前言
上周A股冲到4000点,有人欢喜有人忧,有人30w几年变成10亿;有人套牢拿了好几年,一回本半天就拿不住了(是我)。
有人晒收益,有人问"还能不能追",还有人发了一张财报截图,问"这公司ROE 20%是不是很牛"。
我点开那张图,扫了几眼就发现问题:ROE确实不错,但资产负债率75%,流动比率0.8——这个组合意味着随时可能现金流断裂。
发截图的人估计只看到了"ROE 20%"这个亮眼的数字,后面那串指标大概都没注意。
这让我想起去年的自己。拿着200多页的年报,盯着资产负债表发呆。总资产、负债、营收、净利润——数字都在那里,但看不出门道。我知道要算ROE、算负债率,但Excel公式总写错,算出来的结果也不知道是好是坏。
后来发现了几个工具。现在分析一只股票,半小时就能出结果,至少不会再被单一指标误导。
本文介绍7个金融分析 Claude Skills,覆盖财报分析、估值建模、风险评估、策略回测等场景。它们的共同特点是:热度高(万星级别)、功能专注、学习成本可控。
这些工具不能保证你赚钱,但至少能帮你看清楚数字背后的东西。
一、analyzing-financial-statements:财报分析的自动化助手
来源: Anthropics 官方Stars: 28.3k定位: 多维度财报分析与指标计算工具
解决的问题
看财报是每个投资者的必修课,但散户面临的困境是:
计算复杂:ROE、ROA、流动比率、速动比率...一堆公式要手动算 标准不明:不知道算出来的数字是好是坏,缺乏行业对比基准 容易遗漏:关注了盈利能力,忽略了偿债风险;看了增长率,没注意现金流
专业分析师有成套的分析框架,散户往往只能盯着几个孤立的数字。
核心能力
analyzing-financial-statements 提供了系统化的财报分析流程:
1. 自动计算核心指标
盈利能力:ROE、ROA、毛利率、净利率 偿债能力:流动比率、速动比率、资产负债率 营运能力:存货周转率、应收账款周转率、总资产周转率 成长能力:营收增长率、净利润增长率
2. 行业对比基准每个指标会标注行业平均值,告诉你:
✓ 高于行业平均(优势) = 行业平均水平(正常) ⚠️ 低于行业平均(需关注)
3. 综合评分与风险提示基于多维度指标给出综合评分(A+到D),并标注关键风险:
综合评分:B+优势:盈利能力强,增长迅猛风险:负债率偏高,需关注现金流4. 趋势分析对比过去3-5年的数据,识别指标变化趋势:
毛利率同比+2.1% → 成本控制改善 存货周转率下降 → 库存积压风险
适用场景
个人投资者:快速筛选股票,排除明显有问题的公司 价值投资者:深入分析目标公司的财务健康度 财报学习:理解各项指标的含义和行业标准
使用示例
你:"分析比亚迪2024年年报"Claude(使用 analyzing-financial-statements):盈利能力分析- ROE 20.3%(高于行业平均15%)✓- 毛利率 18.2%(同比+2.1%,成本控制改善)- 净利率 12.6%偿债能力分析- 流动比率 1.35(合格)- 速动比率 0.98(略低,需关注短期偿债风险)⚠️- 资产负债率 68%(扩张期正常,但偏高)⚠️营运能力分析- 存货周转率 6.2次/年(供应链效率优秀)✓- 应收账款周转率 8.4次/年成长能力分析- 营收增长率 +42%(高速增长)✓- 净利润增长率 +81%(利润增速超营收)✓综合评分:B+优势:盈利能力强,增长迅猛风险:负债率偏高,需关注现金流二、creating-financial-models:DCF估值建模工具
来源: Anthropics 官方Stars: 28.3k定位: 现金流折现(DCF)模型构建与敏感性分析
解决的问题
茅台PE 50倍,是贵还是便宜?单看市盈率很难判断,因为PE不考虑未来增长。
机构分析师会用DCF模型计算"内在价值",但这个方法对散户来说门槛很高:
WACC(加权资本成本)怎么算? 永续增长率设多少合理? 终值怎么计算?
这些参数设置错误,估值结果可能差一倍。
核心能力
1. 自动构建DCF模型输入当前财务数据和增长假设,AI自动生成:
未来5-10年的现金流预测 终值计算(永续增长法或退出倍数法) 折现率设定(WACC计算) 股权价值与每股价值
2. 敏感性分析生成不同假设下的估值矩阵:
这个表格告诉你:估值对假设非常敏感。如果增速从25%降到20%,估值可能下降26%。
3. 三种情景分析自动生成乐观、中性、悲观三种情景:
乐观:增速30%,估值¥520 中性:增速25%,估值¥351 悲观:增速15%,估值¥260
只有在悲观情况下估值都高于现价,才具备足够的安全边际。
4. 参数解释与建议不懂金融术语?AI会解释:
WACC = 无风险利率(国债3%)+ 风险溢价(6-7%)≈ 9-10% 永续增长率通常设为GDP增速(3-5%) 增长率参考过去3年平均值,但要保守估计
适用场景
价值投资者:判断股票是否被低估 长期投资决策:计算合理买入价格 投资组合优化:对比不同股票的性价比
使用示例
你:"用DCF估值宁德时代,假设未来5年营收增速25%"Claude(使用 creating-financial-models):DCF估值模型输入假设- 当前自由现金流:¥50亿/年- 预测增长率:25%(前5年)→ 10%(永续)- 折现率(WACC):9.5%未来现金流预测Year 1: ¥62.5亿Year 2: ¥78.1亿Year 3: ¥97.7亿Year 4: ¥122亿Year 5: ¥152亿终值计算永续增长率:3%终值:¥2,530亿折现到现在现金流现值:¥382亿终值现值:¥1,645亿企业价值总计:¥2,027亿减去:净负债 -¥150亿股权价值:¥2,177亿÷ 总股本:62亿股= 每股价值:¥351元结论当前股价:¥280元DCF估值:¥351元上涨空间:+25%安全边际:中等风险提示- 若增速降至15%,估值仅¥260元(低于现价)- 电池技术迭代风险三、risk-metrics-calculation:投资组合风险量化
来源: wshobson/agentsStars: 24.2k定位: 投资组合风险评估与优化工具
解决的问题
很多散户的持仓看起来很分散,但其实高度集中在同一行业。比如持有宁德时代、比亚迪、隆基绿能、TCL、茅台,表面上5只股票,实际上新能源占比可能高达75%。
结果就是:涨的时候爽,跌的时候惨。
专业投资者会用VaR、波动率、Sharpe比率等指标量化风险,散户往往只能凭感觉。
核心能力
1. 风险指标计算
VaR(Value at Risk):
95%的VaR = ¥2.3万/天解释:未来1天,有95%概率亏损不超过¥2.3万换句话说:20个交易日里,有1天可能亏得更多年化波动率:
年化波动率:32%解释:波动很大,属于高风险组合对比:沪深300的波动率约20%Sharpe比率:
Sharpe比率:1.8解释:每承担1单位风险,获得1.8单位收益标准:>1.5为良好,>2.0为优秀最大回撤:
最大回撤:-28%(2022年4月)解释:历史上最惨的时候亏了28%2. 行业集中度分析
行业分布- 新能源:75%(高度集中)⚠️- 消费:10%- 电子:15%问题诊断1. 新能源仓位过重(建议<50%)2. 缺少防御性板块(医药、公用事业)3. 波动率偏高(不适合风险厌恶者)3. 优化建议
建议调整方案- 减持新能源至50%- 增持医药、消费各15%- 增持债券基金20%(降低波动)优化后预计- VaR(95%):¥1.7万(↓26%)- 波动率:25%(↓22%)- Sharpe比率:2.1(↑17%)适用场景
组合风险评估:了解持仓的真实风险水平 仓位调整决策:科学地分散风险 风险承受能力匹配:确保风险在可接受范围内
四、backtesting-frameworks:交易策略回测引擎
来源: wshobson/agentsStars: 24.2k定位: 历史数据回测与策略验证平台
解决的问题
投资群里经常有人分享"必赚策略":"跌破20日均线清仓,突破就买回来"、"RSI<30买入,RSI>70卖出"...
这些策略听起来有道理,但历史上真的管用吗?如果不回测,就是拿真金白银做实验。
核心能力
1. 多维度回测结果
收益表现:
策略累计收益:+68%沪深300同期:+42%年化收益:11.2%最大回撤:-22%(2022年4月)交易统计:
总交易次数:137次胜率:58%盈亏比:1.8:1(赚的单子平均赚18%,亏的平均亏10%)平均持仓时间:12天成本分析:
交易成本:-3.2%(佣金+印花税)滑点损失:-0.8%净收益:+64%分年度表现:
2020: +15%(牛市)2021: +8%(震荡)2022: -18%(熊市)⚠️2023: +22%(反弹)2024: +19%2025: +14%2. 风险发现与优化建议
风险发现1. 2022年熊市表现不佳2. RSI在震荡市效果好,单边市表现一般3. 建议增加趋势过滤(如:价格>60日均线才买)优化建议+ 加入趋势判断+ 控制单次交易不超过10%仓位+ 设置止损线(-8%)优化后预估收益:+75%(↑10%)3. 常见陷阱提示
❌ 只回测牛市 → 高估策略 → 至少包含一个完整牛熊周期 ❌ 忽略成本 → 账面赚钱,实际亏钱 → 算上佣金、印花税、滑点 ❌ 过度优化 → 回测完美,实盘爆炸 → 简单策略更稳健
适用场景
策略验证:检验交易策略的有效性 参数优化:找到最佳的买卖时机参数 风险评估:了解策略的最大回撤和胜率
五、data-storytelling:投资分析报告生成器
来源: wshobson/agentsStars: 24.2k定位: 数据可视化与报告自动生成工具
解决的问题
花了一晚上分析股票,Excel表格堆满了数字,想发给朋友参考——但别人根本看不懂。
或者更常见的情况:自己分析完了,过一个月再看,也记不清当时为什么买、为什么没买。
核心能力
1. 自动生成投资报告
输入你的分析数据,AI自动生成结构化报告:
隆基绿能投资分析报告投资摘要- 核心观点:光伏行业供需反转,隆基成本优势凸显- 目标价:¥35(当前¥25,上涨空间40%)- 投资评级:买入- 投资期限:6-12个月投资逻辑(3个核心原因)1. 行业底部反转- 组件价格已从¥1.5/W跌至¥0.9/W(腰斩)- 2025Q1行业产能利用率回升至68%(vs 2024Q4的52%)- 供给出清接近尾声2. 成本优势显著- 隆基毛利率:18%(行业平均12%)- BC电池技术成本领先6个月- 垂直一体化降低成本10%3. 估值安全边际高- 当前PE:15倍(历史10%分位)- 行业平均PE:22倍- DCF估值:¥32-38元风险提示- 需求不及预期(欧美装机量下滑)- 价格战加剧(二线厂商低价倾销)- 技术迭代(钙钛矿电池商业化)财务预测(2025-2027E)2025E: 营收¥680亿(+15%),净利润¥42亿2026E: 营收¥782亿(+15%),净利润¥55亿2027E: 营收¥899亿(+15%),净利润¥68亿对应PE:12x / 9x / 7x(持续低估)2. 逻辑梳理与思路整理
生成报告的过程,其实是逼着你把投资逻辑理顺:
投资理由是什么? 风险在哪里? 估值合理吗? 值不值得买?
写出来比放在脑子里更清楚。
3. 决策记录与复盘
保存每次分析的报告,过几个月再看:
当时为什么买?现在看对不对? 当时为什么没买?是不是错过了机会? 哪些判断准确,哪些失误了?
这样的复盘才有价值,否则只记得"当时觉得不错",但具体为什么记不清了。
适用场景
投资记录:保存决策依据,方便复盘 交流讨论:发给朋友或投资群,清晰表达观点 思路梳理:帮助自己理顺投资逻辑
六、market-research-reports:行业研究报告生成
来源: wshobson/agentsStars: 14.7k定位: 行业分析框架与深度研报生成工具
解决的问题
想投某个行业,但不了解:
市场规模多大? 竞争格局如何? 哪些公司有护城河?
机构的行业深度报告动辄100页,个人投资者很难自己做这种研究。
核心能力
1. 行业概况分析
市场规模- 2025年产销:950万辆(渗透率42%)- 2030年预测:1,800万辆(渗透率65%)- 2025-2030 CAGR:15%政策环境- 购置税减免延续至2027年- 双积分政策趋严- 充电桩补贴持续2. 竞争格局分析(Porter五力模型)
供应商议价能力:中等- 电池厂商集中度高(宁德+比亚迪=70%)- 车企受制于电池供应- 但规模车企可自建电池厂买家议价能力:高- 消费者选择多(50+车型)- 价格透明度高- 换购成本低现有竞争者:激烈- 价格战频发(2024年降价潮)- 传统车企转型加剧竞争- 新势力烧钱抢市场新进入者威胁:中等- 造车门槛高(资金、技术、资质)- 但小米、华为等科技公司入局替代品威胁:低- 燃油车逐步退出- 氢能源短期难商业化3. 重点企业对比
比亚迪优势:垂直一体化(电池+整车),市场份额28%(第一),技术储备深厚劣势:海外市场占比低,高端品牌认知不足投资评级:买入目标价:¥320(+25%)理想汽车优势:增程式差异化路线,毛利率领先(22% vs 行业15%),用户口碑好劣势:技术路线存争议,产品线单一投资评级:持有目标价:¥150(+15%)4. 投资机会挖掘
整车环节:比亚迪、问界、小鹏(逻辑:行业集中度提升,龙头受益)上游材料:天齐锂业、赣锋锂业(逻辑:锂价筑底,2026年有望反弹)智能驾驶:地平线、黑芝麻(逻辑:智驾渗透率加速,芯片需求爆发)适用场景
行业扫描:快速了解新行业的基本面 投资方向选择:在产业链中找到最佳投资标的 宏观研究:理解行业趋势和政策影响
七、plotly:交互式金融图表生成
来源: plotly社区Stars: 14.7k定位: 数据可视化与交互式图表工具
解决的问题
Excel画图功能有限,专业软件(如Bloomberg终端)又太贵。
想画一张专业的K线图、财务指标趋势图或估值分位图,没有好用的工具。
核心能力
1. 金融图表库
K线图 + 技术指标:
K线+均线(5日/20日/60日) MACD指标(DIF, DEA, 柱状图) 成交量(放量标红/缩量标绿) 鼠标悬停显示详细数据 可缩放、可平移
财务指标趋势图:
营收、净利润、ROE的5年变化 同比增长率曲线 行业对比
估值分位图:
当前PE在历史上的位置 历史PE的最高值、最低值、中位数 一眼看出是高估还是低估
行业热力图:
各板块的涨跌分布 找出热点和冷门板块
2. 交互式体验不同于静态图片:
鼠标移动到数据点,显示详细信息 可以拉框放大查看细节 点击图例隐藏/显示某条曲线
3. 导出多种格式
HTML(网页,可交互) PNG(图片,可分享) PDF(打印)
适用场景
数据可视化:让分析结果更直观 报告配图:提升投资报告的专业度 趋势分析:通过图表发现数据中的规律
如何使用这些Skills
方法一:命令行安装(推荐)
# 官方Skills/plugin marketplace add anthropics/claude-code-skills# 第三方Skills/plugin marketplace add wshobson/agents方法二:通过skillsmp.com
访问 https://skillsmp.com/ 搜索目标Skill名称 点击"安装"按钮 自动添加到Claude Code
使用示例
安装完成后,在Claude Code中直接对话:
"用 analyzing-financial-statements 分析贵州茅台2024年报""用 creating-financial-models 给宁德时代做DCF估值,假设增速25%""用 risk-metrics-calculation 计算我的持仓风险"写在最后
这7个工具用下来,最大的感受是:它们不能替你做决策,但能帮你看清楚数字背后的东西。
去年11月我用DCF估值算出一只股票被低估20%,各项指标都不错,结果买进去之后连跌三个月。后来复盘才发现,我忽略了行业周期的问题。模型算的是长期价值,但短期可能还要跌。
所以现在我有个习惯:分析完之后,会问自己三个问题。
第一,我的假设合理吗?增速预测是不是太乐观了?行业趋势判断是不是有偏差?
第二,我漏掉了什么?财报数据都分析了,但行业变化、政策风险、技术迭代这些有没有考虑?
第三,如果判断错了怎么办?止损线设在哪里?最多能亏多少?
想清楚这三个问题,再决定要不要买。
A股破了4000点,不知道是阶段性顶部还是新一轮牛市的开始。但不管涨跌,至少现在有工具帮我分析,不用再拍脑袋做决策。
机构和散户的差距,从来不是智商,而是工具和方法论。这7个Skills不能保证你赚钱,但至少能让你少犯低级错误。
相关资源
Claude Skills 官方文档 Skills Marketplace 金融分析Skills合集


