核心用法
ClawBack 是一款基于 Python 的自动化交易工具，核心功能是将美国国会众议员和参议员的公开股票披露信息转化为实际交易指令。用户通过 E*TRADE API 连接自己的经纪账户，系统从 House Clerk 和 Senate eFD 官方数据源抓取 PDF 披露文件，解析交易记录后按预设比例自动执行买入/卖出操作。
使用流程分为三步：安装后运行 /clawback setup 完成交互式配置（选择沙盒/实盘环境、输入 E*TRADE API 密钥、完成 OAuth 授权）；随后通过 /clawback run 启动实时交易或 /clawback daemon 作为后台服务运行。系统每日在 10:00/14:00/18:00 ET 检查新披露，9:35 AM ET 执行交易。
显著优点
- 信息套利基础：基于 NBER 研究显示国会官员年跑赢标普 500 达 47% 的学术发现，将政策信息优势转化为量化策略
- 全自动执行：从数据抓取、解析、风控到下单无需人工干预，支持 Telegram 实时通知
- 灵活仓位管理：按用户账户规模自动缩放（默认 1% 单笔/5% 单票上限），内置 8% 个股止损和 15% 组合回撤保护
- 回测验证：提供 3 日延迟/30 日持有（胜率 42.9%，收益 6.2%）和 9 日延迟/90 日持有（胜率 57.1%，收益 4.7%）两种历史策略验证
潜在缺点与局限性
- 经纪商锁定：仅支持 E*TRADE，且需用户自行申请开发者 API 权限（流程繁琐，审批不确定）
- 延迟固有缺陷：披露文件存在法定延迟（众议院 45 天内，参议院 30 天内），实际交易中已滞后市场反应；研究显示胜率仅 42-57%，Sharpe 比率低于 0.4，风险调整后收益平庸
- 数据源脆弱性：依赖 PDF 解析和网页抓取，官方格式变更会导致系统失效
- 合规灰色地带：虽基于公开信息，但自动化跟单策略可能触发经纪商风控或监管关注
适合人群
- 有一定 Python/命令行基础的量化爱好者
- 认可"国会交易溢价"学术假设、能接受高波动低夏普的策略型投资者
- 已在 E*TRADE 开户且通过 API 审核的用户
- 不适合：追求稳定收益的风险厌恶型投资者、无 API 权限的普通散户、对延迟敏感的高频交易者
常规风险
1. 资金风险：实盘交易直接关联真实资金，配置错误可能导致意外亏损；沙盒环境无法完全模拟滑点和流动性风险
2. API 安全风险：E*TRADE OAuth Token 需妥善保管，虽支持加密存储但 .env 文件泄露将导致账户被盗
3. 策略失效风险：披露延迟和学术溢价假设可能因市场有效性提升或监管变化而衰减
4. 运营中断：单一维护者开源项目（mainfraame），长期更新和 bug 修复存在不确定性