如何在投资银行中使用Claude:交易团队与分析师指南

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。

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。

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。

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。