FactorHub A股量化数据

核心用法

FactorHub 是一套面向 A 股量化投资的 MCP 技能，通过标准化协议为 AI Agent 提供数据服务。核心功能覆盖四大模块：因子数据（查询因子列表、评分指标、净值曲线）、市场行情（个股/指数日线、PE/PB/PS/股息率估值）、股票信息（基本面查询、智能筛选）以及交易日历管理。最具特色的是内置策略回测能力，支持涨停首板、低估值、动量、均值回归等经典量化策略的即时回测验证。

显著优点

1. 数据覆盖广：5500+ 只 A 股全市场覆盖，因子维度丰富
2. 协议标准化：基于 MCP 协议，可无缝接入各类 AI Agent 工作流
3. 策略闭环：从因子分析到回测验证的完整量化研究链路
4. 实时性保障：日线级行情更新，资金流向等动态指标支持

潜在局限

• 仅限 A 股市场，无港股、美股等跨境资产支持
• 策略回测为内置模板，自定义策略灵活性待验证
• 需依赖 factorhub-mcp 二进制组件，本地化部署存在环境依赖
• 未明确披露数据源及更新频率，极端行情下数据延迟风险未说明

适合人群

量化研究员、私募策略开发者、AI 投顾 Agent 开发者、个人量化爱好者及需要程序化 A 股数据支持的投资分析场景。

常规风险

• 数据合规风险：A 股行情数据需持牌经营，需确认服务方资质
• 回测过拟合：内置策略历史表现不代表未来收益
• API 稳定性：第三方数据服务存在接口变更或中断可能
• 二进制安全：factorhub-mcp 组件未经过独立安全审计

核心用法

FactorHub 是一款面向 A 股量化投资的 MCP 协议数据服务 Skill。用户通过 AI Agent 调用该技能，可实时获取 5500+ 只 A 股的量化因子数据与财经指标。核心功能涵盖五大模块：因子数据查询（因子列表、评分指标、净值曲线）、市场行情获取（个股/指数日线、PE/PB/PS/股息率估值）、股票信息检索（基本面数据、条件筛选）、交易日历查询，以及内置策略回测（涨停首板、低估值、动量、均值回归等）。安装方式简洁，执行 clawhub install factorhub 即可通过 OpenClaw 平台完成部署。

显著优点

该 Skill 的数据覆盖面广，5500+ 只 A 股的体量足以满足绝大多数量化分析需求。作为纯 Markdown 文档型 Skill，其安全架构极为简洁，无可执行代码、无动态行为，天然免疫代码级攻击。数据服务通过 MCP 协议接入，将复杂的数据获取逻辑封装于外部 factorhub-mcp 服务，Skill 本身仅作为配置入口，大幅降低了使用门槛。官方域名 factorhub.cn 信誉良好，API 通信采用 HTTPS 加密，隐私合规方面符合 GDPR/CCPA 基本要求，未过度收集用户信息。内置的多种策略回测模板（动量、均值回归等）为量化新手提供了开箱即用的研究起点。

潜在缺点与局限性

首先，该 Skill 高度依赖外部 factorhub-mcp 二进制服务，若服务端出现中断或变更， Skill 将完全失效，存在单点依赖风险。其次，作为数据服务类 Skill，其本身不具备数据缓存或离线处理能力，所有查询均需实时联网，网络延迟可能影响交互体验。此外，内置策略回测虽提供了模板，但策略参数调优、过拟合检验等高级功能仍需用户自行实现，Skill 本身不构成完整的投资决策系统。最后，当前版本未明确开源许可证，长期使用中的法律权益边界有待厘清。

适合的目标群体

主要面向三类用户：一是量化投资研究人员，需要获取标准化因子数据进行策略开发；二是金融分析师，用于快速查询个股估值指标与基本面信息；三是 A 股投资者，希望通过数据驱动的方式辅助投资决策。对于具备一定编程基础、熟悉 MCP 协议生态的 AI Agent 用户尤为友好。不建议纯小白用户直接用于实盘交易，数据服务与投资决策之间仍需专业的风控环节衔接。

使用风险

常规风险包括：MCP 服务端稳定性依赖（建议关注 factorhub.cn 官方公告）、网络延迟导致的查询超时、以及量化数据本身的滞后性风险（行情数据非实时 tick 级）。数据安全层面，虽 Skill 本身无代码风险，但需确保 factorhub-mcp 服务端通信持续使用 TLS 加密，防范中间人攻击。投资合规层面，Skill 提供的仅为数据参考，不构成投资建议，用户需自行承担投资决策责任。性能方面，高频批量查询可能受限于 MCP 服务端速率限制，大规模回测建议分批次执行。