効果的なプロンプティングは、Claudeの財務分析機能を効率的かつ正確に使用するのに役立ちます。このガイドでは、明確で具体的なプロンプトを作成し、必要な結果を得ながら、不完全または圧倒的な出力につながる一般的な問題を回避するための戦略を提供します。
Claudeがアクセスできるデータの確認
財務分析を開始する前に、Claudeが利用できるデータソースを理解することが重要です。異なる統合は異なるタイプのデータを提供します。Daloopa はSEC提出書類と基礎データに焦点を当てており、Kensho は包括的なS&P Global市場データとビジネス関係を提供しています。アクセス可能なものを知ることで、利用できないデータをリクエストするのに無駄な時間を費やすことを防ぎます。
分析セッションを開始する際に、データの利用可能性を確認してください：
"Kensho を通じてアクセスできるS&P Global財務データは何ですか？"
"Daloopa を通じてセグメントデータを取得できますか？"
この予備的なステップにより、利用できないデータが必要な分析をリクエストするのを防ぎ、異なるタイプの分析に対してどの統合を指定するかを理解するのに役立ちます。
コアプロンプティング原則
具体的で明確にする
Claude は複数のソースを通じて膨大な量の財務データにアクセスできます。具体的な指示がなければ、必要以上のデータを受け取ったり、重要なメトリクスを見落としたりする可能性があります。明確な仕様により、分析に必要なものを正確に取得でき、時間を節約し、精度を向上させます。
これらの対比する例を考えてください：
# 悪いプロンプト Claude、Microsoftを分析してください
この曖昧なリクエストは、複数年にわたって数百のデータポイントの取得をトリガーする可能性があり、関連する洞察を特定するのが難しくなります。Claude は、評価メトリクス、運用パフォーマンス、または競争上の位置付けのいずれが必要かを知りません。
# 良いプロンプト Daloopa を使用して、Microsoft（MSFT）の収益、営業利益率、および フリーキャッシュフローを2023年第1四半期から2024年第4四半期まで取得し、 前年比成長率を計算してください
この具体的なリクエストは、データソース、企業ティッカー、正確なメトリクス、期間、および目的の計算を特定します。Claude は取得するものと処理方法を正確に知っています。プロンプトには、企業ティッカー、正確なメトリクス名、特定の期間、および目的の出力形式を含める必要があります。
関連情報のみをリクエストする
財務統合は、多くの年にわたって数百のメトリクスをカバーする広範なデータセットを取得できます。利用可能なすべてをリクエストすると、時間を無駄にし、処理の複雑さを増し、特定の分析に重要なものに焦点を当てるのが難しくなります。ターゲットを絞ったリクエストは、より清潔で実行可能な結果を生成します。
# 悪いプロンプト Tesla、Ford、GMのすべての財務データを取得してください
このリクエストは、関連のないメトリクスを含む数千のデータポイントを返す可能性があり、焦点を絞った分析を実施するのが難しくなります。
# 良いプロンプト Tesla（TSLA）、Ford（F）、GMについて、運用効率を比較するために 最後の4四半期の自動車収益と粗利益率のみを取得してください
この焦点を絞ったリクエストは、運用比較に必要なメトリクスのみを取得します。プロンプトを作成する際は、まず分析目的を考え、その分析を直接サポートするデータのみをリクエストしてください。このアプローチは、より管理しやすい出力と明確な洞察を生成します。
データ量を制御する
大規模なデータリクエストは分析を遅くし、解釈が難しい圧倒的な出力を生成する可能性があります。スコープを管理することで、Claude はリクエストを効率的に処理し、結果を消化しやすい形式で提示できます。これは、複数の企業または長期間にわたって作業する場合に特に重要です。
# 悪いプロンプト S&P 500全体のすべての利用可能な履歴データを取得してください
このリクエストは、関連するデータの膨大な量のため、失敗するか、使用不可能な結果を生成する可能性があります。
# 良いプロンプト これらの5つのソフトウェア企業の最後の8四半期の収益とEBITDA マージンを取得してください：CRM、NOW、WDAY、TEAM、ZM
この管理可能なリクエストは、定義されたメトリクスと合理的な期間を持つ特定のピアグループに焦点を当てています。一般的なガイドラインとして、詳細な分析を3～5社に制限し、財務諸表全体ではなく特定の項目をリクエストし、利用可能なすべての履歴をリクエストするのではなく、分析ニーズに合致する日付範囲を使用してください。
複雑な分析の構造化
最初に分析計画をリクエストする
複雑な財務分析には、複数のステップ、データソース、および仮定が含まれます。Claude にアプローチを最初に概説させることで、計算に時間を費やす前に潜在的な問題を捕捉できます。これは、評価、モデリング、または複数企業の比較で、方法論の選択が結果に大きく影響する場合に特に価値があります。明確な計画は、期待と Claude の意図されたアプローチの間の一致も保証します。
# 悪いプロンプト Netflix の完全な評価分析を実施してください
このオープンエンドのリクエストは、Claude に多くの決定を任せ、要件に合わない分析や不適切な仮定を使用する分析につながる可能性があります。
# 良いプロンプト DCF方法論を使用してNetflix（NFLX）を評価するための計画を作成してください。 必要なデータ、実行する計算、および行う仮定をリストしてください。 進める前に確認させてください。
このアプローチにより、実行が開始される前に計画された方法論を可視化できます。Claude が使用するつもりのデータソースを確認し、主要な仮定が合理的であることを確認し、欠落しているコンポーネントを特定し、詳細な計算に時間を投資する前にアプローチを調整できます。この予備的なレビューは、分析完了後に修正するのに費用がかかる問題をしばしば捕捉します。
ステップバイステップのアプローチを使用する
複雑な分析を個別のステップに分割することで、Claude のプロセスに透明性をもたらし、コース修正を可能にします。データの正確性を確認し、計算をチェックし、最終結果でのみ問題を発見するのではなく、ステップ間で方法論を調整できます。このアプローチは、複数のデータソースを使用する場合や、計算が相互に構築される場合に特に価値があります。
# 悪いプロンプト これら5つの企業を比較して、どれが最良かを教えてください
このリクエストは、基礎となるデータやロジックを検証できないブラックボックス分析を生成します。
# 良いプロンプト これらの企業をステップバイステップで分析しましょう。まず、 それらのP/E比率を取得してください。次のメトリクスに進む前に 結果を表示してください。
この段階的なアプローチにより、エラーを早期に捕捉し、初期の調査結果に基づいて分析を調整し、各段階で Claude の推論を理解し、計算で使用される前にデータの正確性を確認できます。各ステップは、分析が軌道に乗っていることを確認できるチェックポイントになります。
段階的に構築する
分析に進む前にデータ取得から始めることで、正確で完全な情報を使用していることを確認します。このアプローチは、不完全なデータを使用した計算に無駄な努力を費やすのを防ぎ、データギャップが結論に影響する前にそれを特定するのに役立ちます。また、実際に利用可能なデータに基づいて分析を調整することもできます。
典型的な段階的なワークフローは次のようになります：
まず、Amazon のセグメント収益を最後の8四半期について取得し、 利用可能なものを表示してください
次に、AWS 特に成長率を計算してください
最後に、同じ期間にわたって AWS の成長を Azure の成長と比較してください
各ステップは前のステップに基づいており、進める前に必要な基礎があることを確認します。この方法は、分析を開始するまで正確にどのデータが利用可能かを知らない可能性がある、不慣れな企業またはセクターを探索する場合に特に有用です。
一般的な問題と解決策
データ利用可能性の課題
問題：存在しないデータ、または現在の統合を通じて利用できないデータをリクエストすると、分析が脱線する可能性があります。
解決策：まず利用可能なものを尋ねてください。例えば：「Daloopa は Spotify のどのような運用メトリクスを持っていますか？」この予備的なチェックにより、利用できないデータの周りに分析を構築するのを防ぎます。
異なる企業は異なるメトリクスを報告し、すべての履歴データが利用可能ではない場合があります。事前に利用可能性を確認することで時間を節約でき、実際にアクセス可能なデータに基づいて分析アプローチを調整できます。
スコープ管理
問題：一度に50以上の企業の分析をリクエストすると、圧倒的な結果が生成されたり、分析が完全に失敗したりする可能性があります。
解決策：大規模な分析を5～10社の小さなグループに分割し、結果を組み合わせます。
例えば、「すべてのREITを分析してください」の代わりに、より具体的にしてみてください：「まずこれら5つの産業用REIT を分析してください：PLD、DRE、FR、TRNO、STAG。」初期結果を確認した後、追加のグループに進むことができます。このアプローチにより、各バッチが徹底的な分析を受け、初期の調査結果に基づいて基準を改善できます。
曖昧なリクエスト
問題：「良い企業」や「強いパフォーマンス」などの用語は、異なるアナリストにとって異なる意味を持ち、基準に合わない結果につながる可能性があります。
解決策：定量的なしきい値を使用して基準を明示的に定義します。
例を次に示します：
# 悪いプロンプト 良い割安株を見つけてください
# 良いプロンプト P/E が15未満、正のフリーキャッシュフロー、および5%以上の 収益成長を持つ企業を見つけてください
具体的な基準により、Claude は投資哲学とスクリーニングパラメータに合致する企業を特定します。この精度は、スクリーンを構築したり、投資候補を特定したりする場合に特に重要です。
効率的なプロンプティングのヒント
最初に最終目標を述べて、Claude が適切なアプローチを提案できるようにしてください。
分析全体を通じて一貫した用語を使用してください。
成功したプロンプトテンプレートを繰り返し分析のために保存してください。
スケールアップする前に、より小さなテストリクエストから始めてください。
プロンプトで特定のデータソースを名前付けしてください（Daloopa、Kensho/S&P Global）。
データの鮮度を考慮してください。最新の利用可能なデータが必要か、特定の履歴データが必要かを指定してください。
出力形式の設定を含めてください（表、箇条書き、ナラティブ）。
精度が重要な場合は、ソースの引用をリクエストしてください。
繰り返し分析の場合は、再利用できる一貫したプロンプト構造を確立してください。
これらの戦略は、一般的な落とし穴を回避しながら、Claude の財務分析機能から最大の価値を得るのに役立ちます。システムの経験を積むにつれて、特定の分析ニーズに適したプロンプトパターンを特定できます。