维度	AI 给出的关键信息	我的验证动作
市场规模	2025年全球 FinTech AI 市场约 $420亿，CAGR ~28%	去查 IDC 和 Gartner 交叉验证
主要玩家	AlphaSense（$40亿估值）、Bloomberg AI、Daloopa、Marvin Labs	逐个去看官网产品页和最新融资
价值链	上游LLM提供商 → 中游垂直应用 → 下游买方/卖方	合理，跟我观察的一致
关键指标	用户留存率、查询响应时间、数据覆盖率	去看各家的定价页面对比

⚠️经验法则：AI 给的行业概览方向通常是对的，但具体数字一定要追溯原始来源。$420亿这个数字后来我去查了原始报告，发现是一个估算区间的中位数，不同机构统计口径差很多。

第2步：深度挖掘行业趋势

趋势深度挖掘

行业研究

基于刚才的行业框架，我需要更深入地理解 [行业名称] 的趋势变化。

请帮我分析：

1. **过去 3 年的关键转折点**：
- 发生了什么改变游戏规则的事？
- 哪些公司在这些转折中受益了/受损了？

2. **当前争论的核心问题**：
- 多头和空头各自的核心论据是什么？
- 有哪些"公认的事实"可能是错的？

3. **未来 2-3 年的可能情景**（乐观 / 基准 / 风险）

4. **对 [目标公司] 的影响**：
- 这些趋势是利好还是利暗？
- 它在这个趋势中的位置：引领者 / 跟随者 / 落后者？

请给出推理过程，不要只给结论。

🚨踩坑提醒：有一次让 ChatGPT 分析某个赛道的趋势，它洋洋洒洒写了2000字看起来头头是道。但后来发现其中一段关于"监管趋严"的分析引用的政策文件根本不存在。

ChatGPT 在投资场景下有个毛病：它喜欢顺着你说。你问"监管是不是影响很大"，它会先说"是的"再展开。但你换个角度问"监管其实没那么重要吧"，它也能给你找出理由来。

✅ 所以现在我的做法是：同一个问题同时问 Claude 和 GPT，对比答案。不一致的地方 = 重点查证对象。

三、竞争分析：从"我知道它们存在"到"我知道它们凭什么赢"

竞争分析是投资研究里ROI 最高的模块之一。做得好，你能找到市场定价错误；做得不好，你就是拿着一份"大家都差不多"的同质化报告。

四、财务建模：AI 当副驾驶，你当机长

实话实说：AI 目前还无法独立建出一个可以直接用的 DCF 模型。它可以帮你提取数据、检查公式错误、跑情景分析，但模型架构的设计、核心假设的设定——这是分析师的核心竞争力，AI 替代不了。

4.1 数据提取 — AI 最强的环节

传统方式：打开 10-K / 10-Q PDF，一行一行找数字，然后敲进 Excel。

AI 方式：把文件丢进去，让它提取。专业工具如 Daloopa 可以将每季度建模更新时间从 100 分钟压缩到 45 分钟，准确率从 97%（人工 2-3% 错误率）提升到 99.9%+。

财报数据结构化提取

财务建模

请从这份财报/10-K/10-Q 文件中提取并整理成结构化表格：

**利润表**（最近4财年+TTM）：总收入（分部拆分）、毛利、三项费用（研发/销售/管理分开）、营业利润、净利润、EPS

**资产负债表**（最新财年末）：现金、应收账款、存货、总资产、总负债、股东权益

**现金流量表**（最近4财年）、OCF、Capex、FCF

要求：百万美元单位；非 GAAP 指标一并提取；标注页码/章节；未披露标"N/A"

4.2 公式校验与逻辑审查

模型逻辑审查

财务建模

请帮我审查 [公司名] 的 3-statement 财务模型：

1. **会计恒等式检查**：A=L+E? CF变动=BS现金变动? 净收入→留存收益链接?
2. **逻辑合理性**：收入驱动因素? 毛利率趋势? 费用率假设? 运营资本匹配?
3. **常见错误排查**：硬编码? 引用错误? 场景残留值? 循环引用?
4. **敏感性建议**：哪3个变量对估值影响最大?

逐条回复，指出具体问题和修改建议。

五、估值论证：多方法交叉验证

估值是投资研究的"最后一公里"——前面所有的分析和建模，最终都要汇聚到一个问题上：这只股票值多少钱？

估值方法	AI 能做什么	你必须做什么
可比公司法 Comps	自动抓取交易倍数、统计均值/中位数	判断可比性、选择倍数类型、解释溢价/折价
DCF	协助搭建模型结构、检查折现率合理性	预测自由现金流、确定 WACC、设定终值
SOTP 分部加总	分别对各板块估值、处理协同效应	判断分部合理性、确定各板块合适方法

可比公司估值分析

估值论证

完成 [目标公司] 的 Comps 估值分析：

1. 确认可比公司集合
2. 倍数计算（EV/EBITDA、EV/Revenue、PE NTM 等）
3. 统计分析（Mean/Median/25th/75th/Trimmed Mean）
4. 溢价/折价分析：为什么有溢价或折价？合理吗？
5. 隐含估值：按中位数/75th/25th 给出三种 Target Price

一步步展示计算过程，不要跳步。

DCF 假设压力测试

估值论证

我对 [公司名] 做 DCF 估值，以下是我的核心假设，请做压力测试：

当前假设：收入CAGR X%、长期增长率 X%、WACC X%、EBITDA Margin X%、Capex/Rev X%

请完成：
1. **假设合理性检查**（vs历史/管理层指引/共识预期）
2. **单因子敏感性**（±100bp/±200bp 对股价影响 + 敏感性矩阵）
3. **情景分析**（牛市/基准/熊市三种隐含股价）
4. **反向推导**（当前股价隐含的增长率和 Margin 是否合理？）
5. **红旗检查**（不现实假设？终值占比过高 >70%？）

最后回答：安全边际有多大？

六、完整工作流 SOP：从零到 Initiation Report

好了，前面说了这么多散落的方法和模板，现在把它们串成一条线。这是我目前实际使用的AI 辅助投资研究 SOP：

Day 1-2行业研究 + 信息收集🤖 AI 主力

Prompt #1 行业全景扫描 → 得到框架
Prompt #2 趋势深度挖掘 → 找到关键变化
人工补充：读 2-3 份深度行业报告 + 专家电话笔记

Day 3-4竞争分析 + 护城河评估🤝 AI + 人各半

Prompt #3 可比公司矩阵 → 基础数据表
Prompt #4 护城河评估 → 定性分析初稿
Prompt #5 市场份額测算 → 量化竞争地位
人工：管理层 IR 会议纪要 + 渠道反馈

Day 5-7财务建模👨‍💻 人为主力 + AI 校验

手动搭建 3-statement 模型骨架
Prompt #6 财报数据提取 → 填充历史数据
Prompt #7 模型逻辑审查 → 查错补漏
人工：设定核心预测假设

Day 8-10估值论证 + 投资论点👨‍💻 人为主力 + AI 辅助

手动完成 DCF + Comps + SOTP
Prompt #8 可比公司估值 → 交叉验证
Prompt #9 DCF 压力测试 → 安全边际测算
人工：撰写 Investment Thesis + 风险 + 评级

Day 11-12报告撰写 + 内审✍️ AI 辅助写作 + 人终审

起草完整报告 + Partner/MD review

时间分配对比

💡规律：越往后面的环节，AI 的辅助效果递减。前端的信息处理是规则明确的（提取数据、生成表格），后端的判断和论证需要经验和直觉。
总计：44h → 23.5h，整体节省 47%

七、几个真心话

1. AI 最大的价值不是"替你想"，而是"帮你排除错误选项"

做过投资的人都知道，亏钱往往不是因为想错了，而是因为没看到某个风险。AI 在帮你扫描大量信息时最大的贡献是让你少犯"信息遗漏"的错误。比如我在一次竞争分析中，AI 提醒我注意一家之前没纳入视野的欧洲竞品——后来去查，发现那家公司刚刚拿到一个大客户合同。

2. 三个 AI 的分工

任务	首选	理由
读长文档 / 交叉引用	Claude	不容易"串"，会说"我不确定"
读图 / 截图识别	Gemini	原生多模态，图表理解最好
快速搜索 / 生态整合	ChatGPT	插件最多，联网最快
写代码 / 回测	Claude	会主动提醒逻辑漏洞
行业框架搭建	Claude > GPT	GPT 容易"顺着说"