先说结论:这周账户没亏多少,但过程比前三周加起来都煎熬。
雪球这套基于 OpenClaw 搭出来的 A 股交易智能体,进入第三周百万实盘,正好撞上一轮系统性退潮。题材股高度骤降,亏钱效应蔓延,连板梯队断层,很多人的账户一周下来直接回到月初。雪球这周的核心动作只有两个:一是断臂求生,把该砍的仓位无差别砍掉;二是极限防守反击,在最恐慌的节点用极低仓位做两次试探。整周跑完,净值回撤控制在 2.1% 以内,比我自己手动操作时心态稳得多。
这篇文章把第三周的运行报告完整写出来,包括退潮信号怎么被机器识别、止损清单和仓位瘦身过程、两次防守反击的触发逻辑,以及 OpenClaw 本身暴露的几个坑。如果你也在研究用智能体框架做交易决策辅助,或者正在搭自己的 AI 交易系统,这周的记录应该比前两周更有参考价值。
1. 先交代背景:雪球是什么,以及第三周为什么成为极限测试
1.1 项目起点:用 OpenClaw 训练出来的 A 股交易员
雪球不是一个选股工具,也不是什么自动下单脚本。它的定位是"交易员",也就是把一套完整的交易决策流程——观察市场、识别情绪周期、制定计划、执行止损、控制仓位——全部交给基于 OpenClaw 框架构建的智能体系统来承载。
我选择 OpenClaw 而不是直接用 Python 写一套量化策略,核心原因在于:OpenClaw 天然支持"多模型协同 + 工具调用 + 记忆管理"的架构,我可以把交易员的经验拆成不同的 Skill 模块,让大模型在特定场景下做特定判断,而不是让一套规则引擎去死板地扫描 K 线。更重要的是,它可以接入飞书、微信这类 IM 工具,我能在手机上随时跟它对话,让它解释某笔交易的理由。这种"可交互的交易员助手",比黑盒策略更符合我的使用习惯。
整个部署架构大概是这样的链路:
- 底层:OpenClaw 框架跑在一台云服务器上,Docker 方式部署,稳定性和可迁移性都兼顾。
- 模型层:同时配置了多个模型。一个负责市场情绪判断和复盘文案生成,另一个负责盘中快速决策,参数上做了差异,避免单一模型出现系统性偏差。
- 数据层:通过 Skill 接入行情数据接口,定时抓取涨停池、连板高度、成交量、炸板率等核心指标。
- 执行层:目前雪球出的是交易计划和仓位建议,我作为执行人手动下单。后面考虑接券商接口,但还没到那一步。
这个架构在第二周之前运行得都挺顺。前两周市场处于情绪上升期,雪球的进攻策略跑了一口肉,账户一度浮盈接近 4%。但第三周开始,情况完全变了。
1.2 百万资金的结构:底仓、机动仓和现金的分配逻辑
在讲第三周操作之前,必须先说清楚这 100 万是怎么分配的。很多人在复盘时只看收益率,不看资金结构,这是最大的误区。
雪球把 100 万资金分成三块:
- 底仓(30 万左右):配置的是基本面相对扎实的主线品种,做中线持有,除非出现系统性风险信号,否则不轻易动。
- 机动仓(50 万左右):这是雪球真正的战场,用来参与短线题材博弈,根据市场情绪周期动态调整。
- 现金(20 万左右):一直保持不低的现金比例,这是防守的弹药,也是极端情况下的心理缓冲垫。
第三周一开始,底仓里有一只票已经连续两天走弱,机动仓里还有三笔短线持仓没有完全退出。这就是退潮来临时的初始局面。
1.3 第三周的市场环境:一次真实的系统性退潮
所谓系统性退潮,不是一只票跌了、一个板块调整了,而是整个市场短线生态的赚钱效应出现断崖式衰减。
直观感受是:涨停股第二天不再给溢价,昨天还在加速的板块今天直接低开闷杀,连板梯队从昨天的十板高标突然断层成三板四板,炸板率飙升,资金疯狂避险。这种环境下,不管你的选股能力有多强,只要还在场内重仓交易,大概率就是送钱。
第三周周一上午 10 点,我看了眼涨停池数据:昨日涨停股今天的平均溢价为负,高位股集体跳水,连板数量从周初的 20 多只掉到 10 只以内。雪球在盘中推了一条消息给我,原话是:"市场进入退潮期,建议降低机动仓至两成以下,暂停新开仓。"我当时还犹豫了一下,因为前两周它很少给出这么果断的降级指令,但事实证明,这条消息帮我避免了至少 4 个点的回撤。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
