agentCLAWHUBUnverified
BeerGaao 专业量化交易
A股/港股/美股量化分析工具，提供技术分析、策略生成、回测验证和风险管理功能 Skill: BeerGaao 专业量化交易 Owner: ganjiakoun16 Summary: A股/港股/美股量化分析工具，提供技术分析、策略生成、回测验证和风险管理功能 Tags: agent:3.3.2, backtest:3.3.2, latest:3.3.5, quant:3.3.2, stock:3.3.2, trading:3.3.2 Version history: v3.3.5 | 2026-05-18T00:40:32.297Z | user 修复Longport数据源初始化守卫（source=longport始终回退到东财）和pyproject.toml版本锁定一致性 v3.3.4 | 2026-05-18T00:32:52.836Z | user 修复缓存TTL忽略参数、港股市场代码错误、测试mock无效、依赖配置不一致、编码乱码等15个问题 v3.3.3 | 2026-05-09T08:36:5
OpenClaw
Rank
62
Safety
84
Downloads
1.3k
Updated
Oct 10, 2026
Version
3.3.5
Source
CLAWHUB
About
What it does, and when to use it.
Capability contract not published. No trust telemetry is available yet. 1.3K downloads reported by the source. Last updated 10/10/2026.
Avoid when
- Contract metadata is missing or unavailable for deterministic execution.
Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing
Public facts
Every fact links back to the source it came from.
- Vendor
- Clawhubvendor · observed Oct 10, 2026
- Protocol compatibility
- OpenClawcompatibility · observed Oct 10, 2026
- Adoption signal
- 1.3K downloadsadoption · observed Oct 10, 2026
- Latest release
- 3.3.5release · observed May 18, 2026
- Handshake status
- UNKNOWNsecurity
Install and run
Setup complexity: low.
clawhub skill install s17f78bxr65kfvjry7kqw2pg7585t1nc:beergaao- Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
- Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.
Contract: missing
curl -s "https://www.xpersona.co/api/v1/agents/clawhub-ganjiakoun16-beergaao/snapshot"
Documentation
CLAWHUB
160,000 characters of source documentation, loaded on request.
Extracted files
5 files captured from the source.
SKILL.md
---
name: beergaao
description: A股/港股/美股量化分析工具，提供技术分析、策略生成、回测验证和风险管理功能
version: 3.2.6
metadata: {"openclaw": {"requires": {"env": ["TUSHARE_TOKEN"]}, "primaryEnv": "TUSHARE_TOKEN"}}
---
# BeerGaao 股票量化分析师
BeerGaao 是一个专为 股票市场设计的量化分析 Agent 工具集，为 AI Agent 提供标准化的股票分析能力。
## BeerGaao 可以成为你的：
- 💰 **自动量化工厂**：10+ 传统策略 + ML 策略 + 集成引擎，自动生成交易信号
- 🤖 **智能分析 Agent**：支持自然语言交互，一键完成股票技术分析
- 📊 **多数据源网关**：整合 Tushare、东方财富、Yahoo Finance（选装）、长桥 OpenAPI（选装）
- 🔬 **因子研究平台**：因子 IC 分析、策略归因、参数自动校准
- 📈 **回测验证系统**：三年历史数据回测，胜率 50%+，夏普比率 1.0+
## 可用工具
| 工具 | 功能 | 参数 |
|------|------|------|
| `analyze_stock` | 完整技术分析（策略+集成+ML+IC+校准） | `code` |
| `get_quote` | 实时行情报价 | `code` |
| `analyze_market` | 大盘环境分析 | — |
| `get_money_flow` | 资金流向 | `code` |
| `get_sector_flow` | 板块资金排名 | `limit` |
| `get_dragon_tiger` | 龙虎榜数据 | — |
| `full_review` | 完整复盘 | `watchlist` |
| `backtest_bt` | Backtrader 专业回测 | `code,strategy,start,end,cash` |
| `strategy_attribution` | 策略归因分析 | `days` |
| `check_correlation` | 相关性检查 | `codes` |
| `circuit_breaker_check` | 熔断检查 | — |
| `get_market_breadth` | 市场广度指标 | — |
## 调用示例
**用户："分析一下贵州茅台的走势"**
→ 调用 `analyze_stock("600519.SH")`
**用户："今天大盘怎么样"**
→ 调用 `analyze_market()`
**用户："招商银行资金流向"**
→ 调用 `get_money_flow("600036.SH")`
**用户："复盘一下"**
→ 调用 `full_review()`
**用户："用MACD策略回测招商银行"**
→ 调用 `backtest_bt("600036.SH", "MACDStrategy", "2023-01-01", "2026-04-30")`
## 信号类型
- **买入** — 多源共识置信度 ≥ 0.6
- **卖出** — 卖出信号共识 > 买入信号
- **观察** — 有买入信号但置信度 0.4-0.6
- **持有** — 无明确方向信号
## 支持的股票代码格式
- A股：`600036.SH`（上海）、`000001.SZ`（深圳）、`300750.SZ`（创业板）
- 港股：`0700.HK`
- 美股：`AAPL.US`
## 安装使用
```bash
git clone https://github.com/GanJiaKouN16/BeerGaao.git
cd BeerGaao
pip install -r requirements.txt
cp config.example.env config.env
# 编辑 config.env 填入 TUSHARE_TOKEN
```
## 配置要求
| 变量 | 说明 | 必需 |
|------|------|------|
| `TUSHARE_TOKEN` | Tushare API token（只读） | 是 |
| `LONGPORT_APP_KEY` | 长桥 App Key | 否 |
| `LONGPORT_APP_SECRET` | 长桥 App Secret | 否 |
| `LONGPORT_ACCESS_TOKEN` | 长桥 Access Token（建议只读） | 否 |
## 安全说明
> ⚠️ **重要安全提示**
**凭证安全（强制要求）：**
- 所有 API 凭证**必须**通过环境变量提供，代码中**不包含**任何硬编码的 token 或 secret
- `providers.py` 中所有凭证均通过 `self._config.longport_access_token` 等配置属性读取，最终来源为环境变量
- 东方财富 API 的 `ut` 参数通过 `EASTMONEY_UT` 环境变量配置（有默认值，通常无需修改）
- 使用前请确保已设置以下环境变量：
- `TUSHARE_TOKEN`：Tushare API token（必填）
- `LONGPORT_APP_KEY`：长桥 App Key（可选）
- `LONGPORT_APP_SECRET`：长桥 App Secret（可选）
- `LONGPORT_ACCESS_TOKEN`：长桥 Access Token（可选，建议只读权限）
- 技能启动时会自动检查必填凭证是否存在，缺失时会抛出明确的错误提示
- `config.env` 已被 `.gitignore` 排除，**绝不提交到版本控制系统**
**数据安全：**
- 本工具仅读取公开市场数据，**不执行实际交易**
- SQLite 数据库默认存储在项目 `.data/` 目录下（可通过 `DB_PATH` 环境变量自定义），已被 `.gitignore` 排除
- 数据库文件权限已设置为仅 owner 可读写（600），目录权限设置为 700
- 如需清除历史分析数据，删除 `.data/` 目录或指定的 `DB_PATH` 文件即可
- 不要加载来源不明的模型文件，模型加载有路径白名单保护
**模型安全：**
- 仅加载项目 `models/` 目录内本地生成的模型文件
- 禁止加载外部输入、网络下载或用户提供的任意模型文件
- 所有模型加载均通过 `load_model_safe()` 安全函数，自动执行路径白名单校验和文件完README.md
# BeerGaao
**胜率总是倍儿高，收益也嘛倍儿好**
股票量化分析 Agent 工具集
[](https://python.org)
[](LICENSE)
[](https://pypi.org/project/beergaao/)
[](https://pypi.org/project/beergaao/)
---
## 🌟 Introduction
[](https://github.com/GanJiaKouN16/BeerGaao)
BeerGaao 是一个专为 股票市场设计的量化分析 Agent 工具集，为 AI Agent 提供标准化的股票分析能力。
BeerGaao 可以成为你的：
- 💰 **自动量化工厂**：10+ 传统策略 + ML 策略 + 集成引擎，自动生成交易信号
- 🤖 **智能分析 Agent**：支持自然语言交互，一键完成股票技术分析
- 📊 **多数据源网关**：整合东方财富（必装）、Tushare、Yahoo Finance、长桥 OpenAPI（选装）
- 🔬 **因子研究平台**：因子 IC 分析、策略归因、参数自动校准
- 📈 **回测验证系统**：三年历史数据回测，胜率 50%+，夏普比率 1.0+
---
## 🏆 Backtest Results
三年回测验证（2023-04-30 ~ 2026-04-30）：
| 指标 | 600036.SH 招商银行 | 000858.SZ 五粮液 | 688702.SH 盛科通信 |
|------|-------------------|-----------------|-------------------|
| 总收益率 | **+28.64%** | **+19.39%** | **+57.22%** |
| 年化收益率 | **+8.76%** | **+6.09%** | **+20.45%** |
| 最大回撤 | **12.31%** | 18.74% | 29.83% |
| 胜率 | **58.21%** | **54.68%** | 52.24% |
| 盈亏比 | **1.86:1** | **1.63:1** | **1.78:1** |
| 夏普比率 | 1.28 | 0.87 | **1.54** |
| 超额收益 | **+33.56%** | **+24.31%** | **+62.14%** |
---
## ⚡ Quick Start
### 🐍 环境要求
- Python 3.10+
- 操作系统：Windows / macOS / Linux
### 📦 安装
```bash
git clone https://github.com/GanJiaKouN16/BeerGaao.git
cd BeerGaao
pip install -r requirements.txt
cp config.example.env config.env
# 编辑 config.env 填入配置
```
### ⚙️ 配置
编辑 `config.env` 文件，填入以下配置：
```bash
# Tushare（可选，历史K线数据源）
# 安装：pip install tushare 或 pip install -e ".[tushare]"
TUSHARE_TOKEN=your_tushare_token_here
# 长桥 OpenAPI（可选，支持美股/港股）
LONGPORT_APP_KEY=your_longport_app_key_here
LONGPORT_APP_SECRET=your_longport_app_secret_here
LONGPORT_ACCESS_TOKEN=your_longport_access_token_here
```
> ⚠️ **安全提示**：`config.env` 包含敏感 Token，已被 `.gitignore` 排除，请勿提交到版本库。
### 🚀 运行
#### 命令行模式
```bash
python -m stock_skill # 完整复盘
python -m stock_skill --analyze 600036.SH # 技术分析
python -m stock_skill --market # 大盘环境
python -m stock_skill --quote 300750.SZ # 实时行情
python -m stock_skill --flow 600036.SH # 资金流向
python -m stock_skill --breadth # 市场广度
python -m stock_skill --positions # 持仓查询
python -m stock_skill --perf # 回填信号绩效
python -m stock_skill --attribution # 策略归因分析
python -m stock_skill --monitor # 轮询监控
python -m stock_skill "招商银行怎么分析" # 自然语言
```
#### Python API
```python
from stock_skill.tools.tools import StockTools
tools = StockTools()
# 分析（自动集成：传统策略 + 集成引擎 + ML + 因子IC + 参数校准）
result = tools.analyze_stock("600036.SH")
# 返回数据包含
_meta.json
{
"ownerId": "kn7cfx0y2qzfavg4yz1dj76a5n85v46w",
"slug": "beergaao",
"version": "3.3.5",
"publishedAt": 1779064832297
}AGENTS.md
# AGENTS.md — BeerGaao 项目规范
## 1. 项目概述
BeerGaao 是一个 A 股量化分析 Agent 工具集，为 AI Agent 提供标准化的股票分析能力。
技术栈：Python 3.10+，pandas/numpy 数据处理，requests/akshare 必装，tushare（选装）/yfinance（选装）/longport（选装）多数据源，scikit-learn/xgboost/lightgbm 机器学习，backtrader 回测引擎，SQLite 状态持久化。
仓库结构：
```
BeerGaao/
├── stock_skill/ # 主包
│ ├── __main__.py # CLI 入口（--analyze, --market, --backtest-bt 等）
│ ├── config.py # 配置管理（环境变量加载）
│ ├── models.py # 数据模型定义
│ ├── state.py # SQLite 状态持久化
│ ├── risk.py # 风控计算
│ ├── indicators.py # 技术指标计算
│ ├── semantic.py # 自然语言查询解析
│ ├── monitor.py # 轮询监控
│ ├── tools/ # Agent 工具层（串联所有模块）
│ ├── strategies/ # 策略定义 + 参数校准 + Backtrader 适配
│ ├── factors/ # 因子基类 + 合成引擎
│ ├── backtest/ # 回测引擎
│ ├── providers/ # 数据源 + 缓存
│ ├── attribution/ # 策略归因
│ └── execution/ # 执行层
├── tests/ # 测试套件
├── .env.example # 环境变量模板
├── pyproject.toml # 项目配置
└── requirements.txt # 依赖清单
```
## 2. 快速命令
```bash
# 安装依赖
pip install -e ".[ml,dev]"
# 可选：安装 Tushare 数据源
pip install -e ".[tushare]"
# 配置环境变量
cp .env.example .env
# 编辑 .env 填入配置（TUSHARE_TOKEN 为可选，仅 Tushare 数据源需要）
# 运行主程序
python -m stock_skill # 完整复盘
python -m stock_skill --analyze 600036.SH # 分析个股
python -m stock_skill --market # 市场概览
python -m stock_skill --backtest-bt 600036.SH --strategy MAStrategy
# 测试
python -m pytest tests/ -v
# 日志
tail -f stock_skill.log
```
环境变量配置：
- `.env` 文件位于项目根目录
- 启动脚本通过 `python-dotenv` 自动加载
- 关键变量：`TUSHARE_TOKEN`（可选，仅 Tushare 数据源需要）, `LOG_LEVEL`, `DB_PATH`
## 3. 后端架构
```
stock_skill/
├── tools/tools.py # Agent 工具层，串联所有模块，返回标准化 JSON
├── strategies/ # 策略层
│ ├── strategies.py # 策略定义 + @register 装饰器注册
│ ├── ensemble.py # 集成引擎 + 市场状态
│ └── backtrader_adapters.py # Backtrader 策略适配
├── factors/ # 因子层
│ ├── base.py # 因子基类 + @register_factor 注册
│ └── *.py # 具体因子实现
├── backtest/engine.py # 回测引擎（三年历史数据回测）
├── providers/providers.py # 多数据源网关（tushare/东财 必装，yfinance/长桥 选装）
├── config.py # 配置管理
├── state.py # SQLite 持久化（信号历史、持仓）
├── risk.py # 风控计算（止损、仓位）
├── models.py # 数据模型（Signal, Position, FactorResult）
└── semantic.py # 自然语言查询解析
```
核心子系统：
- **策略引擎**：10+ 传统策略 + ML 策略 + 集成引擎，支持参数自动校准
- **因子平台**：因子 IC 分析、策略归因、因子合成
- **数据网关**：整合东方财富（必装）、Tushare、Yahoo Finance、长桥 OpenAPI（选装），带缓存
- **回测系统**：基于 Backtrader，支持三年历史数据回测
## 4. 前端架构
本项目为纯后端 CLI 工具，无前端。通过 CLI 命令或自然语言查询交互。
## 5. 关键约定
1. **返回格式**：所有工具方法返回 `{"tool": "name", "status": "success|error", "data": {...}}`
2. **异常处理**：捕获 Exception，返回 error 状态，不抛出到调用方
3. **类型注解**：使用 `Dict[str, float]` 而非 `dict[str, float]`（兼容 Python 3.9-）
4. **延迟注解**：所有文件使用 `from __future__ import annotatfactor-reference.md
# 因子体系参考
## 因子列表（19个）
### 基本面因子（7个）
| 因子 | 说明 |
|------|------|
| `pe_ttm` | 市盈率（TTM） |
| `pb` | 市净率 |
| `roe` | 净资产收益率 |
| `dividend_yield` | 股息率 |
| `revenue_growth` | 营收增长率 |
| `profit_growth` | 净利润增长率 |
| eps_ttm | 每股收益动量 |
### 资金面因子（6个）
| 因子 | 说明 |
|------|------|
| `main_net_inflow` | 近5日主力净流入均值 |
| `northbound` | 北向资金持股比例变化 |
| `margin` | 融资余额变化率 |
| `vpt` | 量价趋势指标（20日斜率） |
| `mf_strength` | 大单净流入/总成交额 |
| `inst_holding` | 机构持仓比例变化 |
### 情绪面因子（6个）
| 因子 | 说明 |
|------|------|
| `turnover` | 换手率 |
| `volatility` | 波动率 |
| `limit_up_momentum` | 涨停动量 |
| `price_strength` | 价格强度 |
| `consecutive_up` | 连续上涨天数 |
| `news_sentiment` | 新闻情绪（东方财富股吧爬虫） |
## 因子合成
```python
from stock_skill.factors.base import FactorCombiner
# 等权合成
scores = FactorCombiner.equal_weight(factors)
# IC加权
scores = FactorCombiner.ic_weight(factors, ic_data)
# 最大化IC_IR（二次规划优化）
scores = FactorCombiner.maximize_ic_ir(factors, returns)
```
## 增强IC分析
`EnhancedFactorAnalyzer` 提供：
- **滚动IC** — 60日窗口滚动计算Spearman秩相关
- **IC衰减** — 计算1-20天延迟的IC，检测半衰期和持续性
- **因子换手率** — 衡量因子持仓稳定性
- **t统计量 + p值** — 判断IC是否显著
主流程中自动对 ma5/ma10/ma20/rsi/dif/dea/macd/k/d/boll_mid/atr 计算IC：
```json
{
"rsi": {"ic": 0.035, "ic_ir": 0.42, "significant": true},
"ma20": {"ic": 0.012, "ic_ir": 0.15, "significant": false}
}
```
显著性标准：|IC| > 0.02 且 |ICIR| > 0.3
## IC过滤机制
策略依赖的因子如果不显著，该策略的置信度自动降权：
| 情况 | 乘数 |
|------|------|
| 所有依赖因子显著 | ×1.0 |
| 部分因子不显著 | ×0.8 |
| 全部因子不显著 | ×0.6 |
| 无因子映射 | ×1.0 |
策略→因子映射：`rsi_oversold`→`rsi`, `kdj_cross`→`k,d`, `macd_cross`→`dif,dea,macd` 等
## 自定义因子
```python
from stock_skill.factors.base import Factor, register_factor
@register_factor
class MyFactor(Factor):
name = "my_factor"
category = "custom"
description = "自定义因子"
def compute(self, df, **kwargs):
return some_value
```Github ReposUpdated 1d agoRank 70
AionUi
Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!
MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70
activepieces
AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents
OPENCLAW
Github ReposUpdated 6mo agoRank 70
cherry-studio
AI productivity studio with smart chat, autonomous agents, and 300+ assistants.
MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70
CopilotKit
The Frontend for Agents & Generative UI. React + Angular
OPENCLAW
Machine-readable data
The same record, as JSON, for agents and crawlers.
{
"facts": [
{
"factKey": "vendor",
"category": "vendor",
"label": "Vendor",
"value": "Clawhub",
"href": "https://clawhub.ai/ganjiakoun16/skills/beergaao",
"sourceUrl": "https://clawhub.ai/ganjiakoun16/skills/beergaao",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-10T19:30:24.384Z",
"isPublic": true
},
{
"factKey": "protocols",
"category": "compatibility",
"label": "Protocol compatibility",
"value": "OpenClaw",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-ganjiakoun16-beergaao/contract",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-ganjiakoun16-beergaao/contract",
"sourceType": "contract",
"confidence": "medium",
"observedAt": "2026-10-10T19:30:24.384Z",
"isPublic": true
},
{
"factKey": "traction",
"category": "adoption",
"label": "Adoption signal",
"value": "1.3K downloads",
"href": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceUrl": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-10T19:30:24.384Z",
"isPublic": true
},
{
"factKey": "latest_release",
"category": "release",
"label": "Latest release",
"value": "3.3.5",
"href": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceUrl": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-05-18T00:40:32.297Z",
"isPublic": true
},
{
"factKey": "handshake_status",
"category": "security",
"label": "Handshake status",
"value": "UNKNOWN",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-ganjiakoun16-beergaao/trust",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-ganjiakoun16-beergaao/trust",
"sourceType": "trust",
"confidence": "medium",
"observedAt": null,
"isPublic": true
}
],
"events": [
{
"eventType": "release",
"title": "Release 3.3.5",
"description": "修复Longport数据源初始化守卫（source=longport始终回退到东财）和pyproject.toml版本锁定一致性",
"href": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceUrl": "https://clawhub.ai/ganjiakoun16/beergaao",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-05-18T00:40:32.297Z",
"isPublic": true
}
]
}Record generated Oct 10, 2026.