楼主 2 小时前

本帖最后由 finai 于 2026-5-24 12:31 编辑

用 Claude Code 金融插件做投研

写在前面

Anthropic 在 2025 年 10 月推出 Claude for Financial Services 第一款插件，当时只支持 Enterprise 客户，Excel 插件还是 Beta 且限 1000 个名额。到 2026 年 5 月，这套东西已经迭代到第二代——所有付费用户可用，插件数量翻倍，还接上了 Microsoft 365 全家桶。

本文聚焦 Claude Code 插件模式（不是在 Claude.ai 网页里点按钮），从安装到实际分析输出，完整走一遍。

一、两代插件核心差异（先给结论）

维度	2025.10 旧版	2026.05 新版
底层模型	Sonnet 4.5（55.3%）	Opus 4.7（64.37%）
Agent 数量	6 个技能文件	10 个开箱模板
MCP 数据源	11 个	19 个（新增 8 个）
垂直插件	5 个	8 个（新增 fund-admin / operations）
办公集成	Excel Beta（限 1000 名）	Excel 正式版 + PPT + Word + Outlook（即将上线）
部署模式	仅插件模式	插件模式 + Managed Agents 双模式
用户范围	Enterprise 专属	Max / Teams / Enterprise 均可用

一句话总结：从「需要懂行的人组装」进化到了「开箱即用，装上就能跑」。

二、Claude Code 插件安装（实操步骤）

Claude Code 是终端（Bash / PowerShell / zsh）里运行的 CLI 工具，插件通过命令行安装，装完之后在会话里用斜杠命令触发。

Step 1：添加插件市场源

$ claude plugin marketplace add anthropics/financial-services
✓ Marketplace "anthropics/financial-services" added.

这一步把 anthropics/financial-services 这个公开仓库注册到你的 Claude Code 实例里，后续安装插件时可以直接用 @anthropics/financial-services 引用。

Step 2：安装核心插件（必装）

$ claude plugin install financial-analysis@anthropics/financial-services
✓ Plugin "financial-analysis" installed.
  Skills loaded: 13
  MCP connectors loaded: 11

financial-analysis 是核心插件，所有数据共享的 MCP 连接器都在这里。不装这个，其他垂直插件跑不起来。

Step 3：按你的领域选装垂直插件

# 投行方向
$ claude plugin install investment-banking@anthropics/financial-services

# 股票研究
$ claude plugin install equity-research@anthropics/financial-services

# 私募股权
$ claude plugin install private-equity@anthropics/financial-services

# 财富管理
$ claude plugin install wealth-management@anthropics/financial-services

✓ 3 plugins installed successfully.

Step 4：配置数据源 API Key

插件装好了，但数据源还没接通。以 S&P Global（Capital IQ）为例：

$ export S&P_API_KEY="sk-sp-xxxxxxxxxxxx"
$ claude --check-mcp-connectors
✓ S&P Global MCP connected.
✓ FactSet MCP connected.
✓ Moody's MCP connected.
...
11/11 connectors ready.

⚠️ 现实提醒：S&P Capital IQ、FactSet、Moody's 的订阅费非常贵，个人基本无力承担。如果是国内机构，可以考虑用 Wind / iFinD 自行开发 MCP 连接器替换。

Step 5：验证斜杠命令可用

> /comps AAPL
✓ Running comps analysis...
  8 peers found. Model updated.

能跑出结果，说明安装成功。

三、分析输出示例（插件实际跑起来的效果）

装好之后，分析师的工作流变成了「自然语言指令 → 插件调用 MCP 数据源 → 结构化输出」。以下是两个典型场景的输出示意。

场景 1：`/comps AAPL` — 可比公司分析

输入命令后，插件自动从 S&P / FactSet 拉取同行数据，生成如下可比公司估值表：

公司	代码	市值 ($B)	P/E (TTM)	EV/EBITDA	评分
Apple Inc.	AAPL	$2,890	32.1x	26.4x	A
Microsoft Corp.	MSFT	$3,120	35.8x	28.1x	A-
Alphabet Inc.	GOOGL	$1,980	24.3x	19.7x	A-
Amazon.com Inc.	AMZN	$1,850	44.2x	22.3x	B+
Meta Platforms	META	$1,420	28.7x	21.5x	A-

数据来源：S&P Capital IQ · FactSet · 更新时间：2026-05-23
⚠️ 输出为草稿，需分析师审核签字

实际体验：原来做这张表要打开 Capital IQ → 导数据 → Excel 里算倍数 → 手动排版，大概 30-45 分钟。现在命令行里 20 秒出结果，剩下的时间是做判断，不是做表格。

场景 2：`/dcf AAPL` — DCF 估值模型

DCF 是投行和 PE 里最常用的估值方法，插件会自动：

从数据源拉取历史财务数据
建 5 年营收/FCFF 预测
计算 WACC（加权平均资本成本）
算终值（Terminal Value）
折现回来得到股权价值

输出示意（简化版）：

DCF Valuation — AAPL（5-Year Forecast）
========================================
WACC: 11.2%  |  Terminal Growth: 3.0%

Revenue Forecast (USD B):
  2026E: $425.1    2027E: $458.0
  2028E: $493.5    2029E: $531.8
  2030E: $572.2

Enterprise Value (EV):    $3,180B
Less: Net Debt:           $230B
----------------------------------------
Equity Value:              $2,950B
Implied Price / Share:     $193.5

Model Confidence: ★★★★☆ 78%

模型置信度 78%，主要不确定性来自 iPhone 收入增长假设和宏观折现率变动。
⚠️ 所有数字需人工审核，插件输出不承担投资建议责任。

实际体验：DCF 模型最烦的不是算，是「假设参数从哪里来」和「每个版本怎么管理」。插件会自动标注每个数字的来源（比如营收增速来自 S&P 一致性预期），这比手动建的模型可审计性强太多。

四、应用难度评估

用户类型	难度	真实门槛
金融从业者（无代码背景）	⭐⭐	插件模式开箱即用，斜杠命令即可；数据源 API Key 需要 IT 协助
金融工程师 / Quant	⭐⭐⭐	需要理解 MCP 协议、会配置 `.mcp.json`、可能需要自定义 Skill 文件
企业 IT / 平台团队	⭐⭐⭐⭐	Managed Agents 部署 + 权限管控 + 审计日志；需要 Claude API 企业权限
国内金融机构（想用 Wind/iFinD）	⭐⭐⭐⭐⭐	需要自行开发国内数据源的 MCP 连接器，目前无官方支持

最大的实际门槛不是技术，是数据订阅费。S&P / FactSet / Moody's 的学术授权或许能申请，但商业使用的订阅费每年几十万美金起步。这也是为什么目前这套插件在海外大行和 PE 里先用起来——他们本来就有这些数据的授权。

五、几个值得注意的趋势

1. 金融 AI 的「最后一公里」是数据源，不是模型

2. Claude Code 插件模式比网页版更适合金融场景

网页版 Claude.ai 适合「问问题、写报告」，但金融工作的产出物（Excel 模型、PPT Pitch 书、Word 备忘录）都在本地文件里。Claude Code 插件可以直接读写这些文件，还能调用 MCP 实时拉数据进模型，工作流不用打断。

这也是为什么 Anthropic 在新版里大力推 Microsoft 365 插件——金融从业者的真实工作台是 Excel + PPT，不是浏览器。

3. Managed Agents 是给金融机构的「合规护栏」

金融行业用 AI 最大的障碍不是效果，是审计。谁在什么时间用 AI 做了什么决策，能不能追溯，有没有人工审核环节——这些合规要求，Managed Agents 的审计日志和工具级权限管控是直接内建的。

如果国内团队在做金融 AI 产品，合规能力要内建，不能后补。Anthropic 这步走得挺靠前。

六、对国内同行的具体建议

架构可以直接借鉴：financial-services 仓库的「Skill 文件 + MCP 连接器 + Agent 模板」三层解耦架构，Apache 2.0 协议，直接 fork 来改。把数据源换成 Wind / iFinD / Choice，Skill 文件改成中文合规版本，就是一个国产金融 AI Agent 平台。
MCP 连接器是护城河：谁先把自己的金融数据产品 MCP 化，谁就抢到了 AI Agent 生态的门票。国内数据商还没大规模行动，这是时间窗口。
先从垂直场景切入：别想着做一个「全能金融 AI」，先搞定一个场景——比如「A 股财报分析」或「港股 IPO 尽职调查」——把数据流跑通，比做大做全更实际。

以上为个人记录，不构成投资建议。插件输出均需人工审核，最终决策责任在使用者本人。

Claude Code 金融插件：逐渐降低金融分析的门槛