行业指南:投资银行
如何在投资银行中使用Claude:交易团队与分析师指南
少熬几个通宵改格式,多留几个小时做交易。
本指南展示银行家如何借助Anthropic的Claude处理并购或资本市场交易中的大量日常工作:pitch book、可比公司分析、可比交易先例、CIM、teaser、买方名单,以及模型审核。内容涵盖Anthropic针对金融服务行业发布的内容、知名机构在Anthropic官方文章中的表态,以及哪些环节仍然离不开银行家的专业判断。
了解如何在投资银行中使用Claude,关键在于把重复性的生产工作交给它,同时保留人工核查环节:起草pitch book页面和公司概况、根据你提供的数据搭建comps和先例交易表、根据尽职调查材料起草CIM章节和teaser、整理买方名单,并审核并购和LBO模型中的公式错误。Claude能快速产出初稿,但分析师和associate仍需核实每一个数字,高级银行家仍对给客户的建议负全责。
发布于
要点总结
- 投资银行中最有效的Claude用例是pitch book页面、comps和先例交易表、CIM与teaser初稿,以及买方名单和模型审核。
- Anthropic已发布用于可比公司分析、DCF模型和teaser的Agent Skills,还有pitch builder和model builder等agent模板。
- 客户交付材料中的每一个数字都必须能追溯到来源:监管文件、数据提供商,或客户自己提供的数字。
- 善于审核AI输出的初级银行家会变得更快,而不是变得多余。判断力正是这份工作真正锻炼的能力。
- 客户与交易信息只能放在银行已批准使用的工作空间中。
复制即用
今天就能用的提示词
Pitch book中的公司概况
你是卖方并购团队的一名分析师。仅使用下方粘贴的监管文件和投资者介绍材料节选,为pitch book起草一页公司概况:三句话的业务概述、各业务板块及其收入占比、已披露的主要客户和地区、近期战略举措,以及三点与潜在出售相关的要点。在每个数字旁标注来源文件和页码。不要使用外部知识。材料:[粘贴内容]。
将Claude限定在粘贴的材料范围内,可以避免过时或无据可查的数字混入书中。
Comps表格与点评
下面是一组同业公司的交易数据表:公司名称、企业价值、收入、EBITDA,以及上一财年和未来两年预测的增长率。请计算每年的EV/收入和EV/EBITDA倍数、该组的均值和中位数,并标出任何倍数偏离中位数超过一个标准差的公司。然后写出四句董事总经理可以直接念出来的点评。请展示你的计算公式。数据:[粘贴内容]。
要求展示公式,意味着你可以在Excel中重建并核实这些数字。
CIM章节初稿
为下方描述的公司起草一份保密信息备忘录(CIM)的行业概览章节。仅使用我提供的市场数据和管理层材料。结构如下:市场定义、规模与增长驱动因素、竞争格局,以及该公司为何能从中受益。请以卖方CIM惯用的中性、客观语气撰写。对任何需要来源支持的说法标注[需要来源]。材料:[粘贴内容]。
[需要来源]标记能让初稿在提交客户审阅之前保持诚实可靠。
附理由的买方名单
根据下方目标公司概况,起草一份买方名单,分为战略买方和财务投资方两类。每位潜在买方给出一句话理由,需与目标公司的产品、客户或地域相关,并注明其可能不会参与的明显原因。对任何你把握不大的买方标注为待核实,以便团队在我们的数据库中进行核查。目标公司概况:[粘贴内容]。
Claude的知识存在截止日期,因此这份买方名单只是一个起点,仍需对照贵公司的数据库进行核实。
并购模型审核
请以associate的身份审核所附的增厚/摊薄模型,就像在MD审阅之前检查分析师的工作一样。梳理收购价格、资金来源与用途、融资假设、协同效应,以及备考每股收益。列出公式中每一个硬编码的输入值、每一处与交易假设标签页不一致的地方,以及任何符号错误或断链。不要做任何修改。返回一份带单元格引用的编号问题清单。
把审核和修改分开,意味着由你来决定改什么,也能让你了解错误通常藏在哪里。
来自 Anthropic
Anthropic 为投资银行提供的服务
Claude for Financial Services
Anthropic于2025年7月宣布的金融服务产品,将Claude模型、Claude Code与企业级访问权限相结合,并预置了FactSet、S&P Global、PitchBook和Morningstar等数据提供商的连接器,以及实施合作伙伴。Anthropic表示默认不会将数据用于训练。
· 来源
Advancing Claude for Financial Services
2025年10月的更新新增了用于可比公司分析、贴现现金流模型、尽职调查数据包、用于pitch book和买方名单的公司teaser与概况、盈利分析,以及首次覆盖研究报告的Agent Skills,同时推出Claude for Excel测试版,并新增LSEG和Moody's等连接器。
· 来源
Agents for financial services
2026年5月发布的十个agent模板,包括pitch builder、会议准备工具、model builder和估值审核工具,以插件形式在Claude Cowork和Claude Code中提供,同时Anthropic的Excel、PowerPoint和Word插件也已正式开放使用。
· 来源
实践案例
投资银行团队如何使用 Claude
根据 Anthropic 发布的客户案例
RBC Capital Markets
在Anthropic 2025年10月的金融服务更新中,RBC Capital Markets的AI与数字创新负责人表示,Claude在整合多种数据来源和自动化工作流程方面表现突出。
根据 Anthropic 发布的客户案例
Mizuho
Anthropic在2026年5月发布金融服务agent时引用了Mizuho银行业务COO的话,他表示准备时间正在转化为构思时间。
根据 Anthropic 发布的客户案例
Crunched
根据Anthropic的客户案例,Crunched基于Claude构建了面向投资银行、私募股权和咨询用户的Excel工具,其客户反馈在建模、财务数据整理和公司报告撰写方面节省了大量时间。
示例演练
有据可查、经过核实的pitch book公司概况
- 分析师将监管文件节选和最新的投资者介绍材料粘贴进交易项目中。
- Claude起草一页概况,并在每个数字旁标注来源文件和页码。
- 分析师将每个数字与来源逐一核对,并纠正了一个取自错误期间的业务板块数字。
- associate修改战略要点,使其符合董事总经理想要讲述的故事。
- 只有在完成标准的核对与审核之后,这一页才会被纳入文件中。
示例演练
在董事总经理会议前审核并购模型
- associate要求Claude对分析师的增厚/摊薄模型列出问题清单,不做任何修改。
- Claude列出了硬编码的输入值、一个与假设标签页不符的融资假设,以及一处断链。
- 分析师逐一修复问题,并简要说明了修改内容。
- Claude进行第二轮审核,以确认修复情况并标记任何新问题。
- associate向董事总经理讲解最终结果,并对数字负责。
核心工作流程
Claude在真实交易中的投资银行用例
这些是消耗分析师和associate工时最多的工作,也是AI在投资银行领域最能发挥价值的地方。
Pitch book
根据你提供的监管文件和数据起草的公司概况、情况概述和市场页面。AI pitch book生成器的效果,完全取决于你提供的信息来源质量。
Comps与先例交易
用于comps分析的AI意味着根据你的数据计算倍数、标记异常值并起草点评,所有公式都可供你重建和核查。
CIM与teaser
用于CIM起草的AI能把尽职调查材料转化为结构化章节和匿名teaser,并标出需要交易团队补充的空缺。
买方名单
涵盖战略买方和财务买方的名单,每个名字都附有理由,可直接对照贵公司的关系数据进行核查。
模型审核
AI并购模型检查会梳理收购价格、融资、协同效应和备考每股收益,并列出硬编码和断链,交由associate修复。
会议与流程准备
根据交易记录起草的客户会议简报、流程函、管理层陈述提纲,以及对买方问题的回复。
生产环节
投资银行如何将AI用于初级员工最熟悉的工作
投资银行的大部分工时都花在生产性工作上:把数据和监管文件转化成幻灯片、核对上百页材料中的每个数字是否一致,以及在comps组合变化时重建表格。只要输入的数据干净、输出经过核查,这正是Claude擅长的工作。行之有效的做法是使用范围收窄、输出格式固定的提示词:一次只处理一份概况、一张表格或一个章节。
Anthropic直接投入了这方面的工作。其2025年10月发布的金融服务更新介绍了用于可比公司分析(含估值倍数和经营指标)、含WACC计算和敏感性分析表的贴现现金流模型,以及用于pitch book和买方名单的公司teaser和概况的Agent Skills。2026年5月,Anthropic又新增了包括pitch builder、model builder、会议准备工具和估值审核工具在内的agent模板,以插件形式在Claude Cowork和Claude Code中提供。
关键在于数据来源。每一页离开银行大门的材料上都印着银行的名字。要求Claude为每个数字标注文件和页码来源,将其限定在你提供的材料范围内,并安排专人负责在文件提交客户之前完成核对。AI并没有改变这个标准,它改变的是你达到这个标准的速度。
职业发展
面向初级银行家的AI:AI会取代投资银行分析师吗?
AI是否会取代投资银行分析师,如今是每一届分析师培训班都会讨论的问题,诚实的答案是:这份工作的形态正在改变,而不是消失。过去常常占据深夜时间的排版和初稿工作,正越来越多地由工具完成。留下来的,是这份工作一直以来真正的训练内容:理解业务、判断哪个数字有问题,以及向持怀疑态度的客户解释估值。
对初级银行家而言,AI最大的价值在于充当审核者和讲解者。可以问Claude为什么敏感性分析表会这样变化、两个倍数之间的差异由什么驱动,或者买方在CIM某个章节可能会提出什么质疑。只要你能对照高级同事的说法进行核实,这些问答建立判断力的速度会比排版训练快得多。
学会指导并核查AI输出的分析师,会成为团队依赖的既快又准的人。而那些不加核实就把输出粘贴进文件的分析师,很快就会被发现,因为投行的审核文化本就是为了抓住这类问题而建立的。
工具选择
投资银行场景下Claude与ChatGPT的比较,以及投资银行的Claude Skills
投资银行场景下Claude与ChatGPT的比较,应该用你自己的实际交付物来测试。拿一份公司概况、一张comps表和一个你已经核实过的模型,给两个工具相同的提示词和输入,比较准确性、引用来源的表现、排版所需的工作量,以及数据缺失时各自的反应。两个工具都在频繁更新,所以当你的工作流程发生变化时,应重新测试。
投资银行的Claude Skills指的是Anthropic为金融工作发布的Agent Skills和插件,涵盖comps、DCF模型、teaser和pitch材料,并配有FactSet、S&P Global、PitchBook和LSEG等数据提供商的连接器。在贵公司已启用这些功能的地方,它们能减少搭建工作;在尚未启用的地方,本页的提示词在标准的Claude对话中同样可用,只要配合你被允许上传的文档即可。
在大多数银行,决定性因素并不是模型质量,而是合规部门批准了什么、客户信息适用哪些数据条款,以及该工具连接了哪些数据提供商。一个贵公司已批准用于正式项目的工具,胜过一个你只能用于公开监管文件的工具。
入门建议
让AI输出可直接用于交付的四个习惯
为每个数字标注来源
要求在每个数字旁标注文件和页码,并将Claude限定在你粘贴的材料范围内。无据可查的数字不得放入文件中。
一次只处理一页
针对一份概况、一张表格或一个章节,用固定格式提出要求。范围收窄的提示词能产出可以快速核查的结果。
先审核,再修改
在审核模型时,只要求列出问题清单,不做修改。由你来决定修复什么,也借此了解错误通常藏在哪里。
维护一份提示词库
保存符合贵公司格式的提示词。共享的提示词能让整个交易团队更快、更一致。
局限
银行家不应依赖AI的地方
Claude可能写出一页流畅但数字有误的内容。它可能读错扫描表格、混淆财年与自然年,或者沿用训练数据中已经过时的数字。这些在客户交付材料或公允意见场景中都是不可接受的。务必将每个数字对照来源核对,并把Claude的输出当作尚未核实的初稿对待。
提供建议是人的责任。推荐某个流程、某个买方或某个价格,涉及人脉关系、市场判断和监管义务,这些始终由交易团队的银行家承担。Claude可以帮你为这些对话做准备,但不能替你进行这些对话。
保密是绝对要求。项目、客户财务数据和买方意向都属于重大非公开信息。只能使用银行已批准的工作空间,遵守信息隔离规则,绝不要把交易材料粘贴进个人账户。
在下一封排班邮件到来之前打好基础
在交易压力下写好提示词,是一项需要训练的技能,不是一个小窍门。Nightschool AI的免费课程从第一课起就注重实操,让这些习惯在文件截止之前就已经养成。
常见问题
AI会取代投资银行分析师吗?
AI正在取代分析师工作中的部分内容,尤其是排版、初稿撰写和表格搭建。但它无法取代真正理解业务、发现数字错误、并在客户面前支持高级银行家的人。善于指导和核查AI输出的分析师,往往会对团队变得更有价值。
在AI时代,投资银行还是一份好职业吗?
投行工作的核心是建议、人脉关系和执行判断,这些仍然是人的工作。正在萎缩的是过去占据分析师大量时间的手工生产工作。现在入行的人应该预期会把更多时间花在分析和审核上,而不是排版上,许多人会发现这其实是更好的历练方式。
AI能制作pitch book吗?
AI可以起草pitch book的大部分内容:公司概况、市场页面、comps表格和情况概述,Anthropic也发布了一个pitch builder agent模板。但它无法决定MD想要讲述的故事,也不能保证每个数字都准确。应把输出当作初稿,由团队核实来源、检查并完善。
在财务建模方面,Claude和ChatGPT哪个表现更好?
这取决于具体模型、输入数据,以及你使用的是哪个版本的工具。请用一个你已经核实过的模型来测试两者,比较准确性、公式透明度,以及各自处理缺失数据的方式。对于客户项目而言,通常实际可行的答案是贵公司已批准并已连接其数据提供商的那个工具。
投资银行如何使用AI?
银行将AI用于pitch材料、comps和先例交易分析、CIM与teaser初稿、买方名单、会议准备、模型审核,以及内部研究。Anthropic自己的文章引用了RBC Capital Markets关于Claude整合数据来源和自动化工作流程的评价,以及Mizuho关于准备时间转化为构思时间的评价。
AI是否正在悄悄取代投资银行的初级分析师?
AI改变的更多是初级分析师在做什么,而不是他们是否还存在。生产性任务正在转移给工具,而审核、分析和面向客户的准备工作在这份工作中所占的比重越来越大。风险最大的分析师,是那些始终没有学会批判性核查AI输出的人。
我该如何核查一个由AI辅助搭建的模型?
把它当作分析师的初稿来对待。逐行梳理资金来源与用途、融资安排和输出结果,查找公式中硬编码的数字,检查资产负债表是否平衡,并将关键假设与原始文件进行比对。让Claude单独对自己搭建的模型列出问题清单是有用的,但最终仍需由人来签字确认。
在正式项目中使用AI安全吗?
只有在贵公司已批准用于客户信息的工作空间内、并遵守信息隔离规则的前提下才安全。项目和客户财务数据属于重大非公开信息。Anthropic表示其金融服务产品默认不将数据用于训练,但最终由贵公司自身的政策决定哪些用途是被允许的。