聚焦OpenClaw+本地大模型量化策略开发——人工智能投研应用系列之三。在线商业大模型的能力通常高于本地开源模型,但在特定场景下本地大模型更加适用:在线大模型依赖网络,因此在企业内网环境不可用;在线大模型存在数据外发风险,不适用于企业核心机密应用场景,例如核心量化策略代码开发。qwen3.6:27b 是稠密架构模型,每次处理任务时 270 亿参数会全部参与计算。► PB-ROE 选股策略我们使用 OpenClaw机器人辅助完成 PB-ROE 选股策略开发,研究目标主要在于评估机器人的能力,以及在策略开发过程中的作用,而不是投资策略本身。
聚焦OpenClaw+本地大模型量化策略开发——人工智能投研应用系列之三。在线商业大模型的能力通常高于本地开源模型,但在特定场景下本地大模型更加适用:在线大模型依赖网络,因此在企业内网环境不可用;在线大模型存在数据外发风险,不适用于企业核心机密应用场景,例如核心量化策略代码开发。qwen3.6:27b 是稠密架构模型,每次处理任务时 270 亿参数会全部参与计算。► PB-ROE 选股策略我们使用 OpenClaw机器人辅助完成 PB-ROE 选股策略开发,研究目标主要在于评估机器人的能力,以及在策略开发过程中的作用,而不是投资策略本身。
聚焦OpenClaw+本地大模型量化策略开发——人工智能投研应用系列之三。在线商业大模型的能力通常高于本地开源模型,但在特定场景下本地大模型更加适用:在线大模型依赖网络,因此在企业内网环境不可用;在线大模型存在数据外发风险,不适用于企业核心机密应用场景,例如核心量化策略代码开发。qwen3.6:27b 是稠密架构模型,每次处理任务时 270 亿参数会全部参与计算。► PB-ROE 选股策略我们使用 OpenClaw机器人辅助完成 PB-ROE 选股策略开发,研究目标主要在于评估机器人的能力,以及在策略开发过程中的作用,而不是投资策略本身。
本报告由华西证券发布,发布于 2026 年。
覆盖 2026 年,全文共 21 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合战略规划、产品经理、行业研究员等读者参考。
重点分析了人工智能、大模型、量化、人工智能投研应用系列之三等议题。