Compare

awesome-quant 清单 vs EasyClaw 量化 Skill

同一个「量化研究」目标,两条路线:一条是按 awesome-quant 清单自己找库、装库、写代码;一条是用 EasyClaw 已装好的量化 Skill,一句话发起研究。下面从任务、数据源、前置条件、适合人群四个维度对比。

清单自建找库 + 装库 + 写代码
EasyClaw 量化 Skill一句话发起研究
awesome-quant 清单自建与 EasyClaw 量化 Skill 路线对比示意;awesome-quant 与 EasyClaw 无已证实集成。
Route

两条路线对比

awesome-quant 清单自建适合开发者与可复现研究管道
clone 清单逐个装库配数据源写代码

灵活度高,但 Python 环境、各库依赖、数据源 Token、策略代码都要自己维护。

EasyClaw 量化 Skill适合直接提出一个研究任务
安装 EasyClaw一句话提问

Skill 的数据源、Token、网络与市场覆盖各不相同;不代表 awesome-quant 已集成 EasyClaw。

EasyClaw in action

EasyClaw 便捷性实测:三类量化任务

以下为 EasyClaw 实际使用截图(三张统一展示):技术分析、组合分析、条件选股,各一句话即可发起。图片仅证明该研究任务可一句话完成,不代表 awesome-quant 已集成 EasyClaw。

EasyClaw 一句话对宁德时代做 K 线技术分析的实际结果截图
一句话对宁德时代做 K 线技术分析(MACD/RSI/布林带)(stock-technical-mastery,仅 A 股,2026-08-24;结果仅供研究)。
EasyClaw 一句话做三只股票组合分析的实际结果截图
一句话做三只股票组合分析(风险平价权重、年化收益与最大回撤)(quant-analyst,2026-08-24;结果仅供研究)。
EasyClaw 一句话选股的实际结果截图
一句话选股:连续 3 天放量上涨 + PE<30 + 市值 100 亿~1000 亿的 A 股(iwencai,2026-08-24;结果仅供研究)。
EasyClaw Skills

已核验的 EasyClaw 量化 Skill

以下为 EasyClaw 本机技能目录中与量化研究相关的 Skill(catalog_visible + installable),按任务定位分组。

Skill任务定位数据源 / 覆盖前置条件
量化分析(quant-analyst)金融建模、回测、风险指标、组合优化、统计套利pandas / numpy / scipy触发量化任务
AKShare 财经数据(akshare-finance)股票/期货/期权/基金/外汇/债券/指数/加密货币数据AKShare 公开财经数据akshare ≥ 1.18
Tushare 数据接口(tushare-finance)A股/港股/美股/基金/期货/债券/宏观数据Tushare Pro 220+ 接口Tushare Token
美股行情(yahoo-finance-github)美股实时行情、历史K线、新闻、组合yfinance无需 API key(不支持 A股/港股)
富途 OpenAPI(futuapi)港股/美股/A股交易与行情富途 OpenAPIOpenD + 账号
同花顺问财(iwencai)行情/财务/选股/研报/公告/新闻/宏观同花顺问财IWENCAI_API_KEY
K线技术分析(stock-technical-mastery)MACD/RSI/布林带/形态/量价技术分析新浪财经 + Baostock仅 A 股
A股实时行情(a-stock-analysis)A股实时行情与分时量能分析东方财富 + 新浪财经仅 A 股
DCF估值引擎(fp-dcf)FCFF/WACC/敏感性估值akshare/baostock/yfinanceA股/港股/美股
技能状态说明:以上 Skill 均为本机目录 catalog_visible 与 installable,不代表 authorized(API Key/账号授权)或 runtime_verified(运行成功)。
Boundary

集成边界与前置披露

无已证实集成

awesome-quant 是 GitHub 清单项目,不是 EasyClaw 技能;两者没有官方集成证据。

数据源各不同

EasyClaw Skill 的数据源、Token、网络与市场覆盖各不相同,使用前需确认。

不构成投资建议

无论哪条路线,研究结果均不构成收益保证或投资建议。

Decision

如何选择:四条判断

不确定选哪条路线时,按下面四条快速判断。

会不会写代码

能自己写 Python、维护环境,清单自建更可控;否则偏 EasyClaw 路线。

要不要可复现管道

需要严格版本化、可复现的研究管道,选清单自建。

对数据源的要求

对特定数据源/市场有硬性要求,需按 EasyClaw Skill 的数据源覆盖核对。

维护意愿

愿意长期维护依赖、Token、升级,选自建;想省心,选 EasyClaw。

想一句话开始量化研究?

如果你要的是「一句话发起行情、数据、量化分析」,而不是自己搭管道,先装 EasyClaw 试试量化 Skill。