核心用法
Fin Cog 是由 CellCog 开发的金融分析技能，提供机构级别的股票研究、估值建模、投资组合管理和个人财务规划服务。用户通过自然语言提示即可生成深度分析报告，涵盖从单一股票分析到复杂财务建模的广泛场景。
主要功能模块：
1. 股票与股权分析：公司深度分析、财报拆解、估值模型（DCF）、同业对比、技术分析
2. 投资组合管理：组合回顾、资产配置优化、风险评估（夏普比率、Beta、最大回撤）、再平衡建议
3. 财务建模：DCF模型、初创企业财务预测、LBO杠杆收购模型、多情景分析
4. 专业报告生成：投资备忘录、季度报告、财务报表、税务规划
5. 个人理财：退休规划、房贷分析、债务清偿计划、预算优化
输出格式：交互式HTML仪表板（推荐用于数据探索）、PDF报告（可打印分享）、Excel模型（可编辑计算）、Markdown（快速集成）
推荐运行模式：
agent：快速查询、单一指标、简单计算agent team（推荐）：深度分析、估值模型、多公司对比——金融工作的默认选择agent team max：高 stakes 投资决策、并购尽调、机构级研究（需≥2000积分）
---
显著优点
1. 机构级深度：声称基于 DeepResearch Bench 2026年4月排名第一的模型，将传统上局限于彭博终端和$500/小时咨询的分析能力民主化
2. 一站式交付：从原始股票代码到董事会级交付物（交互式仪表板、PDF、Excel）只需一个请求
3. 场景覆盖全面：从个人房贷比较到杠杆收购建模，横跨散户到专业投资者需求
4. 多模态输出：原生支持四种专业格式，避免用户二次加工
5. 推理深度可调：三级代理模式让用户在速度与深度间按需选择
---
潜在缺点与局限性
1. 依赖外部技能：必须预装 cellcog 技能才能运行，增加部署复杂度
2. 成本门槛模糊：agent team max 模式需≥2000积分，但未公开常规模式的明确计价，可能产生意外费用
3. 数据源未披露：未说明财务数据的实时性、来源（是否直连交易所/SEC/第三方聚合商）及延迟情况
4. 合规与责任真空：未提及投资建议免责声明、FINRA/SEC合规边界，或模型幻觉在金融场景的法律风险
5. 验证机制缺失：未说明用户如何审计DCF计算、公式假设或交叉验证关键数据点
6. 平台锁定：深度依赖 CellCog 生态系统，迁移成本高
---
适合人群
- 专业投资者：分析师、基金经理、FA从业者，需要快速生成投资备忘录和估值模型
- 创业者/高管：融资财务预测、董事会汇报材料、并购情景分析
- 高净值个人：复杂税务规划、多目标理财（退休+房产+教育基金）的整合优化
- 金融学习者：通过对比AI输出与自建模型，理解华尔街分析框架
不适合：追求纯实时交易信号的用户（未强调低延迟）、需要监管合规审计的持牌顾问（缺乏合规框架披露）、完全零金融基础且无法辨识模型幻觉风险的用户。
---
常规风险
1. 模型幻觉风险：金融数据精度要求极高，LLM可能生成看似合理但数字错误的估值假设或财报解读，导致错误投资决策
2. 过拟合与后视镜偏差：历史数据驱动的模型可能低估黑天鹅事件，情景分析依赖用户主动要求而非默认包含
3. 代理模式成本失控：深度推理模式积分消耗大，长周期、多股票分析可能快速耗尽预算
4. 数据时效性风险：若底层数据非实时，快速变化的市场环境中分析可能过时
5. 建议≠受托责任：AI输出不构成投资建议，用户需自行承担决策后果，但技能界面未强化此风险提示