数据与分析 ✓ Anthropic · 官方 earnings-analysisscenario-analysisconsensus-estimatesfinancial-metricsstock-catalystsoptions-implied-move

财报前瞻分析器

在财报发布前建立预期、情景与股价反应框架。

FollowSkills 评估 · FSRS-2.0
不推荐
47/ 100 五分制 2.4 / 5
信任安全14 / 25 · 2.8/5

技能主要要求检索公开市场信息并生成分析,没有声明执行交易、修改数据或其他外部副作用,权限风险较低;但未要求用户确认、未披露具体数据流或服务依赖,也未说明敏感信息处理、失败恢复和投资研究免责声明,因此扣分。

可靠稳定7 / 20 · 1.8/5

工作流步骤前后一致,覆盖公司、季度、估计、情景和输出结构;但没有异常输入处理、数据缺失策略、搜索失败反馈、依赖可用性说明或可复现测试。静态审查上限适用,不能超过10分,因此扣分。

适用触发8 / 15 · 2.7/5

名称、描述、触发语句和目标场景清楚,且按行业列出指标;但未定义不适用范围、输入格式、市场覆盖、中文支持或中国大陆网络可达性,也未说明公司/季度缺失时如何处理,因此扣分。

规范维护8 / 15 · 2.7/5

文档结构清晰,具有分步流程、表格和输出清单;仓库提供Apache-2.0许可、官方组织来源及CI维护信号,但该技能没有版本、变更记录、FAQ、维护责任、安装依赖或已知限制说明,因此扣分。

有效结果6 / 15 · 2.0/5

技能能产出预期的预 earnings 框架、情景表和催化剂清单,具有直接的分析价值;但依赖外部检索,未规定估计口径、来源质量、价格反应计算方法或缺失数据时的可用替代输出,且结果仍需较多专业复核,因此扣分。

证据核验4 / 10 · 2.0/5

文档要求注明估计来源和日期,并明确历史反应与期权隐含波动的检索方向;但没有技能专属测试、示例输出、独立复现材料或第三方执行证据。静态校准下不能超过5分,因此扣分。

证据充分度: 评估于 2026年7月19日 审查版本 4aa51ed3d379
使用前请注意
  • 外部共识估计、耳语数字、财报日期、历史股价反应和期权隐含波动均可能缺失、过时或口径不一致;必须逐项核验来源、日期、时区和计算口径。
  • 技能要求给出股票反应和交易设置,但未明确这只是研究草稿,也未规定投资建议、合规审阅或用户确认边界。
  • 未说明搜索不可用、付费数据不可达、公司指标不适用或目标公司/季度不明确时的降级处理。
评估证据 [1][2][3][4][5][6]
查看完整评分方法 →

它能做什么 & 适用场景

该技能用于公司季度财报发布前的研究准备。它收集营收、EPS、分部指标、财报时间和上一季度管理层评论,并据此建立观察指标框架。技能还会设计看涨、基准和看跌三种情景,分析潜在股价反应。最终输出一页式财报前瞻,帮助研究人员校准预期和交易准备。

识别公司和报告季度;通过网络搜索获取营收、EPS及关键分部指标的一致预期;查找财报发布日期、发布时间和上一季度财报电话会议信息;按行业整理收入、利润率、现金流、运营指标及前瞻指引;建立看涨、基准和看跌情景表;列出影响股价反应的3至5项催化因素;整理近期股价表现和期权隐含波动幅度,形成一页式财报前瞻。

  1. 卖方或买方研究人员在公司季度财报前,准备“需要关注什么”的研究笔记。
  2. 投资组合经理在财报发布前,比较一致预期与潜在看涨、基准和看跌结果。
  3. 行业分析师在科技、零售、工业、金融或医疗公司财报前,确定最重要的运营指标。
  4. 交易员在财报前评估市场隐含波动幅度与自身情景假设是否一致。

优缺点一览

优点
  • 覆盖从一致预期收集到情景分析和催化因素整理的完整财报前工作流。
  • 同时考虑财务指标、行业运营指标、历史财报反应和期权隐含波动幅度。
  • 明确要求记录一致预期的来源和日期,有助于避免把变化中的预期当作静态事实。
局限
  • 依赖网络搜索和外部数据,SKILL.md 没有指定数据供应商、数据质量标准或自动化接口。
  • 不会自动给出具体公司的数值预测;情景中的收入、EPS和股价反应需要进一步研究填充。
  • 源材料没有提供测试套件、独立安装流程或平台验证记录。

如何安装

源材料没有提供该技能的独立安装命令。可在 Cowork 的 Settings → Plugins → Add plugin 中粘贴 https://github.com/anthropics/financial-services,然后选择相关代理或垂直插件;也可将 plugins/agent-plugins/earnings-reviewer/ 目录压缩后上传。README 同时说明该仓库可作为 Claude Code 插件市场使用,但未提供 earnings-preview 的独立安装命令。

如何使用

在公司财报发布前输入“earnings preview”或“what to watch for [company] earnings”,也可以输入“pre-earnings”“earnings setup”或“preview Q[X] for [company]”。输出应包含公司、季度、财报日期、一致预期表、按重要性排序的关键指标、看涨/基准/看跌情景、催化因素清单和交易设置。

常见问题

它会自动获取最新的一致预期吗?
工作流要求通过网络搜索获取一致预期,但源材料没有承诺固定数据源、实时性或自动更新机制。
它适合直接作为投资建议使用吗?
不适合。README 明确说明仓库内容不是投资、法律、税务或会计建议,输出需要合格专业人士审核。
它能覆盖哪些行业指标?
示例包括科技/SaaS 的ARR和净留存、零售的同店销售和客流、工业的订单积压和订销比、金融的净息差和信贷质量,以及医疗的处方量和患者数量。

同仓库的其他 Skills

均来自 anthropics/financial-services

数据与分析 ✓ Anthropic · 官方

三表财务模型填充器

用公式填充并校验收入、资产负债和现金流三表模型。

数据与分析 ✓ Anthropic · 官方

审计表格

检查电子表格公式、错误与财务模型完整性。

数据与分析 ✓ Anthropic · 官方

三表财务模型填充助手

将现有三表模型模板补充为可联动、可校验的财务预测模型。

数据与分析 ✓ Anthropic · 官方

可比公司估值分析

在电子表格中构建含经营指标、估值倍数和统计基准的机构级可比公司分析。

数据与分析 ✓ Anthropic · 官方

竞争格局分析师

把竞争研究组织成可审批、可比较的市场格局演示文稿。

数据与分析 ✓ Anthropic · 官方

财报快评研究员

将季度业绩转化为聚焦超预期、估值更新与投资论点变化的机构级财报更新报告。

数据与分析 ✓ Anthropic · 官方

行业全景研究

系统梳理行业结构、竞争格局、估值与投资主题。

效率与协作 ✓ Anthropic · 官方

PE投资委员会备忘录助手

将尽职调查、财务分析和交易条款整理成结构化的投资委员会审批备忘录。

数据与分析 ✓ Anthropic · 官方

Excel 数据清理助手

清理杂乱表格,让数据更一致、更适合分析。

数据与分析 ✓ Anthropic · 官方

金融演示文稿数字刷新

在保留原有版式的前提下,安全更新演示文稿中的财务数据。

写作与内容 ✓ Anthropic · 官方

IC备忘录

把尽调与财务要点整理成IC备忘录。

数据与分析 ✓ Anthropic · 官方

财务模型审计员

系统检查电子表格公式、错误与财务模型完整性。

自动化与运维 ✓ Anthropic · 官方

对账差异根因追踪

追踪总账与子账差异,定位源交易并输出处理建议。

自动化与运维 ✓ Anthropic · 官方

KYC 入件解析器

将客户入件材料整理为可供筛查的结构化 KYC 数据。

数据与分析 ✓ Anthropic · 官方

审计 XLS:电子表格模型审查

系统检查电子表格公式、错误和财务模型完整性问题。

数据与分析 ✓ Anthropic · 官方

总账滚动结转表

将资产负债表账户从期初余额逐项连接到期末总账余额,支持月结和审计。

数据与分析 ✓ Anthropic · 官方

投行 Pitch Deck 模板填充

将 Excel、CSV 等来源数据准确填入现有投资银行 PowerPoint 模板。

数据与分析 ✓ Anthropic · 官方

三表财务模型填充器

用公式和跨表链接完成、填充并校验三表财务模型模板。

数据与分析 ✓ Anthropic · 官方

财务模型审计助手

系统检查电子表格公式与财务模型完整性。

数据与分析 ✓ Anthropic · 官方

总账与子账核对

按持仓或交易层级核对总账与子账,定位差异并提出可能原因。

相关 Skills