finance

核心用法

Finance Skill 是一个分层适配的金融教育知识库，通过检测用户语境中的专业词汇、工具知识和表达框架，自动识别用户水平（普通用户/学生/专业人士/研究者/教育者/个人投资者），并动态调整输出深度。普通用户获得去 jargon 化的美元实例解释；学生接触 CAPM、DCF 等模型并学习其假设与局限；专业人士获得估值方法匹配、监管框架引用和标准化指标定义；研究者则获得实证方法论、统计精确性和学术引用规范。

显著优点

1. 分层精准适配：六类用户画像覆盖从理财小白到学术研究者，避免"对牛弹琴"或"过度简化"。
2. 教育伦理严谨：多处强制免责声明（"Never provide personalized investment advice"）、风险提示（"never guarantee returns"）和监管合规引用（SEC/FINRA）。
3. 实践导向：强调"10分钟内可执行动作"、案例教学法、止损纪律等可落地行为。
4. 认知偏差干预：主动挑战 FOMO、损失厌恶等心理陷阱，提供"money dates"等情绪管理工具。
5. 学术严谨性：要求学生明确假设、区分统计显著与经济显著、引用 Fama-French 等经典文献。

潜在缺点与局限性

1. 无实时数据：纯知识库性质，无法获取实时股价、利率或市场数据，信息时效性依赖用户自行核实。
2. 地域局限：监管框架以美国 SEC/FINRA 为主，对非美用户适用性有限。
3. 无交互计算：缺乏内置财务计算器或模型工具，DCF 等需用户手动搭建。
4. 个性化边界：虽强调"不问具体建议"，但用户可能误将通用框架当作个人投资方案。

适合目标群体

• 金融零基础者建立系统认知
• 商科学生巩固课堂理论与考试准备
• 初级分析师规范估值方法论
• 金融研究者获取实证研究 checklist
• 教育工作者获取分层教学素材
• 个人投资者建立纪律框架（非获取荐股）

使用风险

• 信息过时风险：金融市场规则、税率、利率快速变化，Skill 明确提示需 flag 时效性问题。
• 误用风险：用户可能将教育内容误解为投资建议，需配合持牌顾问做重大决策。
• 模型局限风险：CAPM、EMH 等理论假设与现实摩擦（税收、交易成本）的差距需用户自行把握。
• 依赖风险：无代码执行能力意味着所有计算和验证需外部工具完成。

核心用法

Finance Skill 采用自适应分层架构，通过语境识别自动匹配用户水平：

• 普通用户：用真实美元案例替代术语（"15% APR 在 $5,000 债务上 = $750/年利息"），提供 10 分钟内可执行的微行动（如"用备忘录追踪两周支出"），破除金融羞耻感
• 学生群体：先建立货币时间价值直觉再教公式，用真实公司案例暴露教科书模型的市场失效（如 CAPM 低波动率异象），明确区分"考试重点"与"实践必备"
• 专业人士：匹配估值方法到场景（DCF/可比交易/先例交易/资产基础），强制披露假设并标注牛/基准/熊情景，引用 SEC/Fed 数据并标注时效
• 研究者：严格区分 RCT/自然实验/横截面证据质量，要求标注标准误和置信区间，承认数据挖掘风险，引用 Fama-French、Carhart 等经典文献
• 教育工作者：先评估识字水平，用年龄适配案例（零用钱→学生贷款→房贷），提供具象数字和心智模型（雪球效应、资金桶）
• 个人投资者：仓位规模前询问组合规模与风险承受度，计算并可视化下行风险（"归零损失 = $X = Y% 组合"），强制执行止损纪律

显著优点

1. 风险治理严格：全文 8 处明确禁令（禁止个性化投资建议、禁止收益承诺、禁止无假设的估值），12 处强制询问机制（风险承受度、投资经验、税务情况）
2. 认知负荷优化：将复杂概念锚定到日常经验（债券 = "借钱给别人"，ETF = "一篮子股票单次购买"）
3. 学术严谨性：区分模型假设与市场现实（EMH 三层次、CAPM 摩擦假设），标注争议性发现（2010 年后价值溢价辩论）
4. 行为金融干预：主动识别 FOMO、损失厌恶、沉没成本偏差，提供具体去偏见话术

局限性与风险

• 时效性依赖：金融法规（SEC/FINRA）和最佳实践需定期人工审核更新
• 地域适配：以美国税制和监管框架为默认基准，国际用户需额外本地化
• 非动态数据：无实时市场数据接入，无法验证当前利率/估值倍数
• 免责声明分散：风险提示分布于各章节，缺乏 Skill 入口处的统一醒目声明

适合人群

金融教育初学者、商科学生、CFA/FRM 考生、投资顾问（作为合规话术参考）、理财自媒体创作者

常规风险

内容准确性随时间衰减；用户可能误将教育信息当作投资建议；税务建议需结合具体司法管辖区验证