有效的提示词可以帮助您高效准确地使用Claude的财务分析功能。本指南提供了编写清晰、具体提示词的策略，以获得所需的结果，同时避免可能导致输出不完整或过多的常见问题。
发现Claude可以访问的数据
在开始任何财务分析之前，必须了解Claude可以使用哪些数据源。不同的集成提供不同类型的数据——Daloopa专注于SEC备案和基本面数据，Kensho提供全面的S&P Global市场数据和业务关系。了解可访问的数据可以防止浪费时间请求不可用的数据。
通过确认数据可用性来开始您的分析会话：
"您可以通过Kensho访问哪些S&P Global财务数据？"
"您可以通过Daloopa检索部门数据吗？"
这个初步步骤可以防止请求需要不可用数据的分析，并帮助您了解为不同类型的分析指定哪个集成。
核心提示词原则
具体明确
Claude可以通过多个来源访问大量财务数据。没有具体的指示，您可能会收到超过需要的数据或遗漏关键指标。明确的规范确保您获得分析所需的确切内容，节省时间并提高准确性。
考虑这些对比示例：
# 不好的提示词 Claude，请分析Microsoft
这个模糊的请求可能会触发跨多年检索数百个数据点，使得难以识别相关见解。Claude不会知道您是想要估值指标、运营绩效还是竞争定位。
# 好的提示词 使用Daloopa，检索Microsoft（MSFT）的收入、营业利润率和 自由现金流（2023年第一季度至2024年第四季度），然后计算 同比增长率
这个具体的请求确定了数据源、公司代码、确切指标、时间段和所需的计算。Claude知道确切要检索什么以及如何处理它。您的提示词应包括公司代码、确切的指标名称、具体的时间段和所需的输出格式。
仅请求相关信息
财务集成可以提取涵盖许多年份数百个指标的广泛数据集。请求所有可用数据会浪费时间、增加处理复杂性，并使专注于对您的特定分析重要的内容变得更加困难。有针对性的请求会产生更清晰、更可操作的结果。
# 不好的提示词 提取Tesla、Ford和GM的所有财务数据
这个请求可能会返回数千个数据点，包括无关指标，使得难以进行有针对性的分析。
# 好的提示词 对于Tesla（TSLA）、Ford（F）和GM，仅检索最后4个季度的 汽车收入和毛利率，以比较运营效率
这个有针对性的请求仅检索运营比较所需的指标。在制定提示词时，首先考虑您的分析目标，然后仅请求直接支持该分析的数据。这种方法会产生更易管理的输出和更清晰的见解。
控制数据量
大型数据请求可能会减慢分析速度并产生难以解释的压倒性输出。管理范围确保Claude可以高效处理请求并以易于理解的格式呈现结果。这在处理多个公司或长时间段时尤为重要。
# 不好的提示词 获取整个S&P 500的所有可用历史数据
由于涉及的数据量巨大，这个请求可能会失败或产生无法使用的结果。
# 好的提示词 检索这5家软件公司最后8个季度的收入和EBITDA利润率： CRM、NOW、WDAY、TEAM和ZM
这个易于管理的请求专注于具有定义指标和合理时间框架的特定同行组。作为一般指导，将详细分析的请求限制在3-5家公司，请求特定的行项目而不是整个财务报表，并使用与您的分析需求相匹配的日期范围，而不是请求所有可用历史记录。
构建复杂分析
首先请求分析计划
复杂的财务分析涉及多个步骤、数据源和假设。让Claude先概述方法可以让您在花费时间进行计算之前发现潜在问题。这对于估值、建模或多公司比较特别有价值，其中方法论选择会显著影响结果。明确的计划还确保您的期望与Claude的预期方法之间的一致性。
# 不好的提示词 对Netflix进行完整的估值分析
这个开放式请求给Claude留下了太多决定，可能导致分析与您的要求不符或使用不适当的假设。
# 好的提示词 创建一个使用DCF方法对Netflix（NFLX）进行估值的计划。列出 您需要的数据、您将执行的计算和您将做出的假设。让我在 您继续之前进行审查。
这种方法在执行开始之前让您了解计划的方法论。您可以审查Claude打算使用的数据源、验证关键假设是否合理、识别任何缺失的组件，并在投入详细计算时间之前调整方法。这个初步审查通常会发现在分析完成后修复成本很高的问题。
使用逐步方法
将复杂分析分解为离散步骤可以提供Claude流程的透明度，并允许进行过程纠正。您可以验证数据准确性、检查计算，并在步骤之间调整方法，而不是仅在最终结果中发现问题。这种方法在使用多个数据源或计算相互依赖时特别有价值。
# 不好的提示词 比较这5家公司，告诉我哪一家最好
这个请求产生了一个黑箱分析，您无法验证基础数据或逻辑。
# 好的提示词 让我们逐步分析这些公司。首先，获取它们的市盈率。 在继续下一个指标之前向我显示结果。
这种增量方法允许您尽早发现错误、根据初始发现调整分析、理解Claude在每个阶段的推理，并在数据用于计算之前验证其准确性。每个步骤都成为一个检查点，您可以确保分析保持在正轨上。
逐步构建
在进行分析之前先进行数据检索可以确保您使用的是准确、完整的信息。这种方法可以防止使用不完整数据进行计算的浪费努力，并帮助在数据缺口影响结论之前识别它们。它还允许您根据实际可用的数据调整分析。
典型的增量工作流可能如下所示：
首先，检索Amazon最后8个季度的部门收入，并向我显示 可用的内容
现在计算AWS的增长率
最后，比较AWS增长与同期Azure增长
每个步骤都建立在前一个步骤的基础上，确保您在继续之前拥有必要的基础。这种方法在探索不熟悉的公司或行业时特别有用，在这些情况下，您可能不知道在开始分析之前确切有哪些数据可用。
常见问题和解决方案
数据可用性挑战
问题：请求不存在或通过当前集成不可用的数据可能会破坏您的分析。
解决方案：首先询问可用的内容。例如："Daloopa对Spotify有哪些运营指标？"这个初步检查可以防止围绕不可用数据构建分析。
不同的公司报告不同的指标，并且可能不是所有历史数据都可用。提前确认可用性可以节省时间，并允许您根据实际可访问的数据调整分析方法。
范围管理
问题：一次请求分析50多家公司可能会产生压倒性的结果或导致分析完全失败。
解决方案：将大型分析分解为5-10家公司的较小组，然后合并结果。
例如，不要"分析所有REITs"，而是尝试更具体："首先分析这5家工业REITs：PLD、DRE、FR、TRNO、STAG。"审查初始结果后，您可以继续进行其他组。这种方法确保每个批次都获得彻底的分析，并允许您根据初始发现完善您的标准。
模糊请求
问题："好公司"或"强劲表现"等术语对不同的分析师意味着不同的东西，可能导致与您的标准不符的结果。
解决方案：使用量化阈值明确定义您的标准。
这是一个例子：
# 不好的提示词 找我一些好的价值股
# 好的提示词 找市盈率低于15、自由现金流为正且收入增长 超过5%的公司
具体的标准确保Claude识别与您的投资理念和筛选参数相匹配的公司。这种精确性在构建筛选器或识别投资候选人时特别重要。
高效提示词的提示
提前说明您的最终目标，以便Claude可以建议适当的方法。
在整个分析中使用一致的术语。
为重复分析保存成功的提示词模板。
在扩大规模之前从较小的测试请求开始。
在您的提示词中命名特定的数据源（Daloopa、Kensho/S&P Global）。
考虑数据新鲜度——指定您是否需要最新可用数据或特定历史数据。
包括输出格式偏好（表格、项目符号、叙述）。
当准确性至关重要时请求来源引用。
对于重复分析，建立一个可以重复使用的一致提示词结构。
这些策略可以帮助您从Claude的财务分析功能中获得最大价值，同时避免常见的陷阱。随着您对系统的经验增加，您将识别出适合您特定分析需求的提示词模式。