投资要点
■ AI工具变革房地产投研方式：房地产行业是中国经济的支柱产业之一，其股票投资涉及宏观经济政策、地方调控措施、公司财务状况、土地市场变化等众多复杂因素。2024年以来，房地产行业进入深度调整期，政策端密集出台“稳楼市”措施，行业格局加速重塑，央企国企与优质民企的分化日益明显。在这一背景下，传统研究方式面临信息量爆炸、政策变化频繁、研究覆盖面有限等多重挑战。
■ OpenClawAIAgent 赋能全链路智能投研，”对话即编程”开创行业新范式：本系统基于OpenClaw持久化AI Agent框架构建，深度整合Skills技能系统(16个专业投研技能)、Cron定时调度(9个自动化任务)、长期记忆系统(MEMORY.md持久化)和Telegram 推送，实现从数据采集、信号生成、研究输出到投资决策的全链路覆盖。累计产出18个Python脚本(约8588行代码),多套固化工作流，分析师通过自然语言对话即可驱动专业级投研分析，无需编程。
■双平台协同+双模型评级，覆盖三大市场60余只房地产标的：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。云端部署两套独立评级模型——”量化AI选股”(量化30%+基本面20%+AI50%)与”东吴地产选股”(基本面70%+AI 30%),覆盖A股、港股、美股三大市场。本地七维评分引擎(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，双平台数据联动形成完整投研闭环。
■ Telegram 集成打造移动端投研体验，9个Cron 任务实现全天候自动化：系统通过Telegram推送实现投研信息的实时触达——每日08:30投研晨报(800-1200字精简版)、09:15地产AI精选(重点3只标的+评分+AI观点)、09:30-15:00盘中异动实时警报、信号变化即时通知、周五16:00 组合周报。支持 Telegram 双向交互，发送”研究招商蛇口”等自然语言指令即可获取专业分析。分析师每天仅需10-15分钟查看推送，即可获取过去需1-2小时手动操作的信息量。
■四层数据降级+五模型路由+地产行业深度定制，确保系统稳定运行：数据层采用 iFinD→AKShare→腾讯财经→新浪财经四层降级架构，连续失败3次自动降低优先级。AI层配置 Kimi K2.5(深度分析)、MiniMaxM2.5(数据提取)、GLM-5(数学推理)、DeepSeek V3(交叉验证)、混元2.0(联网搜索)五模型路由。针对地产行业定制PB破净逻辑(0.3-0.8满分)、三道红线筛查、地产情绪词库(多个专属关键词),使评级结果紧密贴合行业特性。系统代码已开源。
风险提示：AI评级仅供参考，不构成投资建议；大模型存在幻觉风险；数据源中断可能影响评分时效性；房地产市场波动性风险。
1.项目总体说明
1.1.项目背景与动机
房地产行业是中国经济的支柱产业之一，其股票投资涉及宏观经济政策、地方调控措施、公司财务状况、土地市场变化等众多复杂因素。2024年以来，房地产行业进入深度调整期，政策端密集出台“稳楼市”措施，行业格局加速重塑，央企国企与优质民企的分化日益明显。在这一背景下，传统研究方式面临信息量爆炸、政策变化频繁、研究覆盖面有限等多重挑战。
与此同时，以大语言模型(LLM)为代表的人工智能技术正在深刻改变金融投研领域。ChatGPT、Kimi、DeepSeek等模型展现出强大的文本理解、信息提取和逻辑推理能力，但现有AI工具存在一个本质局限：无状态。每次对话都从零开始，无法记住分析师的研究偏好、历史结论和持仓信息，更无法执行定时任务或调用外部数据接口。
OpenClaw的出现改变了这一局面。作为新一代AIAgent框架，OpenClaw提供了持久化工作空间、长期记忆、技能系统、定时调度和本地代码执行等核心能力，使得构建一个“有记忆的、能写代码的、会定时干活的”AI投研助手成为可能。本项目正是基于这一技术框架，构建了一套聚焦房地产行业的AI智能投研系统。
从行业层面看，2025年房地产行业呈现出明显的结构性分化特征。一方面，头部央企国企(如招商蛇口、保利发展、华润置地)凭借融资优势和土储质量，市场份额持续提升；另一方面，部分民企仍在应对流动性压力，行业出清尚未完成。这种分化格局对投研提出了更高要求——不仅要判断行业整体走势，更要精准识别个股的差异化机会。
政策端的变化频率也在加快。仅2025年上半年，就先后出台了取消限购放开、降低首付比例、公积金贷款放宽、地方购房补贴等多项措施。每一项政策都可能对个股产生显著影响，但影响方向和幅度因公司而异。传统的人工跟踪方式难以及时覆盖60只标的的政策敏感度分析，而人工智能系统可以7×24不间断监控和分析。
1.2.项目定位
本项目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，构建从数据采集、信号生成、研究输出到投资决策辅助的完整链路。系统的核心特征包括：
(1)双平台协同架构：本地OpenClaw投研体系(多因子评分引擎+12个数据脚本+6套固化工作流)与云端房地产AI评级平台(详情请见【东吴地产】《基于量化分析与大模型的房地产股票AI选股系统》深度报告)深度集成，形成“云端专业评级+本地智能分析”的双平台交叉验证机制。
(2)地产行业深度定制：针对房地产行业特性设计了专属的评分参数体系，包括破净逻辑(PB0.3-0.8满分)、地产专属情绪词库(三道红线、集中供地等多个关键词)、地产权重方案等。
(3)三大市场覆盖：覆盖A股、港股、美股三大市场共60余只房地产相关标的，涵盖房地产开发、物业管理、房产服务、REITs信托等细分领域。
(4)AI原生工作方式：通过自然语言交互驱动，研究员无需编程即可完成个股研究、行业分析、信号扫描、组合风控等全流程操作。
本系统自2026年2月启动构建。截止3月6日，仅OpenClaw直接调用的代码已累计产出18个Python脚本(约8588行代码),16个Skill技能包，9个Cron定时任务，并且仍在持续迭代中。开发过程本身就是AI原生工作方式的最佳实践——超过50%的代码在与OpenClaw的对话中逐步生成和优化，无需独立的IDE或开发环境。这种开发方式使得非专业程序员也能构建复杂的投研系统。
从成果来看，系统已经在实际投研工作中持续运行。每个工作日自动推送投研晨报和地产精选，盘中实时监控60只地产标的的异动，每周五生成组合周报。系统不是一个实验室产物，而是一个真实运行的投研辅助工具。
1.3.系统核心能力概览本项目已在GitHub开源，完整源代码、部署文档和使用说明均可在线获取：
https://github.com/stock-picker-lab/Investment-Research-Claw。开源版本包含18个脚本的脱敏版（去除了硬编码的IP地址和密码，改为环境变量配置）、MIT开源协议、完整的
README文档、依赖清单和环境变量模板。开发者可以基于开源代码快速创建自己的
投研系统。后续团队也会持续上传最新代码，提供更多能力。
本文来自知之小站
报告已上传百度网盘群，限时15元即可入群及获得1年期更新
（如无法加入或其他事宜可联系zzxz_88@163.com）
