今天看 @AnthropicAI 旗下 #Claude AI的演示視頻，把我驚豔到了。 作為一名職業投資人，美股公司+#Web3 專案，每年要盯上百個，尤其是財報季簡直就是戰場！ 如視頻中這類實戰案例，還是比較常見的：辦公室剛坐下，時間下午2點，PM（投資總監）火急火燎衝進來： “Sarah，咱們重點關注的那家公司 Velocity Athletic 剛出完財報，營收暴跌12%，但股價居然漲了17%，已經到 71 美金了。 你給我搞清楚，這波上漲到底是利好策略刺激還是假反彈？ 今天收盤前要做決策，是賣出止盈，還是繼續持有。 ” 其實這個邏輯就像本週五非農數據+56兩個月下修的就業資料（5月+6月下修砍了26萬份工作，相當於整個邁阿密的人口突然失業）。 這種情況，你要第一時間作出判斷決策，立刻反饋到還未開盤的美股，加密資產做對沖，這需要即刻的回應和數據做支援，將能有效避免掉週末的這波下殺。 我們來看看正常金融分析師的路徑（預計4-5小時）： 1️⃣去 S&P Global 拉財報、會議紀要 2️⃣打開 FactSet / Morningstar 看歷史數據和估值 3️⃣切 Edgar 查SEC公告 4️⃣挖內網的歷史 memo、研究報告 5️⃣然後再做表格、畫圖、寫memo 這一通操作，至少得 4~5 小時，手動切好幾個系統，資訊不一致還容易出錯。 💡 這時候 #Claude 出場，真的像是我多了一個超級分析師助理： 直接給 #Claude 下個指令：「幫我綜合分析 Velocity Athletic 的財報表現，股價異動是否合理，出一份投資memo。 ” 🔍 1️⃣多平臺同步拉數據 + 語義理解 Claude 不是簡單爬數據，它能理解我需要的背景： · 從 S&P Global 抓取電話會議內容，提煉出關鍵資訊，比如 CFO 在 Q&A 中提到“受關稅影響，獲利率下降400個基點”; · 從 Morningstar 拉出歷年數據和對手對比; 從我們公司的內部文檔（box）找出了過往寫過的 Velocity 分析框架; · 從 Delupa 抓取 8 個季度的財務數據，直接做出趨勢圖表; · 所有內容都標明出處，隨時點進去二次確認，極大提高了合規和信任度。 📊 2️⃣生成可視化圖表 + 核心模型 問 #Claude：「幫我做一個 annotated price chart、同行估值比較表、以及DCF模型。 ” 它逐步實現： · 標註事件的股價走勢圖（顯示了CFO減持、董事會緊急會議、財報發佈時間等）; · 一張清晰的 comps 表：Velocity 的 EV/EBITDA 是 21 倍，行業均值才 16 倍，估值偏高; · 一套完整的 DCF 模型：假設清楚、自由切換情境、連 WACC 的計算都是標準的。 · 模型推算出來的合理股價：54 美元，遠低於當前71美元，說明當前的上漲偏樂觀，泡沫成分很大。 📝 3️⃣自動生成機構級投資memo 最後，我說：“用我們基金內部範本出一份memo，供PM參考。 ” Claude 直接調用內網的memo範本，自動填充以下內容： 推薦結論：建議趁高點賣出獲利，等價格回調再建倉; 邏輯支援：從財務基本面、市場反應、行業對比、估值偏離等維度進行量化支撐; 潛在風險：比如未來若關稅緩解、CFO減持另有原因，可能導致股價進一步波動; 清晰引用：所有數據都帶有原始出處連結，供PM或法務複查。 看完整個視頻演示，我覺得 #Claude 完全是財報分析的“#AI 核武器”，目前加密數據支援的API數據介面還比較少，假如後期完善後，這完全可以成為 #Web3 投研的殺手鐧。 假如說我們以前做專案分析要「十指翻飛 + 九屏查數據 + 五個腦袋並用」，現在有了 #Claude，就像多了個24小時不下線的金牌分析員，還不喊加班，效率起飛📈！