FinRobot实战：一键生成苹果13章完整权益研究报告，从财务分析到风险因素

一份需要分析师花几天才能写完的报告，几分钟自动生成

FinRobot 是一个开源的金融研究自动化框架。它的核心思路很直接：数字由代码算出来，叙述由大模型辅助生成。一份完整的权益研究报告通常包含公司概况、财务分析、估值、同业对比、新闻追踪、技术面、竞争格局、风险因素等十来个章节——分析师手动写一份要花几天。FinRobot 把数据采集、指标计算、章节结构全部自动化，大模型负责把数据翻译成可读的文字。

我拿它对苹果跑了一份完整报告——从市值（$4,891B）、PE（34.5x）、ROE（141.5%）等关键指标卡片，到 AI 驱动增长的投资逻辑、到与微软谷歌的估值对比表、到 Apple Intelligence 和 Vision Pro 等近期催化剂，13 章完整覆盖了一只股票的所有研究维度。本文展示整个流程——不需要配环境、不需要写代码，用自然语言告诉 EasyClaw 你的需求，剩下的事自动完成。

起步

从 EasyClaw 官网下载安装。不需要手动装 FinRobot、不需要配 Yahoo Finance API、不需要处理数据格式。

打开后左侧找「Skill」→「Skill Creator」。灰显的话去「设置 → 通用」打开「开发者模式」重启。

创建 Skill

在 Skill Creator 里告诉 EasyClaw：

帮我把 GitHub 上的 FinRobot（https://github.com/AI4Finance-Foundation/FinRobot）做成一个权益研究 Skill。我希望输入股票代码，自动从 Yahoo Finance 拉取数据，生成一份包含公司概况、财务分析、估值、同业对比、新闻追踪、技术面、竞争格局和风险因素的完整研究报告，输出一个可以直接在浏览器打开的 HTML 文件。

EasyClaw 会自动拉代码、分析 FinRobot 的报告生成流程、封装成 Skill。不需要手动配置数据源、不需要处理章节模板、不需要写 Python 脚本来串联各个模块。

Skill 创建好后，在对话框里说：

用 FinRobot 对 AAPL 做一份完整的权益研究报告

报告长什么样

生成的 HTML 文件在浏览器打开后，是一份结构完整的专业研报。以下是报告的完整章节结构：

章节	内容	数据来源
报告头	市值 $4,891B · PE 34.5x · PB 45.7x · ROE 141.5% · 股息率 0.33% · 52周 $201–$335	Yahoo Finance API
1. Investment Thesis	AI 驱动的生态系统优势 + 服务收入增长 + 资本回报计划	LLM 分析
2. Company Overview	业务模型、产品组合、竞争壁垒描述	LLM + 公开数据
3. Financial Analysis	收入/EBITDA 表现、利润趋势表（FY2022–FY2025E）	代码计算
4. Valuation Analysis	当前估值倍数与历史水平对比	代码计算 + LLM
5. Peer Comparison	AAPL vs MSFT/GOOGL/AMZN/META 估值对比表	代码计算
6. Recent News	Apple Intelligence、EU DMA、Vision Pro 等近期热点	LLM 抓取分析
7. Key Catalysts	利好：AI 升级周期 + 服务扩张 + 资本回报；利空：监管 + 中国风险	LLM 分析
8. Technical Analysis	SMA 50/200、RSI(14) 技术指标信号	代码计算
9. Competitive Landscape	同业 EBITDA 对比、护城河分析	代码计算 + LLM
10. Risk Factors	估值风险、iPhone 集中度、监管、中国敞口、创新执行	LLM 分析
11. Key Takeaways	六维度评估表（增长/盈利/估值/回报/护城河/风险）	LLM 汇总

报告的设计语言值得一提。头部是深蓝渐变背景配六格指标卡片（市值、PE、PB、ROE、股息率、52周区间），下面每个章节是一张白色圆角卡片，催化剂和风险项用了左侧彩色边框来区分正面和负面。三色标签系统（绿色正面/红色负面/灰色中性）贯穿全文——这些细节在传统回测工具的纯数字输出里是完全看不到的。

FinRobot 和其他工具的区别

之前写过的 FinGPT 也是 AI4Finance 基金会的项目，但两者的定位完全不同。FinGPT 做的是"情感分析 + 技术 + 基本面"三模块打分，输出的是量化评分。FinRobot 做的是"让 AI 像分析师一样写一份完整的研报"——它不给你一个分数，而是给你一套完整的分析逻辑：从投资逻辑到财务拆解、从同业对比到风险清单。如果一个基金经理问你"苹果现在能不能买"，FinGPT 给你一个评分，FinRobot 给你一份论证过程。

FinRobot 的核心设计理念值得注意——"Numbers are code-calculated, narratives are LLM-assisted"。财务数字由代码精确计算（不会出现大模型的幻觉错误），文字叙述由 LLM 生成（保证可读性）。两者各司其职，互不越界——这是金融 AI 应用中一个很务实的设计原则。

常见报错

错误	原因	解决方法
Yahoo Finance 数据拉取失败	API 临时限流或网络波动	等几分钟重试，或检查网络连接
报告中某些表格为空	该股票缺少对应维度的数据	正常现象，小市值股票或非美股可能缺少同业对比数据
HTML 报告中文章节缺失	LLM 生成时部分章节超时	重新运行一次，通常可以恢复

什么时候该用 FinRobot，什么时候不该用

适合的场景：你需要快速了解一只不熟悉的股票——比如基金经理让你"AAPL、NVDA、MSFT 三家各出一份简报"，FinRobot 可以在几分钟内生成三份结构化的研报，帮你建立基本认知。还有就是定期跟踪——每周对持仓股跑一次，追踪财务数据变化、最新新闻和估值水位。

不太适合的场景：你需要深度行业洞察或者独到的投资判断。FinRobot 的文字叙述由 LLM 生成，它的"分析"本质上是基于公开数据的归纳和总结，不是真正的预测或洞见。如果一只股票的基本面正在发生剧烈变化（比如突然被制裁了），FinRobot 的更新速度可能跟不上。

下一步

• 对 MAG7 七只股票各跑一份报告，横向对比谁的增长/估值/风险组合最优
• 结合 FinGPT 的情感评分和 FinRobot 的基本面研报，交叉验证投资决策

资源链接：

• EasyClaw 下载：https://easyclaw.cn/?f=728
• FinRobot GitHub：https://github.com/AI4Finance-Foundation/FinRobot

你觉得 AI 写的研报能和人类分析师写的比吗？如果一份研报的所有数据和逻辑都由 AI 生成，你会信任到什么程度？欢迎聊聊你的看法。