核心工作流**：系统固化了个股深度研究、行业分析、组合分析与晨报、信号扫描与地产精选4大核心工作流[97][100][104][107]；以“研究招商蛇口”为例，触发后自动执行10步标准流程，包括获取行情、财务、新闻、生成K线图、估值分析等，最终输出标准格式研报，整个过程约60-90秒[52][55][98] - **自动化调度与运行**：系统通过9个Cron定时任务实现全天候自动化运行，包括盘前推送、盘中监控、盘后扫描等[28][113]；以2026年3月6日为例，云端平台刷新60只标的评级，全板块均分59.0分，其中优选9只（占15%），关注48只（占80%），随后本地系统自动拉取高分标的并推送[83] - **效率提升**：系统累计产出18个Python脚本（约8588行代码）、16个Skill技能包，超过50%的代码在与OpenClaw的对话中生成，实现了“对话即编程”[14][119]；分析师通过自然语言交互即可驱动专业分析，无需编程[5] 系统独特价值与未来展望 - **独特价值**：系统具备AI原生（对话即编程）、全链路覆盖、多模型融合、地产行业深度定制4大独特价值[118][120][121][122]；与市面传统金融终端、AI聊天助手及多因子选股平台相比，在AI分析能力、自动化水平和行业定制深度上具有综合优势[115][116][117] - **可复制性与推广**：系统架构具有良好的可复制性，信号引擎支持多套权重方案，通过调整行业专属参数（如权重、情绪词库、估值区间）可快速复制到消费、科技、医药等其他行业[123][125] - **后续研究方向**：未来计划扩展港美股研究覆盖、深化多引擎评分体系、建立信号回验与模型迭代闭环、研究跨市场联动，并引入更细粒度的RAG能力和知识图谱集成以提升分析深度[127][128][129][131][132]