9 min read

我用AI Agent搭了套地缘危机监控系统,一周收益15%+

Source: http://x.com/i/article/2032361822708494336

最近资本市场的焦点都在伊朗局势上,油价成为了市场最关注的重中之重,而伊朗是否继续霍尔木兹海峡就是影响油价最重要的破局点,就在霍尔木兹海峡被封锁的第三天,我刷折Bloomberg的报告看着油价波动,突然觉得这种重复性的劳动为什么不用AI试试。

于是,我决定让我的Openclaw🦞来干这件事。

监控配置:信息源决定信息质量

搭监控系统的第一步不是写代码,是想清楚该看什么。

我发现Bloomberg 每次引用海峡通行数据,来源几乎都指向 JMIC(联合海事信息中心)。与其等 Bloomberg 转述,不如让 Agent 直接去 JMIC 抓第一手数据,这样岂不是更快?同样的思路,我把Windward 等海事情报博客也作为高质量信源加入监控来源。

Image

但只看西方信源会有信息盲区,往往不一定是真实情况。伊朗的 Tasnim 通讯社和 Fars 通讯社是伊朗方面声明的第一落点,很多时候比路透社快几个小时。我让 Agent 同时覆盖英语和波斯语的搜索,用双语数据源做交叉验证。 3 月 5 号那天,一条伊朗官员的声明让航运指数在半天内从涨停打到跌停,Tasnim 比英文媒体早了将近两小时。

监控频率我设为每 6 小时一轮,这个频率可以自己调节,太久了缺乏及时性,太频繁又浪费token。每次采集完,Agent 把结果追加到滚动日志文件,保留最近 7 天的数据。同时设了 Flash Alert 机制:油价单日波动超过 5%、船只通行量剧变、或搜到“ceasefire”等关键词时,不等 6 小时,立刻推送到我的Openclaw客户端通讯软件。

于是,3 月 7号的一次推送长这样:

Image

这条推送到达我的时候,CNN 还在播半天前的旧新闻。

投资实战:噪音很大,盯住核心指标

从 3月7号启动监控到今天,原油市场上有各种各样的外部噪音(Mixed Signals)。

Image

原油的供给利好的消息从没断过:3 月 5 号伊朗宣布“只封锁西方船只,中国和中立国可以通行”,市场一度觉得局势在缓和;3 月 8 号沙特和阿联酋的绕行管道正在增加输送量,分析师喊出“最坏情况已经过去”;3 月 10 号俄罗斯表示正在跟美国讨论能源市场合作,期货应声回落了 3%。

影响原油供给的消息也一波接一波:3 月 11 号泰国散货船在海峡被无人机击中起火,三名船员失踪;同一天传出伊朗开始在海峡布设水雷的报告;3 月 12 号 Brent 突破 100 美元,IEA 宣布释放 4 亿桶战略储备,创下历史最大规模的紧急释储。伊朗新最高领袖穆杰塔巴·哈梅内伊首次公开讲话,明确表示继续封锁。

如果跟着新闻情绪交易会非常困难,有可能买进去是高点而卖在低点,从K线图也不难发现3 月 6 号开始原油价格的波动是非常巨大的。

但我的 Agent 每 6 小时给我推一次通行数据。这个数字一直在讲同一个故事:从开战时的 153 艘/日,到 3 月 2 号降为 0,到 3 月 8 号恢复到 13 艘,再到 3 月 11 号又跌到 8-9 艘,3 月 12 号只剩 1-2 艘。

所有那些“缓和”的新闻,在船只通行量这个核心指标面前都站不住脚。海峡根本没有实质性重新开放,保险商也没有回来。

所以我从 3 月 7 号开始持有原油 ETF,中间扛过了好几次回调(特别是 3 月 10 号那次俄美合作消息导致的 3% 下跌),一直没动。到今天 Brent 从约 87 美元涨到了 100 美元以上,涨幅超过 15%。 说实话,因为波动太大没敢上杠杆,不然收益翻倍都不止。保守了一点,但对我来说,持仓拿着睡得着觉是第一位的。

Image

让 AI 按专家框架出报告

监控解决的是“发生了什么”,但投资需要回答“所以呢”。

我单独写了一个投资决策 Skill,每天早上 8 点自动运行。 它的数据来源分三层优先级: 第一层读本地的监控日志,海峡数据已经采集好了,不需要重复搜索; 第二层通过 OpenBB 的 Python API 拉取宏观指标(美债收益率、VIX、联邦基金利率),走 FRED 和 FMP 的接口,精确且不占搜索额度(OpenBB配置方法可以看我这篇文章: https://x.com/xingpt/status/2032021921022529794?s=20 ); 第三层才是网页搜索,硬性限制最多 3 次,只用来补充分析师观点这类 API 拿不到的软信息。

分析框架借鉴了高盛、摩根大通和美银的公开研报,把危机分成四个阶段,每个阶段对应不同的资产配置方向。报告聚焦大盘和大类资产,不做个股推荐:

Image

当然Openclaw给的回复不能直接去做投资决策,还是需要综合自己的经验和各种因素去做判断。为了辅助做判断,我把原油和贵金属常用的技术指标整理成了一套4H周期的分析框架,挂在投资Agent里作为单独的Skill,随时可以问。 框架覆盖了均线交叉、MACD、RSI、布林带、Squeeze这些经典指标,核心逻辑是趋势、动量、波动率三个维度同向才给信号。比如3月10号俄美合作消息砸盘那天,油价跌了3%,但4H均线结构完好、MACD没翻绿,技术面说"这是回调不是反转",跟通行量数据给出的判断一致,所以我拿住了仓位。

Image

踩过的坑和优化

架构隔离。 一开始我把监控 Skill 挂在主 Agent 上,结果它和日常对话的上下文混在一起。后来在 OpenClaw 里注册了一个独立的 investor 子 Agent,监控和投资决策都跑在里面,跟主 Agent 完全隔离。

搜索死循环。 早期版本的投资 Skill 写了二十多项搜索任务,Agent 每搜一轮上下文就膨胀一截,到第三轮已经 252KB 了,陷入“觉得自己还没搜够”的死循环,跑满 5 分钟超时。解决办法:把搜索次数写死(“最多 3 次,搜完即停,数据缺了写暂缺,不要重试”),同时给定时任务加了超时保护。

引入 OpenBB. 接入 OpenBB 之后,宏观数据走 API 直接拿,一个 Python 脚本几秒钟跑完,省掉了七八次搜索。FRED 拿利率和 CPI, FMP 拿股指和商品报价。搜索只留给 API 覆盖不了的软信息。

Skills按需调用和定时相结合。

技术分析的Skills不做定时运行,只在主动问"原油技术面怎么看"的时候触发,避免无谓消耗。而监控的Skills必须要定时运行,以保证时效性。

写在最后

搭这套系统的过程也是在帮自己梳理投资逻辑。AI Agent 的设计思路跟做投研很像:第一步是明确目标(我到底要跟踪什么),第二步是规划架构(数据从哪来、怎么流转、谁做什么),第三步是提高效率(减少冗余、控制成本、引入更好的数据源)。

下一步我打算引入专家系统的概念,把能源交易员和宏观分析师的判断框架也编码进去,让 Agent 能综合多个专家视角做交叉验证。同时提高监控频率,从 6 小时缩短到 2 小时,在危机加剧的窗口期捕捉更细的信号。如果有这方面有经验的AI产品和投资专家,欢迎私信交流。

本文描述的系统和本文内容仅供研究参考,不构成任何投资建议。市场有风险,投资须谨慎。