2026年11月9日星期一

Codex金融投研插件指南:低成本搭出华尔街级美股研究工作台

本文介绍OpenAI Codex金融投研插件,它整合62个应用与110项技能,并将FactSet、Daloopa、Quartr等数据源接入同一工作流,让普通投资者、金融学生和小型团队用一台电脑完成财报分析、估值建模与投资备忘录。无机构数据库也能起步:先用SEC公开文件,再按需订阅Fiscal.ai月付49美元起或Alpaca免费档等低成本工具。

Tags:

早上好,朋友们!最近一直在关注Codex的插件生态,发现OpenAI已经把金融投研这一整套工具搬进来了。以前想认真研究一家美股公司,得自己翻几十页财报、找管理层电话会记录、整理竞争对手数据,再打开Excel建估值模型,最后写一份投资报告。现在Codex有了专门的股票投资插件,可以把这些工作串起来,甚至按照华尔街分析师的标准,生成财报分析、估值模型、多空投资观点和投资备忘录。OpenAI一次推出了6个职业角色插件,合计整合62个应用和110项技能,其中最值得关注的就是Public Equity Investing(公开市场股票投资)和Investment Banking(投资银行业务)。前者面向股票研究,后者面向企业估值、并购和融资分析。更有意思的是,FactSet、LSEG、S&P Global、Moody's、PitchBook这些专业金融数据供应商也陆续接入了OpenAI插件生态。对于普通投资者、金融学生和小型研究团队来说,现在已经可以用一台电脑,把过去需要好几个专业工具才能完成的投研工作整合起来。

一、Codex这次真正厉害的地方,是直接给你配了一套投研工作流程

以前让ChatGPT分析英伟达(NVIDIA),它通常会告诉你公司主营业务、最近的财报表现、竞争优势和潜在风险。如果继续让它做估值,还需要自己解释用什么方法、需要哪些数据、如何计算。现在OpenAI推出的Public Equity Investing插件已经把专业投研流程拆成了23项Skills(可复用的专业工作技能),每个技能都负责一类具体任务。

比如你刚开始研究一家公司,可以调用company-tearsheet(公司一页纸分析),快速整理主营业务、收入构成、财务指标、估值水平和重要风险。如果公司下周要公布财报,可以使用earnings-preview(财报前瞻),让它收集市场预期、关键经营指标和管理层可能回答的问题。等财报真正发布,再用earnings-deep-dive(财报深度分析),把实际业绩、公司指引、分析师提问和股价反应放在一起比较,找出哪些指标超出预期、哪些低于预期。

关于估值和投资判断。插件包含dcf-model-builder(现金流折现估值模型构建)、three-statement-model-builder(三张财务报表预测模型构建)和comps-valuation(可比公司估值)等技能。你可以要求Codex根据已有财务数据建立未来五年的收入、利润和自由现金流预测,再计算不同增长率、利润率和折现率对应的估值范围。如果已经有自己的Excel模型,还能让equity-model-update(股票估值模型更新)把最新季度的数据填进模型,并记录哪些预测假设发生了变化。

最后可以使用long-short-pitch(做多或做空投资观点)、memo-builder(投资备忘录生成)和thesis-tracker(投资逻辑跟踪)。这些技能要求分析的不只是公司好不好,还包括当前股价已经反映了哪些预期、什么情况会支持投资观点、什么情况会推翻原来的判断,以及接下来需要观察哪些事件。对于真正做股票研究的人,这一套流程比简单地让AI总结财报完整得多。

OpenAI已经在官方页面提供了现成的演示提示词。例如直接输入:

@Public Equity Investing 请为英伟达制作一份最新季度财报分析报告,比较实际业绩与市场预期,解释数据中心业务、毛利率和未来指引的变化。使用DCF和可比公司估值,建立乐观、中性、悲观三种情景,列出每种情景的关键假设和风险。所有重要数字都附上原始来源,并注明数据日期。

如果已经接入金融数据源,它可以按照相应技能调用数据;如果暂时没有机构订阅,也可以先上传上市公司公布的财报、电话会记录和现有Excel模型,让插件根据实际文件完成分析。

二、真正像华尔街的地方,是十几家金融数据公司也接进来了

如果只是把一份财报丢给AI,普通ChatGPT也能分析。Codex金融插件更进一步的地方,是把金融机构日常使用的专业数据库接进同一套工作流程。OpenAI目前公开展示的金融插件已经覆盖上市公司财报、电话会、市场报价、企业信用、私募融资、基金研究和专家访谈等不同领域。

Quartr(上市公司投资者关系数据平台)比较适合研究管理层讲话。它提供财报电话会记录、投资者演示材料、公司公告和管理层问答。比如研究苹果,可以让它把最近几个季度的财报电话会放在一起,找出管理层对中国市场、人工智能、硬件销售和服务业务的表述发生了哪些变化。以前做这种研究,需要逐篇阅读电话会文字稿,现在可以直接要求它按时间线整理,并标明相关段落。

Daloopa(金融基本面数据平台)更适合做财务模型。它提供经过整理的收入、毛利率、经营利润、自由现金流和行业特有经营指标,并且强调每项数据可以追溯到原始财报。比如研究云计算公司,可以要求它整理过去五年的收入增长率、资本开支和自由现金流,再把这些数字填进估值表。普通AI做财务分析经常会遇到一个问题:年度、季度、调整后指标和会计报表口径混在一起。Daloopa的价值就是提供相对标准化的数据,并附上来源,让分析师能够复核。

Aiera(机构金融研究数据平台)则把公司活动、电话会、公告、研究资料和专业内容整合起来,适合分析一家公司的管理层观点,也适合比较整个行业。例如可以搜索最近一季度所有相关企业的电话会,看看谁在上调资本开支,谁在下调增长预期,哪些企业同时提到了客户库存变化。

另外几家更偏向机构使用。FactSet(机构金融数据与研究平台)、LSEG(伦敦证券交易所集团金融数据服务)和S&P Global(标普全球金融数据平台)**提供大量市场、估值、行业和公司数据;Moody's(穆迪信用评级及风险数据服务)**涉及信用评级与风险分析;PitchBook(私募市场数据平台)和CB Insights(私人企业与风险投资研究平台)主要覆盖未上市公司、融资、投资者和交易资料;Third Bridge(专家研究及访谈服务商)则提供专家访谈等专业研究内容。这些来源可以帮助分析师理解公开财报里没有直接列出的行业情况,但具体能看到哪些资料,由各自的数据授权决定。

它们之间也可以组合。例如你正在研究微软的AI基础设施投资,可以让Quartr找管理层最近几次电话会关于数据中心投入的表述,再让Daloopa整理历史资本开支和现金流数据,最后交给Public Equity Investing制作财务预测和估值分析。整套流程的最终产物,可以是一份带数据来源、预测假设和风险情景的投资备忘录。

三、没有机构数据库,普通人能不能用?其实已经有几条成本很低的路径

如果只是个人研究美股,没必要一开始就购买昂贵的数据终端。OpenAI官方的Public Equity Investing插件支持使用公开资料和自己上传的文件。美国上市公司提交给SEC(美国证券交易委员会)的10-K(年度报告)、10-Q(季度报告)和8-K(重大事项报告)可以免费查询。公司投资者关系网站通常也会公布财报、演示材料和部分电话会记录。这些公开资料已经足够构建基础的公司分析和估值模型。

如果需要结构化数据,可以再增加一些低成本工具。

例如Fiscal.ai(金融数据与股票研究平台),它提供公司财务报表、估值指标、经营数据和股票研究功能,特点是可以追溯指标来源。目前官网提供7天试用,网页终端Pro套餐月付49美元(按1美元约7.1元人民币估算,约348元),Max套餐月付99美元(约703元),年付折算价格更低。需要注意,它的API(应用程序编程接口)和MCP(模型上下文协议,一种连接AI与外部工具的标准)访问属于单独的订阅项目。

另一家是Alpaca(美国股票交易及市场数据平台)。它的市场数据服务有免费Basic(基础)计划,适合个人开发者查询部分股票报价、历史行情和进行程序测试;Algo Trader Plus(高级量化交易数据计划)目前是每月99美元(约703元),提供更完整的美国股票交易所市场数据以及期权实时数据。

如果研究基金,可以使用**Morningstar(晨星投资研究平台)**查询基金、ETF(交易型开放式指数基金)及相关评级和持仓资料;研究上市公司电话会,可以使用Quartr;如果只是快速比较股票财务指标,还可以使用SEC公开文件和其他免费数据工具。

有一个容易忽略的新变化:OpenAI已经推出面向符合条件金融机构的ChatGPT for Financial Services(金融服务行业专用方案)。这个方案包含部分经过授权的金融数据集,例如SEC文件、Quartr电话会、Daloopa部分财务数据等,部分数据不需要企业再单独和供应商签约。

Codex金融投研插件指南:低成本搭出华尔街级美股研究工作台

没有评论:

发表评论

拉脱维亚居留卡能去别的国家吗?可以一直续签吗

如果你有孩子、想过欧洲身份这件事、但一直不确定从哪开始——这篇文章可能刚好是你需要看到的那个入口。王先生在上海做外贸,妻子在一家外企做财务。他有两个孩子,一个刚上小学二年级,一个还在读幼儿园。他想过欧洲身份,但一直没动手。不是不想办,是不知道从哪里开始。他看了一圈之后,把目光停...