金融軌
「AI 怎麼用在投研、盡調與估值,而且不會騙我」
從年報 OCR 到 DCF 建模、多 Agent 投研流水線,每個結論都附驗證門控與可回溯來源。
- 可讀課程
- 33課
- 撰寫中
- 0課
- 預估時數
- 8小時
- 階段
- 4
讀完這階段你能:名詞聽得懂、知道能幹什麼、完成第一次操作
- 01AI 在投研流程的位置:哪些環節能交出去,哪些不能
把投資研究流程拆成七個環節,逐一判斷哪些能交給 AI、哪些只能讓 AI 輔助、哪些一步都不能讓,並給出一張可直接套用的分工表與落地檢查清單,幫你畫清 AI 的能力邊界與責任邊界。
9 分鐘 - 02一家公司的 30 分鐘快速盡調流程
一個可以照做的 30 分鐘快速盡調流程:五個階段各自查什麼、去哪裡查、看到什麼算紅旗、要紀錄什麼,最後用一頁摘要模板收尾。目標不是投資結論,而是判斷一家公司值不值得投入深度研究。
11 分鐘需先讀 1 課 - 03機器怎麼讀懂財報:從 PDF 到結構化數據
財報分析自動化的第一道瓶頸是機器讀不進 PDF。本文拆解文字層抽取、OCR 與版面分析三條路徑,解釋財報表格為什麼特別難讀、OCR 之後為什麼必須人工校對,並給出結構化輸出(JSON schema)的設計概念。
10 分鐘需先讀 1 課 - 04AI 在金融場景的幻覺風險:三種最貴的錯誤
AI 幻覺在金融場景的代價被嚴重低估。本文拆解三種最貴的錯誤——編造數字、混淆期間與公司、用推論填補缺口——解釋每種錯誤的成因,並給出四道可落地的防線:強制引用、分開統計、低信心棄權與人工複核。
9 分鐘需先讀 1 課 - 05港股調研資訊源地圖:披露易、年報與第三方數據
研究一家港股公司,資訊從哪裡來、哪些可信、哪些只能當線索?本文把港股調研資訊源分成五個可信度層級——法定披露、公司官方、第三方資料庫、行情數據源與新聞研報,並給出一張「問題到來源」的對照表。
9 分鐘需先讀 1 課 - 06Webb-Site:港股研究必備的隱藏寶藏 — 一鍵獲取全部上市公司年報 PDF 的神器
David Webb 的獨立港股數據庫 webb-site.com 是一個被忽略的寶藏。它直接提供 hkexnews.hk 的 PDF 鏈接,一頁列出公司從上市至今的全部年報和半年報,完全繞過 hkexnews 內部 stock ID 限制。本文含完整使用教學、已知 ID 映射表、批量下載方案。
10 分鐘需先讀 1 課 - 07金融數據 API 調研:為 Agent 框架注入市場數據能力
調研適用於 Agent 框架的金融數據 API — 港股、美股、宏觀經濟數據,規劃在 OpenClaw 中整合金融數據分析能力。
7 分鐘需先讀 1 課 - 08你的第一個投研工作流:從提問到可回溯結論
從一個模糊的研究問題出發,建立可回溯結論的完整工作流:拆解成可查證的子問題、為每個子問題指定獨立資訊源、用證據卡記錄、交叉驗證、標示不確定性,最後產出帶引用的結論頁。
11 分鐘需先讀 1 課
換一條軌道
三軌共用同一批文章,所以你在這條軌讀過的進度不會白費 —— 切過去只會看到不同的排列順序與補充課程。
怎麼把 Agent 做出來、跑上線
AI 能幫我這行省多少時間、怎麼落地
課程結構最後更新:2026-11-08。內容持續補齊中,標記「撰寫中」的課程尚未上線。