在證券商或投顧公司，「時效」就是金錢。
當美股盤後、也就是台灣的凌晨時分，某家科技巨頭發布了熱騰騰的季報（10-Q）與長達一小時的法說會（Earnings Call），分析師必須在天亮前趕出一份充滿圖表與洞察的繁體中文報告發給客戶。
過去，這意味著熬夜聽錄音檔、翻厚重的公告文件去找「毛利率」那一行數字。現在，大語言模型（LLM）可以把「找資料」這一段大幅壓縮——但它壓縮的是找的時間，不是確認的時間。這篇要講的，就是這條界線畫在哪裡。
⚠️ 本文非投資建議，也不構成任何證券分析意見。 這裡整理的是研究流程與工具使用方法，不推薦任何個股、不預測股價、不提供目標價。文中所有 Prompt 都是操作範本，產出結果必須由具備資格的人員複核後才能對外。投資決策請自行判斷或洽詢合格的專業人員；文中提到的任何數字，都必須回到原始財報與法說會逐字稿核對，不得直接引用 AI 的產出。
⚡ 實戰一：光速拆解百頁財報（10-K／10-Q）
面對厚達上百頁、充滿法律與會計專有名詞的財報 PDF，一般人看完通常只會頭昏腦脹。
你可以把原始 PDF 丟進具有長上下文能力的工具（例如 Claude 或 Google NotebookLM），然後像審問一樣下達指令。
📌 實戰 Prompt：財報重點萃取
下面的 Prompt 刻意用
[公司名稱]佔位符，請自行換成你負責追蹤的標的。這篇不點名任何個股，也不做選股示範。
身為一名資深的產業證券分析師。
我上傳了 [公司名稱] 最新的季度財報 PDF 檔案。
請你只根據這份 PDF 的內容作答，產出一份【繁體中文晨間快報】草稿。
請著重以下五點：
1. 【本期表現】：本次的營收、每股盈餘與毛利率具體數字為何？對比去年同期成長或衰退多少？
2. 【核心業務拆解】：請拆解主要業務部門的營收表現，並找出造成增減的最主要驅動原因。
3. 【未來指引】：管理層對於下一季度的營收指引給出了什麼區間數字？
4. 【風險揭露】：在風險因子章節中，是否有新增或修改過的警告？請說明是哪一類（例如地緣政治、供應鏈、競爭）。
5. 【一次性項目與附註】：本期是否有一次性損益、會計政策變更、或重大附註揭露？
【格式要求】
- 每一個數字後方，都必須標註它出自這份 PDF 的第幾頁。
- 財報中查不到的資訊，一律回覆「文件中未提及」，禁止推測，也禁止引用你記憶中的數字。
- 明確區分「這是財報揭露的事實」與「這是管理層的預期」，不要混寫。最後那三行格式要求，才是這份 Prompt 真正的價值。少了它，你會拿到一份讀起來很順、但沒有一個數字可以回溯的報告——而在金融研究，那份報告等於零。
🧨 AI 讀財報最常出錯的四個地方
這一節請務必看完。下面四種錯，全部都會產生「讀起來完全合理」的錯誤答案，也就是最難被抓到的那一種。
一、看錯期間與單位
季報與年報放在同一份文件裡、本季與去年同期並排在同一張表、單位在千元與百萬元之間切換——這些都是模型很容易對錯欄的地方。它不會告訴你它對錯了，它會很有自信地給你一個數字。 抽驗時務必連「這是哪一季、單位是什麼」一起確認。
二、把預測講得像事實
管理層的展望、分析師的估計、公司的目標，在文字上都長得像陳述句。模型摘要時很容易把「公司預期下季營收落在某區間」寫成「下季營收為某區間」。一個字之差，在研報裡就是責任問題。 所以前面的 Prompt 才會硬性要求區分事實與預期。
三、漏掉附註與一次性項目
財報最重要的資訊常常不在主表，而在附註：一次性處分利益、匯兌損益、訴訟提列、會計政策變更、股份基礎給付。模型摘要時傾向抓主表的大數字，把這些「小字」略過——但少了它們，你算出來的成長率可能完全是假的。
四、混淆 GAAP 與 non-GAAP
同一份財報裡，公司通常會同時揭露依會計準則編製的數字，以及自行調整後的數字，兩者可能差很多。模型不一定會分清楚它引用的是哪一套，而你如果在報告裡把兩者混用，數字會對不起來。
[!CAUTION] 上面四種錯有一個共同點：它們產出的都是「格式正確、語氣專業、但數字錯誤」的內容。 這種錯誤比明顯的胡說八道危險得多，因為它會直接通過你的直覺檢查。這也是 AI 幻覺在專業領域最典型的形態。
🔍 實戰二：法說會與總經數據的「防幻覺」解讀
在金融研究中，「AI 自己發明數字」是零容忍的。 萬一 AI 把利率決策的幅度講錯，你發給客戶之後的後果不會只是尷尬。
因此，對於總體經濟數據與法說會重點，建議使用具備「來源引用」能力的工具，例如 Perplexity 的搜尋功能，或要求模型強制附上網址來源。
📌 實戰 Prompt：央行利率會議解讀
我是負責全球資產配置的研究人員。
今天凌晨美國聯準會剛結束最新的貨幣政策會議與記者會。
請運用你的聯網搜尋功能，確保所有資訊為最新且真實發生，幫我整理以下內容：
1. 本次會議的最終決議是什麼？請直接引用官方聲明的原文段落。
2. 【點陣圖】：最新公布的點陣圖顯示委員對後續利率路徑的中位數預期為何？請註明這是「委員的預期」而非承諾。
3. 在會後記者會的問答中，主席針對通膨與就業市場說了哪些原話？請盡量引用原句，不要改寫。
4. 【市場解讀整理】：市場上目前有哪幾種不同的解讀？各自的理由是什麼？
請只整理「誰說了什麼」，不要下你自己的多空判斷，也不要預測任何資產的價格走向。
5. 【極重要】請在每一個數據與說法後方，附上可點擊的原始資料來源連結。注意第 4 點的寫法。原本很多人會直接問「這對股市是利多還是利空」，但那等於要求模型生成一個它無從驗證的判斷，而它一定會給你一個講得頭頭是道的答案。把問題改成「整理市場上有哪些解讀與理由」，你拿到的是可查證的素材；問多空，你拿到的是幻覺。
[!WARNING] 即便使用了附來源的搜尋工具，金融從業人員在寄出報告前，仍必須親自點開引用的每一個網址，用你的眼睛確認數字是否為真、以及那個頁面是不是真的在講這件事。連結能點開不等於內容對得上。AI 是負責幫你「找書籤」的助理，不是拍板定案的人。查證的一般流程可參考如何查證 AI 回答。
📊 實戰三：同業比較——從散落的資訊到結構化戰場地圖
研究一家公司不夠，你還得知道同業在做什麼。傳統做法是開一堆瀏覽器分頁、對照數份財報的表格、手動拉試算表。現在可以讓 AI 一次讀進多家公司的資料，先吐出一份比較矩陣的初稿。
📌 實戰 Prompt：同業競爭格局比較
身為一名產業分析師，我正在比較同一個產業中的三家公司：
1. [公司 A]
2. [公司 B]
3. [公司 C]
請根據我上傳的三份財報（或你搜尋到的官方揭露資料），產出一份繁體中文的【對比表】，欄位包含：
- 最新一季營收與年增率
- 主要業務線的營收占比
- 毛利率
- 研發支出占營收比例
- 管理層對下一季的展望用語（請直接引用原文，不要用形容詞概括）
【規則】
- 每一格都要標註資料來源（哪一份文件、第幾頁或哪個網址）。
- 三家公司的會計期間若不一致，請明確標示出來，不要直接橫向相減。
- 查不到的欄位請填「未揭露」，禁止推估。
- 只做資料整理，不要做出誰比較好、誰值得買進的結論。「會計期間不一致要標示」這條很重要。不同公司的財年結束月份可能不同，直接把兩個不同期間的數字並排比較，是這類比較表最常見、也最容易被主管抓包的錯誤。
這種橫向比較是 AI 相對擅長的任務——它能大幅縮短整理初稿的時間。但產出後仍必須人工抽驗關鍵數字，理由見上一節的四種錯法。
🧰 工具選擇策略：不同場景用不同組合
金融研究不是靠單一工具就能搞定的。根據任務類型選擇組合，才能兼顧效率與準確度：
| 任務類型 | 工具組合 | 為什麼 |
|---|---|---|
| 精確數字提取 | NotebookLM ＋ 原始 PDF | 限定在你提供的文件範圍內回答、來源可回溯（仍要抽驗） |
| 定性趨勢分析 | Claude ＋ 多份文件 | 長上下文可一次讀完整份財報，分析脈絡較完整 |
| 即時新聞追蹤 | Perplexity | 附來源連結，適合快速定位原始出處 |
| 自動化早報 | 自動化平台 ＋ 模型 API | 定時執行，把固定的資料整理排程化 |
| 法說會速記 | 語音轉文字工具（如 ChatGPT 的語音功能） | 快速產出逐字稿；數字與專有名詞務必回聽確認 |
關鍵原則：準確度要求越高的任務，越要用「只讀你給的文件」型工具；速度與廣度要求越高的任務，才用聯網搜尋型工具。 兩者搭配，比執著於單一工具實際得多。工具本身的功能與方案會變動，正式導入前請回官方頁面確認。
🚦 哪些研究工作適合交給 AI，哪些我不建議
分界線只有一句：AI 可以做「收斂資訊」的工作，不能做「產生投資意見」的工作。
| 研究任務 | 適合度 | 判斷理由 |
|---|---|---|
| 長篇財報、逐字稿的重點摘要初稿 | 高 | 錯了有人複核，成本是多花時間看 |
| 多家公司資料的橫向整理 | 高 | 但會計期間與單位要人工確認 |
| 逐字稿轉寫、關鍵段落定位 | 高 | 數字與專有名詞需回聽 |
| 產業背景、名詞解釋的快速補課 | 中 | 當作起點，不要當作結論 |
| 估值模型的假設設定 | 低 | 假設是研究員的判斷，不是模型的自由發揮 |
| 產出投資評等、目標價 | 不建議 | 這是有資格與責任歸屬的專業意見 |
| 直接把 AI 產出對外發送給客戶 | 不建議 | 責任在署名的人身上，不在工具上 |
三個我要說的「不建議」
不建議讓 AI 自己去「查」財報數字。 讓它上網找數字，跟讓它讀你上傳的原始文件，是兩件風險完全不同的事。前者會撈到二手整理、過期版本、甚至內容農場；後者至少範圍是你控制的。要數字，就給它原始文件。
不建議把 AI 摘要直接貼進對外報告。 就算內容全對，署名的人仍必須自己讀過原文。真正的問題不是這次對不對，是你會逐漸失去「自己讀財報」的手感——而那才是這份工作的核心能力。
不建議在沒確認公司政策前，把未公開資訊丟進外部工具。 金融業對資料外送、委外服務有自己的管控要求，繞過核准流程使用工具本身就是問題。相關的判斷框架可以看金管會金融業 AI 指引懶人包與盡職調查與洗錢防制。
📋 導入前要準備什麼
- 先確認公司政策與資料分級。 哪些資料可以外送、哪些只能在內部環境處理、要不要走企業版帳號。這關沒過，後面都不用談。
- 建立自己的「已知答案題庫」。 挑幾份你已經讀熟、答案早就知道的舊財報，之後每次換模型、換工具都拿它們跑一次。
- 定義署名與複核層級。 哪些產出只能當內部草稿、哪些要主管複核、哪些必須由有資格的人員簽核後才能對外。
- 把 Prompt 版本化。 好的 Prompt 是資產。存成團隊共用的檔案並記錄修改原因，比每個人各自在對話框裡即興發揮穩定得多。
✅ 怎麼驗收：用已知答案回測，不要用感覺
上線前，拿你已經讀過、答案早就知道的舊財報去跑一次。這是最便宜也最誠實的驗收方式，至少看四件事：
- 關鍵數字的正確率。 營收、毛利率、每股盈餘這幾個必查項目，錯一個就是不及格，不要用「大部分都對」自我安慰。
- 期間與單位有沒有對錯欄。 刻意挑一份季報與年報放在一起的文件去測，看它會不會混用。
- 有沒有把預期寫成事實。 直接搜尋產出中的「將」「預計」「目標」這幾個字，看它有沒有替你標示清楚。
- 來源標註能不能回溯。 標了頁碼就翻回去對，標了網址就點開看。標了但對不上，比沒標更危險。
驗收不是一次性的。模型改版、工具更新、財報格式調整都會讓表現漂移，把回測排成每季固定作業，比一次性的導入驗證重要得多。
🤖 自動化你的早報生產線
每天早上例會前，理專不需要再為了梳理國際財經新聞手忙腳亂。你可以把每天要看的固定幾家新聞來源、固定要追蹤的財報指標，寫成一條自動化流程，定時把重點整理成「晨會發言大綱」送到你的信箱或通訊軟體。
但這條產線有一個必須守住的設計原則：自動化的是「蒐集與排版」，不是「判斷與發送」。 系統可以幫你把素材備好，最後決定哪些內容放進報告、以及那份報告要不要寄出去的，永遠是人。
坦白說一句保留： 以現在的技術水準，AI 在財報研究最大的貢獻仍是「省下找資料的時間」，不是「提高你判斷的準確度」。真正的 alpha 來自你對產業的理解、對管理層說法的懷疑、以及願意翻到附註第幾頁的耐心——這幾件事目前沒有工具能代勞。用它換時間，不要用它換信心。
想看更多金融業 AI 應用？回到金融業 AI 技能樹，或了解 AI 如何幫你做盡職調查與洗錢防制。
❓ 常見問題 FAQ
AI 分析財報會不會出現「幻覺」數字？
會，而且在金融領域這是零容忍的。最常見的不是憑空捏造，而是看錯期間、對錯欄位、把去年同期當本期、或把管理層的預期寫成已發生的事實。必做的防護有三層：上傳原始 PDF 而不是讓 AI 自己上網查、要求每個數字標註出自第幾頁、發送前人工抽驗關鍵數字。抽驗不是形式，是這份工作的一部分。
用 AI 寫研報給客戶看，法規上有問題嗎？
要注意，而且不要靠這篇文章判斷。台灣的證券投資顧問與分析報告屬於受監管業務，對外發布的報告在署名與人員資格上有明確要求，具體適用範圍請以主管機關現行規定為準，並詢問貴公司的法遵單位。本文不提供法律意見。 可以先建立的習慣是：把 AI 產出一律視為內部草稿，最終對外的報告經有權限的人員審閱簽核，並在報告中揭露 AI 的輔助角色。
NotebookLM 和 Claude 哪個更適合讀財報？
用途不同。NotebookLM 的定位是只根據你上傳的文件回答、並附上出處，適合做「精確的數字提取」；Claude 的長上下文適合一次讀完整份文件做「定性的趨勢分析與脈絡整理」。實務上兩個都用：NotebookLM 抓數字，Claude 理解敘事，最後你自己回原文核對。兩邊的規格與方案都會變動，請以官方頁面為準。
可以直接問 AI「這檔股票該不該買」嗎？
技術上問得到答案，實務上這個答案沒有價值，而且有風險。模型會給你一段語氣專業、結構完整的分析，但它既無法保證資料是最新的，也不對結果負責。更根本的問題是：投資決策牽涉你的風險承受度、投資期間與資產配置，這些它都不知道。這篇文章不推薦任何個股、不預測股價、也不提供目標價；需要投資建議請洽合格的專業人員。
AI 可以直接聽法說會錄音檔做摘要嗎？
可以，語音轉文字加摘要是目前相對成熟的組合。但有兩個必查點：一是數字與專有名詞的轉寫錯誤率明顯高於一般文字，金額、百分比、產品代號都要回聽確認；二是問答環節的發言者容易被標錯，把分析師的提問算成管理層的回答會造成嚴重誤導。建議把逐字稿當成可搜尋的索引，關鍵段落仍然自己回聽。
老闆要求「用 AI 提高研究產量」，我該怎麼設界線？
把「產量」拆成兩段來談：資料蒐集與整理可以大幅加速，判斷與署名不行。實務上可以主動提出一份規則——哪些產出屬於內部草稿、哪些必須複核、抽驗比例是多少、出錯時的處理流程。主動把界線寫成文件，比事後被追問時臨時解釋有效得多，也能保護你自己。