财务分析师开始用 Claude Code 了，但有人没装插件，DCF 里的权益风险溢价设成了 120%

工具越强大，使用错误的代价就越高。正确使用 Claude Code 的财务分析师，和裸着提示词随便让 Claude 建模的分析师，在效率和质量上的差距，会比同行间任何其他技能差距都大。这不是吓唬你，这是2026年1月那个建模测试给出的答案。

cute_cat_kaddy

417人浏览 · 2026-05-18 13:54:38

cute_cat_kaddy · 2026-05-18 13:54:38 发布

先讲一个让我笑出声的真实测试

2026年1月，一家金融建模咨询公司做了一个对比测试： 同一道 DCF 建模题，分别用"裸提示词"和"专业插件"两种方式给 Claude 做。

裸提示词的结果：

布局干净，格式精美，看起来投委会级别
折现率用的是债务权益比（D/E）代替 WACC
权益风险溢价设的是 120%（正确值是5-6%）
终值折现方法选错了

用测试人员的原话概括：「看起来 investment-committee-ready，算术完全坏了。」

这不是 Claude 的 bug，这是"没有金融领域知识约束的 AI 说人话建模"的必然结果。权益风险溢价 120%，意思是：你投这家公司，预期每年超出无风险收益120个百分点。用 120% 折回来的 DCF 结论，可以解释为任何东西。

这个故事是这篇文章的核心： 财务分析师使用 Claude Code，核心不是"用 AI"，而是"怎么正确地用 AI"。

考虑到国内使用Claude Code确实有点困难，参考一下靠谱的网站：claudemax.shop

2026年的金融 AI 部署现状

先把背景交代清楚。

2026年1月24日，Anthropic 把 Claude for Excel 向所有 Pro 订阅用户（$20/月）开放——之前只对高价企业版开放。

2026年2月24日，Anthropic 在 GitHub 开源发布 anthropics/financial-services 插件包，包含投行（investment-banking）、股票研究（equity-research）、私募（private-equity）、企业财务（corporate-finance）四大垂直插件，核心是 financial-analysis 插件——所有其他插件的基础依赖。

2026年2月初，Anthropic 发布 Cowork，把 Claude 嵌入 Excel、Google Sheets、PowerPoint、Slack、Gmail、 Google Drive 和 DocuSign，并引入了一个改变游戏规则的架构特性： 共享上下文（Shared Context）。

这三件事合在一起，构成了财务分析师在2026年使用 Claude Code 的基础设施。

什么是共享上下文？为什么财务分析师需要它？

财务分析师最典型的工作流长什么样？

以准备一份董事会 Deck 为例：

Excel 里跑 DCF 模型
把关键数字复制到 PowerPoint 模板
发邮件给 VP："基本完成了，请审阅"
VP 回邮件："WACC 改成9.5%，终值乘数改成12x"
回到 Excel 改假设，重新跑
把更新的数字再复制到 PPT
VP："好，再把这段文字改一下"
更新 PPT
……循环

每一步之间，都有手动复制粘贴、格式转换、重新解释上下文。数字在 Excel 和 PPT 之间反复传递，版本混乱是常态， "用的哪个版本的模型做的这个幻灯片"是一个经典的月末噩梦。

Cowork 的共享上下文做了什么？

Claude 可以同时看到：

你打开的 Excel 文件（含所有公式和数据）
你打开的 PowerPoint 文件
VP 发给你的邮件线程

你对 Claude 说一句话，它能协调地更新三个地方，而不需要你把每个应用里的内容解释一遍。

ChatFin 的评估给出了一个量化估算： 全面采用 Cowork 工作流的财务团队，预计能节省30%-40%目前花在机械性组装任务上的时间。

30%-40%，在一个大行一年级分析师薪酬$170k-$190k的行业里，这不是效率数字，这是钱。

11个斜杠命令和核心插件

装好 financial-analysis 插件之后，财务分析师在 Claude Code 里能用的斜杠命令包括：

命令	功能
`/dcf`	DCF 模型，正确的 WACC 计算 + 多情景敏感性分析
`/comps`	可比公司分析表，自动从 FactSet / Morningstar 拉数据
`/lbo`	杠杆收购模型，债务结构 + IRR 分析
`/3-statement`	三张报表联动建模
`/earnings`	财报分析，逐项拆解财务数据
`/ic-memo`	投资委员会备忘录草稿
`/cim`	保密信息备忘录（M&A 核心文件）
`/teaser`	交易 Teaser（1-2页摘要）
`/deck-qc`	Deck 质量检查（内容一致性、数字交叉验证）
`/excel-audit`	Excel 模型审计（公式错误、循环引用、硬编码检测）
`/buyer-list`	战略和财务买家列表生成
`/process-letter`	并购竞标流程函

安装方式：

# 添加到插件市场
claude plugin marketplace add anthropics/financial-services

# 安装核心分析插件（必须先装这个）
claude plugin install financial-analysis@claude-for-financial-services

# 按需安装垂直插件
claude plugin install investment-banking@claude-for-financial-services
claude plugin install equity-research@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services

具体场景拆解：财务分析师的四个日常

场景一：建 DCF 模型——有插件和没插件的天壤之别

这里必须再强调一遍上面那个测试，因为它太重要了。

没有 financial-analysis 插件，让 Claude 建 DCF：它会建一个格式漂亮、逻辑完整、在数字上完全错误的模型。因为它不知道行业惯例，不知道 WACC 的正确计算公式，不知道 ERP 的合理范围，不知道你的公司在什么行业该用什么可比倍数。

有插件，/dcf 命令执行时：

从 FactSet 或 Daloopa 自动拉目标公司历史财务数据
WACC = Kd × (1-T) × D/V + Ke × E/V，Ke = Rf + β × ERP
ERP 设定在 5-6% 区间，β 从行业数据库取，Rf 用当前国债收益率
自动生成戈登增长模型和退出乘数两种终值计算
输出敏感性分析表（WACC 和终值假设的交叉矩阵）
格式化到 Excel，带公式可审计，带注释可追溯

一位分析师用了10分钟，在 Excel 里搭出了一个11标签的完整财务模型：三张报表、DCF、LBO 框架、可比公司分析、敏感性分析、情景分析、债务时间表……这在传统工作方式下需要2-3天。

关键是：插件确保了建模规范，不是随便哪个 10 分钟都有这个质量。

场景二：M&A 投行材料——CIM 和 Teaser

投资银行的文件工作是重复的： CIM（保密信息备忘录）的四象限结构， Teaser（交易 Teaser）的标准格式， Process Letter（竞标流程函）的法律措辞……

每个项目换了名字，但框架是一样的。分析师花在这类工作上的时间，被 Anthropic 官方描述为：「小时数用于格式化、数据收集、组织同一个他们上周为另一家公司搭的四象限」

IB 插件的 /cim 命令接受：目标公司名称、行业、CIM 来源文件（PDF/Word），输出按你公司标准模板格式化的保密信息备忘录初稿，数据从已连接的数据室（SS&C IntraLinks）或上传的 Datapack 中提取。

/teaser 生成1-2页交易摘要，自动组织：公司亮点、财务指标、市场地位、交易逻辑，按标准并购 Teaser 格式输出到 PowerPoint。

一个有经验的做 M&A 的人一眼就能看出初稿的质量，然后花20%的时间做精炼，而不是花100%的时间从零做。

场景三：月末对账——财务运营的每月噩梦

GL Reconciler（总账对账器）是我个人觉得 Cowork 里最被低估的功能。

月末对账是每个 FP&A 分析师和会计的定期炼狱：追踪差异、对应计项、滚动结转、写差异说明…… 每个月都要做，每个月都一样痛苦，每个月都有"为什么这个数字不对"。

/gl-recon 命令：

claude plugin install gl-reconciler@claude-for-financial-services

# 然后在 Cowork 里：
/gl-recon --period 2026-04 --entity "Pinnacle Growth Equity Fund"

它会：

连接你的 ERP 系统（通过 MCP connector）
逐行追踪未对账项，标注差异来源
自动识别已知模式（如：上月计提本月冲销）
生成差异说明文本草稿（这就是"写差异说明"任务）
对于无法自动解释的差异，标红等待人工审核

在 NAV（净资产价值）对账场景里，GL Reconciler 还支持 roll-forward（滚动结转）和 break tracing（差异追踪），这是基金会计里的高频任务。

场景四：Morning Note 生成——研究团队的日常产出

在买方和卖方研究部门，每天早上都需要产出市场摘要：什么公司发了什么新闻，估计的价格影响是什么，接下来有什么催化剂。

传统上，这需要一个团队按行业分工，人工追踪新闻和公告。

Claude 的 Market Researcher Agent 接受一批股票代码作为输入，通过 MT Newswires 连接器拉取最新新闻，查询 FactSet 或 S&P Global 的最新基本面数据，产出按标准"晨报"格式组织的日报：新消息、估计价格影响、近期关键事项（财报日、投资者日、产品发布）。

这是一个能把研究团队从"信息收集"解放到"信息判断"的工具。

数据连接器：Claude 如何拿到"活的数字"

光有推理能力没用，财务分析需要真实数据。

Claude for Financial Services 已接入的11个数据连接器：

市场与基本面：

FactSet：实时公司基本面、分析师预测、新闻
S&P Capital IQ：综合金融数据
Daloopa：3,500+上市公司 SEC 文件数据，标准化财务数据
LSEG：固收定价、股票、外汇、宏观指标

投研专项：

Morningstar：公募基金研究、护城河评级、公允价值估算
PitchBook：PE/VC 交易数据、估值

信用与风险：

Moody's（MCP）：6亿+公司信用评级和数据
MSCI：ESG 数据、风险因子、指数数据
D&B：企业信用画像、商业身份验证

资讯：

MT Newswires：全球多资产类别实时财经新闻

合同：

DocuSign：合同读取和条款提取

每个连接器提供"受治理的访问"（governed access）：有审计日志、有权限控制、有数据隔离，不是把你的内部数据随便丢给云端 API，而是在企业数据治理框架内的受控接入。

从金融行业的视角：这次和以前的 AI 噱头有什么不同？

我在金融行业见过太多 AI 产品承诺改变分析师工作流： Bloomberg GPT、各种"AI 研报助手"、各种"智能财务软件"…… 大多数最后被束之高阁，或者只用来做"给报告加个摘要"这种边缘任务。

这次不同的地方在三点：

第一，在工具里，不在旁边。 Claude for Excel 不是在一个独立的聊天框里—— 它在 Excel 的侧边栏，能直接读写单元格，能追踪公式依赖，能引用具体的单元格给你解释它改了什么。这解决了"AI 在旁边，但工作还得手动传"的核心摩擦。

第二，共享上下文解决了上下文税。过去每换一个工具，就要重新解释一次上下文—— "这个 DCF 用的是我发给你的那个 Excel 里的假设……" 现在 Claude 在一个会话里同时持有所有文件的上下文，这不只是方便，而是去掉了一个慢性消耗。

第三，插件把领域知识封装进去了。 Snyk 的评估说得很直接：「financial-analysis 插件让 Claude 知道什么是正确的 WACC 计算，生成一个带正确 WACC 计算的 DCF 只需要几分钟而不是几小时。」这是把"正确做财务建模"的知识从人脑里转移到工具里。

必须说的边界：Claude 能做什么，不能替代什么

以下这些是 Anthropic 自己在官方 README 里写的：

Nothing in this repository constitutes investment, legal, tax, 
or accounting advice. These agents draft analyst work product — 
models, memos, research notes, reconciliations — for review 
by a qualified professional.
They do not make investment recommendations, execute transactions, 
bind risk, post to a ledger, or approve onboarding; 
every output is staged for human sign-off.

翻译：Claude 生成草稿，人审核签字。

具体来说：

✅ Claude 可以负责的：

DCF 初版建模（有插件，符合标准）
可比公司分析表组装
CIM 和 Teaser 初稿
财报数据提取和摘要
差异说明文本草稿
月末对账识别差异
Morning Note 基础信息汇总

❌ 必须由人负责的：

最终估值判断（Claude 建模型，人决定用哪个假设）
向客户的投资建议（证券法规要求持牌人签字）
监管合规申报（内容正确性的法律责任）
信用决策（贷款批准/拒绝）
总账最终过账（会计准则要求人工审批）

而且还记得那个建模测试吗？即使用了插件， /dcf 生成的模型仍然需要你核查：

数据源是否正确接入
公司特定的调整是否被正确反映
可比公司是否选对了
终值假设是否符合行业逻辑

工具提速的是过程，判断还是你的责任。

给不同角色的财务人员的建议

投行分析师（IB Analyst）： 优先装 investment-banking 插件，把 /cim、/teaser、/comps 用熟。用 Cowork 的共享上下文管理 Deck 更新流程，把复制粘贴噩梦消灭。重点：/excel-audit 命令用在你自己或别人的模型上，检查硬编码、循环引用、公式错误——这个功能单独就值得安装。

FP&A 分析师： GL Reconciler 是你的核心工具。每月对账用 /gl-recon，差异说明用 Claude 生成初稿，你来审核和精炼。 Variance Commentary（差异说明）是 FP&A 最无聊、最高频的输出，交给 Claude 生成初稿可以把这项工作的时间压缩到15分钟以内。

股票研究分析师： 装 equity-research 插件，结合 FactSet / Morningstar 连接器。用 /earnings 处理季报，用 Morning Note Agent 处理每日资讯汇总。记住：研报的投资逻辑和目标价还是你的——那是你的核心价值所在。

私募/PE 分析师： private-equity 插件覆盖了尽职调查清单、IC 备忘录、投资组合监控。连接 Datasite / IntraLinks 处理数据室文件，连接 PitchBook 做行业对标。注意：所有给 LP 的材料在发送前必须人工审核，没有例外。