核心用法
PlusE Financial Analysis 是一款面向专业投资者和量化研究者的AI就绪金融数据分析技能。其核心工作流遵循七步结构化研究框架：从研究目标设定、多维度数据收集（基本面、期权希腊值、机构持仓、财报内幕、宏观FRED数据），到假设形成、证据验证，最终输出包含牛/基/熊三情景估值的完整研究报告。
关键命令矩阵：
- 公司画像：
ticker一键获取估值、评级、 overview - 衍生品深度：
options/options-analyze提供隐含波动率、Greeks、未平仓量 - 情绪与资金：
sentiment（恐惧贪婪指数）、holders（机构调仓）、insiders（内部人交易） - 财务穿透：
statements（三大报表）、earnings（业绩历史）、fred（宏观联动）
数据覆盖美股全市场，支持6月/1年/2年回溯周期，输出强制要求每项结论附来源引用，满足投研合规需求。
显著优点
1. 研究方法论标准化：内置假设驱动型研究框架，降低主观判断偏差，适合团队协作与回溯检验
2. 期权数据深度：IV、Greeks、OI 完整暴露，支持波动率曲面分析与事件驱动策略
3. 多源交叉验证：基本面+情绪+资金流向+宏观数据的四维验证机制
4. AI就绪架构：结构化输出可直接投喂LLM进行深度推理，API化设计便于量化系统集成
潜在局限
- 地域局限：当前仅覆盖美股市场，缺乏A股/港股/加密资产支持
- 数据延迟：免费层级可能存在15分钟行情延迟，高频交易受限
- 无实时执行：仅提供分析框架，不直连券商API，需人工下单
- 学习曲线：七步框架对散户用户门槛较高，更适合有财务分析基础的用户
适合人群
| 用户类型 | 匹配场景 |
|---------|---------|
| 基本面研究员 | 财报季深度个股研究、估值模型构建 |
| 期权交易者 | 波动率套利、事件驱动（earnings play）策略 |
| 量化开发者 | 数据ETL管道搭建、多因子模型验证 |
| 金融AI应用 | 构建Research Agent的底层数据层 |
常规风险
- API密钥泄露：
PLUSEFIN_API_KEY需妥善保管，建议配合.env文件与密钥轮转 - 数据依赖风险：单一数据源（未明示供应商）可能存在覆盖盲区或错误
- 模型幻觉传导：若将分析结论直接用于AI生成投资建议，需人工复核关键假设
- 市场极端情况：恐慌情绪指标（Fear & Greed）在流动性危机中可能失效，需结合VIX等衍生品验证