深度金融研究
Claude/Qwen/Gemini机构级投资研究技能。通过MCP服务器连接到实时市场数据，以提供公司深度调查、尽职调查报告、竞争格局分析、市场情绪和基于DCF的内在价值估算——所有这些都来自自然语言提示。
______________________________________________________________________
目录
______________________________________________________________________
概述
这项技能使克劳德能够访问实时财务数据和神经网络搜索，从而实现通常需要彭博终端、财务数据库和数小时分析师时间的研究工作流程。它的结构是 家长技能 一起 子技能:
| 技能 | 档案 | 目的 |
|---|---|---|
deep-financial-research | SKILL.md | 核心研究编排 |
dcf-valuation | subskills/dcf-valuation/SKILL.md | 通过DCF进行内在价值估计 |
这两种技能旨在独立或协同工作。像这样的提示 *“用DCF估值深入了解AAPL”* 将自动调用两者。
______________________________________________________________________
存储库结构
deep-financial-research/
├── README.md
├── LICENSE.txt
├── SKILL.md # Main skill definition
└── subskills/
└── dcf-valuation/
└── SKILL.md # DCF valuation subskill______________________________________________________________________
工作流
主要技能支持五个研究工作流程，每个流程都由自然语言触发。
1.公司深潜
触发短语： *“深入\[股票行情\]”*, *“研究\[公司\]”*, *“投资概况…”*
整合一个完整的投资就绪快照：
- 通过金融数据集MCP实时获取价格和关键市场统计数据
- 通过Exa MCP发布的最新新闻、新闻稿和市场叙述
- 核心基本面——收入、利润率、市盈率、EV/EBITDA、债务水平
- 内幕交易活动（净买入与卖出，最近提交的文件）
- 分析师估计、共识评级和价格目标
- 综合牛市、熊市和关键风险总结
______________________________________________________________________
2.尽职调查
触发短语： *“对\[公司\]进行尽职调查”*, *“DD on\[股票代码\]”*, *“危险信号…”*
公司的一切，深潜，加上：
- 诉讼和监管搜索：美国证券交易委员会的调查、诉讼、同意令
- 会计诚信检查：重述、审计师辞职、重大缺陷
- 管理背景研究：以前的角色、业绩记录、争议
- 短期利息和机构所有权趋势
- 结构性风险和催化剂识别
______________________________________________________________________
3.竞争格局
触发短语： *“\[行业\]竞争格局”*, *“将\[公司\]与同行进行比较”*, *“谁是（行业）的赢家”*
- 通过Exa进行行业映射和市场份额分析
- 所有主要竞争对手的并列基本面表（市盈率、收入增长、利润率、净资产收益率、净债务）
- 最近的并购活动、新进入者和颠覆性发展
- 定位分析——识别处于拐点的领导者、落后者和公司
______________________________________________________________________
4.DCF估值
触发短语： *“\[股票代码\]上的DCF”*, *“（股票）的内在价值是什么”*, *“（公司）被低估了”*, *“公允价值…”*
运行集成 dcf-valuation 潜艇技能。看 DCF估值子技能 查看完整细节。
______________________________________________________________________
5.市场情绪
触发短语： *“市场情绪\[行情\]”*, *“街上怎么评价（公司）？”*, *“分析师一致认为…”*
- 通过Exa进行主流和金融媒体搜索（过滤到bloomberg.com、reuters.com、wsj.com、ft.com等）
- 通过财务数据集进行分析师估计修订和评级更改
- 内部情绪（总净买入/卖出压力）
- 结构性看涨与看跌综合
______________________________________________________________________
DCF估值子技能
这 dcf-valuation subskill执行全贴现现金流分析，以估算每股内在价值。它作为一个独立的工作流运行，或者在检测到估值语言时作为公司Deep Dive的一部分自动调用。
方法论
| 步骤 | 说明 |
|---|---|
| 1.数据收集 | 5年FCF历史、资产负债表、市值、已发行股票、行业 |
| 2.增长率 | 计算FCF复合年增长率，上限为15%，与收入增长和分析师估计进行交叉验证 |
| 3.加权平均资本成本估算 | 基于无风险利率（4.0%）、股权风险溢价（5.5%）、债务成本（5.5%）以及行业调整构建 |
| 4.FCF投影 | 5年远期预测，年增长率下降（每年下降5%） |
| 5.终值 | Gordon增长模型，最终增长率为2.5%（GDP代理） |
| 6.现值 | 所有现金流折现到今天；减去净债务得出的股权价值 |
| 7.敏感性分析 | 3×3基质变化WACC（±1%）和终端生长（2.0-3.0%） |
| 8.验证 | 根据报告的EV、终值比（目标：50-80%）和隐含的P/FCF倍数检查健康性 |
行业加权平均资本成本调整
| 部门 | 调整 |
|---|---|
| 技术 | +0.5%至+1.0% |
| 能量 | +1.0%至+1.5% |
| 医疗保健 | +0.0%至+0.5% |
| 工业 | +0.0%至+0.5% |
| 消费必需品 | -0.5% |
| 公用事业 | -0.5%至-1.0% |
| 财务 | 仅股权成本（无加权平均资本成本） |
DCF输出示例
### DCF Valuation: Apple Inc. (AAPL)
#### Valuation Summary
| Metric | Value |
|---------------------|------------|
| Current Price | $189.42 |
| Fair Value | $214.70 |
| Upside/(Downside) | +13.3% |
| Verdict | Moderately Undervalued |
#### Sensitivity Analysis (Fair Value per Share)
| WACC \ Terminal | 2.0% | 2.5% | 3.0% |
|------------------|--------|--------|--------|
| 8.0% | $231 | $244 | $259 |
| 9.0% | $203 | $215 | $228 |
| 10.0% | $180 | $190 | $201 |完整输出规格定义见 subskills/dcf-valuation/SKILL.md.
______________________________________________________________________
示例提示
| 提示 | 工作流已触发 |
|---|---|
"Do a deep dive on NVDA" | 公司深潜 |
"Research Tesla for a long position" | 尽职调查 |
"What's MSFT worth based on DCF?" | DCF估值 |
"Analyze the AI chip competitive landscape" | 竞争格局 |
"What's the street sentiment on META?" | 市场情绪 |
"Deep dive AAPL with DCF valuation" | 深潜+DCF（组合） |
"Red flags on NKLA" | 尽职调查（关注危险信号） |
"Is AMZN undervalued right now?" | DCF估值 |
______________________________________________________________________
输出格式
研究摘要
每个公司的深入调查和尽职调查都以一个结构化的总结结束：
### [Company] ([TICKER]) — Deep Research Summary
Current Price: $X.XX | Market Cap: $XB | As of: [timestamp]
Business Overview:
[1–2 sentences]
Key Metrics:
Revenue $XB (+X% YoY)
Gross Margin X%
P/E Ratio X.x
EV/EBITDA X.x
Net Debt $XB
Recent Developments:
• [Item] — Source (link)
• [Item] — Source (link)
Bull Case: [2–3 arguments]
Bear Case: [2–3 arguments]
Key Risks: [top risks]
Confidence: High / Medium / Low______________________________________________________________________
MCP服务器设置
此技能要求在您的Claude环境中连接两个MCP服务器。
必需
| 服务器 | 身份验证方法 | 关键功能 |
|---|---|---|
financial-datasets | OAuth | 实时价格、基本面、内幕交易、分析师估计、现金流量表 |
exa | API密钥 | 神经网络搜索、领域过滤新闻、引用丰富的结果 |
可选的
| 服务器 | 身份验证方法 | 关键功能 |
|---|---|---|
lightpanda | 单独设置 | 付费墙或JS渲染源的浏览器自动化 |
配置说明
financial-datasets在市场交易时间提供实时数据；根据交换情况，可能会出现短暂的延迟exa结果包括时间戳——对于快速变化的情况，首选过去30-90天的结果- 如果在MCP设置中注册，则会自动发现这两台服务器
______________________________________________________________________
安装
- 克隆仓库
git clone https://github.com/your-username/deep-financial-research.git- 添加到您的Claude技能配置
- 指向克劳德 SKILL.md 作为根技能文件 - 这 dcf-valuation 潜艇技能 subskills/dcf-valuation/SKILL.md 自动引用
- 连接MCP服务器
- 配置 exa 在MCP设置中使用API密钥 - 连接 financial-datasets 通过OAuth - 可选配置 lightpanda 用于浏览器自动化
- 测试设置
"Do a quick deep dive on AAPL"成功的回应将包括实时价格数据和最新消息，确认两台MCP服务器都已上线。
______________________________________________________________________
错误处理
| 场景 | 行为 |
|---|---|
| MCP服务器不可用 | 通知用户，返回克劳德的培训知识，并明确警告 |
| 刀具超时 | 重试一次；继续使用可用数据并标记缺少的内容 |
| 来源之间的数据差异 | 注意差异并引用两个值 |
| 负或波动性FCF（DCF） | 转向分析师估计或行业平均值；记录替换 |
| 根据报告计算出的EV偏差>30% | 在呈现产出之前，标记差异并重新审视加权平均资本成本/增长假设 |
______________________________________________________________________
局限性
- 不是投资建议。 这种技能产生的是研究分析，而不是建议。所有产出都应被视为进一步调查的起点。
- DCF灵敏度。 内在价值估计对加权平均资本成本和增长率假设高度敏感。输入的微小变化会产生有意义的不同输出——始终查看灵敏度表。
- 数据新鲜度。 金融数据集提供市场时段的实时价格；基本数据（资产负债表、现金流）会在报告延迟时更新，并反映最新的申报情况。
- 高增长和金融公司。 DCF模型对于盈利前公司、高增长复合型公司和金融机构（需要DDM或剩余收益方法）的可靠性较低。
- 考试覆盖范围。 Exa的神经搜索在英语资源方面表现出色。非英语或地区性金融媒体的报道可能有限。
______________________________________________________________________
免责声明
此存储库及其包含的技能仅供参考和研究之用。这里的任何内容都不构成投资建议、招揽或买卖任何证券的建议。在做出投资决策之前，始终进行自己的尽职调查，并咨询持牌财务顾问。
看 LICENSE.txt 完整条款。