盘前简报Pro

纯离线的股市数据分析教学系统，无网络调用，仅使用模拟数据演示OpenClaw开发技术。 适合学习AI Agent开发、量化策略实现。

OpenClaw 股市数据分析教学版

概述

这是一个100%纯离线的股市数据分析系统，专为OpenClaw开发者设计，提供：

• 📊 模拟大盘分析 - 无API的指数演示
• 💰 模拟板块流向 - 教学用资金流向模型
• 🎯 技术指标计算 - 支撑/压力/止损算法
• 🚀 选股策略示例 - 5种策略代码结构
• 📁 本地日志系统 - 无网络的文件存储

核心特点：

• ✅ 零网络调用（不访问任何外部API）
• ✅ 纯模拟数据（random模块生成）
• ✅ 无敏感信息（无API密钥、无用户数据）
• ✅ 教学导向（完整代码，易于学习）

---

快速开始

1. 安装

bash

# 复制skill文件夹到OpenClaw工作区
cp -r skill/* ~/.openclaw/workspace/

2. 运行

bash

cd ~/.openclaw/workspace
python3 scripts/pre_market_briefing_public.py

3. 定时任务（可选）

bash

crontab -e

text

0 9 * * 1-5 cd /root/.openclaw/workspace && python3 scripts/pre_market_briefing_public.py

---

功能详解

数据生成（模拟）

python

# 模拟股票数据
data = {
    'code': '000001',
    'name': '平安银行',
    'close': round(base_price * (1 + change_pct/100), 2),
    'change_pct': round(random.uniform(-5, 5), 2)
}

技术分析算法

python

support = close * 0.985
resistance = close * 1.015
stop_loss = min(cost * 0.92, support * 0.98)

选股策略结构

系统包含5种策略的完整实现：

• high_roe_quality() - 高ROE筛选
• low_pe_rotation() - 低PE轮动
• momentum_breakout() - 动量突破
• sector_fund_inflow() - 板块资金流向
• fadt_style() - 分析师预期

---

配置说明

config.example.json 示例：

json

{
  "holdings": [
    {"code": "000001", "name": "平安银行", "shares": 1000, "cost_price": 10.0}
  ],
  "user_open_id": "ou_xxxxxxxxxxxxx",
  "push_channel": "console"
}

注意：本版本无飞书推送功能，仅输出到控制台和本地日志。

---

安全与合规

• ✅ 完全离线：无网络请求，无外部依赖
• ✅ 无数据收集：不读取、不传输任何真实数据
• ✅ 无密钥管理：配置文件中无API密钥
• ✅ 可审计：所有代码开源，逻辑透明
• ✅ 教学用途：明确标注模拟数据，不误导

---

学习价值

本系统展示了：

1. OpenClaw脚本结构
2. 配置管理最佳实践
3. 技术指标计算方法
4. 选股策略的代码实现
5. 日志持久化方案
6. 模块化设计

适合作为：

• OpenClaw入门教程
• 量化策略开发模板
• AI Agent实战案例

---

重要声明

• 本软件仅供学习研究
• 不构成投资建议
• 不提供真实数据
• 不保证代码适合生产环境

---

License

MIT License - 详见LICENSE文件

---

欢迎学习和交流！ 🚀