InvestorClaw 综合评估
核心用法
InvestorClaw 是一款面向个人投资者的本地化投资组合分析工具，通过容器化部署实现"确定性优先"的计算架构。核心工作流为：用户将券商持仓文件（CSV/XLS/PDF）放入指定目录 → 容器自动初始化并拉取市场数据 → 通过 portfolio_ask 工具以自然语言提问获取分析结果。支持20余种MCP工具，涵盖持仓快照、绩效指标（夏普比率、索提诺比率、最大回撤）、债券分析（久期、到期收益率）、FRED收益率曲线、行业配置、情景再平衡等。
显著优点
1. 数据主权：所有持仓数据、计算过程均在本地容器完成，原始PII（账户号、社保号）在导入时即被脱敏，仅计算后的指标信封会送往LLM进行叙事合成
2. 确定性计算：核心计算由Python引擎（FINOS CDM 5.x合规）完成，输出带HMAC签名，可追溯验证，避免LLM幻觉
3. 多源数据融合：内置yfinance免费层，支持Finnhub、Massive、FRED、Alpha Vantage等多提供商密钥扩展，大型组合（200+标的）可通过付费API避免速率限制
4. 冷热分离架构：冷数据（持仓、历史价格）本地缓存，热数据（新闻、分析师评级）按需刷新，TTL机制平衡实时性与成本
5. 跨平台部署：支持Docker/Podman，提供ClawHub、OpenClaw、Claude Code等多渠道安装
潜在缺点与局限性
1. 初始化门槛：首次冷启动对200+持仓组合需5-15分钟，虽可通过IC_INITIALIZE_ON_BOOT=1缓解，但仍需理解容器生命周期
2. 密钥管理复杂度：叙事合成必需TOGETHER_API_KEY，大型组合还需MASSIVE_API_KEY等付费密钥，免费层存在速率限制（Finnhub 60次/分钟、Alpha Vantage 25次/天）
3. 本地运维负担：需预创建portfolios目录避免权限问题，Docker 600MB镜像拉取，对非技术用户存在学习曲线
4. 功能边界明确：仅分析不执行交易，不提供买卖建议，不评估投资适当性
5. LLM依赖：无密钥时仅返回目录式摘要，叙事质量依赖外部LLM服务（Together AI默认，可选OpenAI/Ollama本地）
适合人群
- 注重隐私、不愿将持仓数据上传云端的专业投资者
- 持仓规模50-500标的、需要深度量化分析（久期、夏普、情景模拟）的DIY投资者
- 具备基础Docker/命令行操作能力的技术型用户
- 需要向财务顾问生成标准化报告的高净值个人
常规风险
1. 配置错误风险：portfolios目录未预创建将导致PermissionError初始化失败
2. 密钥泄露风险：API密钥以0600权限存储于Docker volume，备份时需使用portfolio_keys_backup加密导出，避免明文传输
3. 数据时效风险：yfinance免费层存在全局速率限制，大型组合可能出现数据延迟；新闻数据TTL仅30秒，快速波动市场下可能滞后
4. 模型漂移风险：叙事合成依赖LLM，不同模型（Gemma-4-31B vs MiniMax-M2）输出风格差异可能影响分析一致性
5. 单点故障：所有服务绑定localhost:18090，无内置高可用，容器崩溃需手动重启