OpenClaw + Tushare 实战：用 AI 助手打造你的智能股票分析系统

OpenClaw + Tushare 实战：用 AI 助手打造你的智能股票分析系统

作者： 虾仁 🦐 & 懒羊 🐑 日期： 2026 年 3 月 9 日 适用人群： 对量化投资、AI 助手、自动化分析感兴趣的投资者

---

📌 目录

0. 背景与动机
1. 工具介绍
2. 环境搭建
3. 实战案例
4. 进阶玩法
5. 风险与注意事项
6. 总结

---

背景与动机

为什么需要 AI 助手辅助投资？

传统股票分析的痛点：

• 📊 数据分散 - 行情、财务、公告分散在不同网站
• ⏰ 时效性差 - 人工查询滞后，错过最佳时机
• 🧮 分析耗时 - 筛选股票、计算指标花费大量时间
• 😓 情绪干扰 - 容易受市场情绪影响，做出非理性决策

OpenClaw + Tushare 的组合可以解决这些问题：

• ✅ 一站式数据查询
• ✅ 实时获取最新行情
• ✅ 自动化筛选和分析
• ✅ 客观数据驱动决策

---

工具介绍

OpenClaw 是什么？

OpenClaw 是一个AI 助手框架，可以连接各种工具和 API，让你用自然语言和 AI 交互来完成复杂任务。

核心特点：

• 🦎 支持多种大模型（Qwen、MiniMax、Gemini 等）
• 🔧 丰富的技能系统（Skills）
• 💬 支持多种聊天平台（微信、Telegram、Discord 等）
• ⏰ 定时任务和提醒功能
• 🧠 长期记忆和上下文管理

Tushare Pro 是什么？

Tushare Pro 是中国领先的金融数据平台，提供：

• 📈 股票、基金、期货、债券行情数据
• 📊 财务报表、业绩预测
• 💰 资金流向、龙虎榜
• 🌍 宏观经济、行业数据

积分系统：

• 注册赠送初始积分
• 每日签到获取积分
• 不同 API 调用消耗不同积分

---

环境搭建

1. 安装 OpenClaw

# 使用 npm 安装
npm install -g openclaw
​
# 验证安装
openclaw --version

2. 配置工作空间

# 初始化工作空间
openclaw setup
​
# 工作空间默认位置：
# Windows: C:\Users<用户名>.openclaw\workspace
# macOS/Linux: ~/.openclaw/workspace

3. 安装 Tushare 技能

方法 A：从 ClawHub 安装（推荐）

npx clawhub@latest install tushare-data

方法 B：从 GitHub 手动安装

# 克隆技能到 workspace 的 skills 目录
git clone https://github.com/DayDreammy/tushare-openclaw-skill.git \
  ~/.openclaw/workspace/skills/tushare-data

4. 获取 Tushare Token

0. 访问 tushare.pro
1. 注册账号并登录
2. 进入个人中心获取 API Token
3. 将 Token 配置到 TOOLS.md 或环境变量中

## TOOLS.md 配置示例
​
## API Tokens
​
### Tushare Pro
- Token: `your_token_here`
- 官网：https://tushare.pro

5. 验证安装

# 检查技能是否就绪
openclaw skills list
​
# 应该看到 tushare-data 在列表中

---

实战案例

案例 1：查询单只股票行情

需求： 查看贵州茅台最近的日线行情

操作步骤：

帮我查询贵州茅台 (600519.SH) 最近 10 天的日线行情

API 调用示例：

import tushare as ts
​
pro = ts.pro_api('your_token')
df = pro.daily(ts_code='600519.SH', start_date='20260220', end_date='20260306')
print(df)

输出示例：

ts_code    trade_date  open   high    low  close    vol
600519.SH  20260306   1680.0  1720.0  1675.0  1710.0  123456
600519.SH  20260305   1650.0  1690.0  1645.0  1680.0  234567
...

案例 2：筛选低估值高分红股票

需求： 找出 PE<20、PB<3、股息率>3% 的股票

筛选条件：

指标	条件	说明
PE	< 20	市盈率低于 20 倍
PB	< 3	市净率低于 3 倍
股息率	> 3%	年分红率高于 3%

API 调用：

# 获取每日基本指标
df = pro.daily_basic(trade_date='20260306', 
                     fields='ts_code,pe,pb,dv_ratio,close')

# 筛选符合条件的股票
filtered = df[(df['pe'] > 0) & (df['pe'] < 20) & 
              (df['pb'] > 0) & (df['pb'] < 3) & 
              (df['dv_ratio'] > 3)]

实战结果（2026-03-06）：

• 共筛选出 421 只 符合条件的股票

• 推荐关注：中国中铁 (601390.SH)

  • PE: 5.25, PB: 0.47, 股息率: 4.39%
  • 20 日涨幅: +2.92%

案例 3：监控指定股票

需求： 每天自动监控四川黄金 (001337.SZ) 的收盘价

OpenClaw 定时任务配置：

{
  "name": "监控四川黄金",
  "schedule": {
    "kind": "cron",
    "expr": "0 15 * * 1-5"  // 每周一至周五 15:00（收盘后）
  },
  "payload": {
    "kind": "agentTurn",
    "message": "查询四川黄金 (001337.SZ) 今日收盘价和涨跌幅"
  },
  "delivery": {
    "mode": "announce"
  }
}

创建命令：

openclaw cron add --name "监控四川黄金" \
  --schedule "0 15 * * 1-5" \
  --message "查询四川黄金 (001337.SZ) 今日收盘价"

案例 4：财务健康度分析

需求： 分析某只股票的财务状况

查询指标：

• 利润表（收入、净利润）
• 资产负债表（负债率）
• 现金流量表（经营现金流）

API 调用：

# 利润表
income = pro.income(ts_code='601390.SH', 
                    start_date='20250101', 
                    end_date='20251231')

# 资产负债表
balance = pro.balancesheet(ts_code='601390.SH',
                           start_date='20250101',
                           end_date='20251231')

# 现金流量表
cashflow = pro.cashflow(ts_code='601390.SH',
                        start_date='20250101',
                        end_date='20251231')

分析维度：

0. 营收增长率 = (今年营收 - 去年营收) / 去年营收
1. 净利润率 = 净利润 / 营收
2. 资产负债率 = 总负债 / 总资产
3. 经营现金流 / 净利润（质量指标）

---

进阶玩法

1. 构建股票池监控系统

### 监控股票池
- 中国中铁 (601390.SH) - 基建龙头
- 首创股份 (600008.SH) - 水务公用
- 平安银行 (000001.SZ) - 银行
- 四川黄金 (001337.SZ) - 贵金属

### 监控指标
- 日涨跌幅超过 5% 时提醒
- 成交量放大超过 50% 时提醒
- 发布重大公告时提醒

2. 技术指标计算

import pandas as pd
import numpy as np

# 计算均线
df['MA5'] = df['close'].rolling(5).mean()
df['MA10'] = df['close'].rolling(10).mean()
df['MA20'] = df['close'].rolling(20).mean()

# 计算 MACD
exp1 = df['close'].ewm(span=12, adjust=False).mean()
exp2 = df['close'].ewm(span=26, adjust=False).mean()
df['MACD'] = exp1 - exp2
df['Signal'] = df['MACD'].ewm(span=9, adjust=False).mean()

# 计算 RSI
delta = df['close'].diff()
gain = (delta.where(delta > 0, 0)).rolling(14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
rs = gain / loss
df['RSI'] = 100 - (100 / (1 + rs))

3. 自动化报告生成

每日收盘后自动生成：

# 📊 收盘日报 - 2026-03-09

## 持仓股票表现
| 股票 | 收盘价 | 涨跌幅 | 持仓盈亏 |
|------|--------|--------|----------|
| 中国中铁 | 5.93 | +1.2% | +¥2,340 |
| 首创股份 | 3.19 | -0.5% | -¥560 |

## 市场概况
- 上证指数：3,XXX 点 (+X.X%)
- 深证成指：X,XXX 点 (+X.X%)
- 成交量：X,XXX 亿

## 明日关注
- 中国中铁：接近压力位 6.00 元
- 四川黄金：关注 55 元支撑

4. 结合新闻情感分析

# 伪代码示例
from transformers import pipeline

# 加载情感分析模型
sentiment_analyzer = pipeline("sentiment-analysis")

# 获取新闻标题
news_titles = get_stock_news('601390.SH')

# 分析情感
for title in news_titles:
    result = sentiment_analyzer(title)
    print(f"{title}: {result[0]['label']} ({result[0]['score']})")

---

风险与注意事项

⚠️ 投资风险

0. 数据延迟 - Tushare 数据可能有 1-2 小时延迟
1. 模型幻觉 - AI 可能提供错误信息，需自行核实
2. 市场风险 - 历史数据不代表未来表现
3. 系统风险 - 技术故障可能导致数据缺失

⚠️ 使用注意事项

0. Token 安全

   • 不要公开分享你的 Tushare Token
   • 建议存放在环境变量或加密配置中
   • 定期更换 Token

1. 积分管理

   • 免费用户有积分限制
   • 高频接口消耗更多积分
   • 每日签到赚积分

2. 数据安全

   • 敏感数据不要上传到云端
   • 定期备份本地配置
   • 注意隐私保护

⚠️ 合规提醒

• 📌 本系统仅供学习和研究使用
• 📌 不构成投资建议，据此操作风险自担
• 📌 投资决策请咨询持牌专业人士

---

总结

✅ 我们学会了什么？

0. OpenClaw 基础 - AI 助手框架的搭建和配置
1. Tushare API - 金融数据获取和使用
2. 技能整合 - 将 Tushare 技能集成到 OpenClaw
3. 实战应用 - 股票查询、筛选、监控、分析

🎯 核心价值

传统方式	OpenClaw + Tushare
手动查询多个网站	一句话获取数据
Excel 手工计算	自动化分析
人工盯盘	定时监控 + 提醒
情绪化决策	数据驱动决策

🚀 下一步可以做什么？

0. 扩展数据源 - 接入更多 API（新闻、公告、宏观数据）
1. 策略回测 - 用历史数据验证投资策略
2. 组合管理 - 管理多只股票的投资组合
3. 机器学习 - 训练预测模型辅助决策

📚 学习资源

• OpenClaw 官方文档
• Tushare 官方文档
• ClawHub 技能市场
• 量化投资入门

---

附录

OpenClaw 常用命令

# 查看技能列表
openclaw skills list

# 查看技能详情
openclaw skills info <skill-name>

# 管理定时任务
openclaw cron list
openclaw cron add --name "任务名" --schedule "0 15 * * *"

# 查看会话状态
openclaw status

# 搜索文档
openclaw docs search <关键词>

---

🦐 虾仁结语：

工具再强大，也只是辅助。投资的核心还是认知和纪律。

AI 可以帮你省时间、提供数据，但决策的责任永远在你自己。

祝投资顺利，理性投资，长期主义！📈

---

最后更新：2026 年 3 月 9 日 如有问题，欢迎交流～ 🐑