Effektives Prompting hilft dir, Claudes Fähigkeiten zur Finanzanalyse effizient und präzise zu nutzen. Dieser Leitfaden bietet Strategien zum Schreiben klarer, spezifischer Prompts, die die benötigten Ergebnisse liefern, während häufige Probleme vermieden werden, die zu unvollständigen oder überwältigenden Ausgaben führen können.
Entdecken, auf welche Daten Claude zugreifen kann
Bevor du mit einer Finanzanalyse beginnst, ist es wichtig zu verstehen, welche Datenquellen Claude zur Verfügung stehen. Verschiedene Integrationen bieten unterschiedliche Arten von Daten – Daloopa konzentriert sich auf SEC-Einreichungen und Fundamentaldaten, während Kensho umfassende S&P Global-Marktdaten und Geschäftsbeziehungen bietet. Zu wissen, was zugänglich ist, verhindert Zeitverschwendung durch Anfragen nach nicht verfügbaren Daten.
Beginne deine Analysesitzungen damit, die Datenverfügbarkeit zu bestätigen:
-
"Auf welche S&P Global-Finanzdaten kannst du über Kensho zugreifen?"
-
"Kannst du Segmentdaten über Daloopa abrufen?"
Dieser vorbereitende Schritt verhindert, dass Analysen angefordert werden, die nicht verfügbare Daten erfordern, und hilft dir zu verstehen, welche Integration du für verschiedene Arten von Analysen angeben solltest.
Grundlegende Prompting-Prinzipien
Sei spezifisch und klar
Claude hat über mehrere Quellen Zugriff auf riesige Mengen an Finanzdaten. Ohne spezifische Anweisungen erhältst du möglicherweise mehr Daten als benötigt oder verpasst wichtige Kennzahlen. Klare Spezifikationen stellen sicher, dass du genau das bekommst, was deine Analyse erfordert, was Zeit spart und die Genauigkeit verbessert.
Betrachte diese gegensätzlichen Beispiele:
Claude, bitte analysiere Microsoft
Diese vage Anfrage könnte den Abruf von Hunderten von Datenpunkten über mehrere Jahre auslösen, was es schwierig macht, relevante Erkenntnisse zu identifizieren. Claude weiß nicht, ob du Bewertungskennzahlen, operative Leistung oder Wettbewerbspositionierung möchtest.
Rufe mit Daloopa Microsofts (MSFT) Umsatz, operative Marge und freien Cashflow für Q1 2023 bis Q4 2024 ab und berechne dann die Wachstumsraten im Jahresvergleich
Diese spezifische Anfrage identifiziert die Datenquelle, das Unternehmens-Ticker-Symbol, die genauen Kennzahlen, den Zeitraum und die gewünschten Berechnungen. Claude weiß genau, was abgerufen und wie es verarbeitet werden soll. Deine Prompts sollten Unternehmens-Ticker-Symbole, genaue Kennzahlennamen, spezifische Zeiträume und das gewünschte Ausgabeformat enthalten.
Fordere nur relevante Informationen an
Finanzintegrationen können umfangreiche Datensätze abrufen, die Hunderte von Kennzahlen über viele Jahre umfassen. Alles Verfügbare anzufordern verschwendet Zeit, erhöht die Verarbeitungskomplexität und erschwert es, sich auf das zu konzentrieren, was für deine spezifische Analyse wichtig ist. Gezielte Anfragen liefern sauberere, umsetzbarere Ergebnisse.
Rufe alle Finanzdaten für Tesla, Ford und GM ab
Diese Anfrage könnte Tausende von Datenpunkten zurückgeben, einschließlich irrelevanter Kennzahlen, was eine fokussierte Analyse erschwert.
Rufe für Tesla (TSLA), Ford (F) und GM nur den Automobilumsatz und die Bruttomargen der letzten 4 Quartale ab, um die operative Effizienz zu vergleichen
Diese fokussierte Anfrage ruft nur die für den operativen Vergleich benötigten Kennzahlen ab. Denke beim Erstellen von Prompts zuerst an dein analytisches Ziel und fordere dann nur die Daten an, die diese Analyse direkt unterstützen. Dieser Ansatz führt zu überschaubareren Ausgaben und klareren Erkenntnissen.
Kontrolliere das Datenvolumen
Große Datenanfragen können die Analyse verlangsamen und überwältigende Ausgaben erzeugen, die schwer zu interpretieren sind. Die Steuerung des Umfangs stellt sicher, dass Claude Anfragen effizient verarbeiten und Ergebnisse in verdaulichen Formaten präsentieren kann. Dies ist besonders wichtig, wenn mit mehreren Unternehmen oder längeren Zeiträumen gearbeitet wird.
Hole alle verfügbaren historischen Daten für den gesamten S&P 500
Diese Anfrage wird wahrscheinlich fehlschlagen oder unbrauchbare Ergebnisse liefern, aufgrund der schieren Menge der beteiligten Daten.
Rufe die letzten 8 Quartale von Umsatz und EBITDA-Marge für diese 5 Softwareunternehmen ab: CRM, NOW, WDAY, TEAM und ZM
Diese überschaubare Anfrage konzentriert sich auf eine spezifische Vergleichsgruppe mit definierten Kennzahlen und einem angemessenen Zeitrahmen. Als allgemeine Richtlinie solltest du Anfragen für detaillierte Analysen auf 3-5 Unternehmen beschränken, spezifische Posten anstatt vollständiger Finanzberichte anfordern und Datumsbereiche verwenden, die deinen analytischen Bedürfnissen entsprechen, anstatt die gesamte verfügbare Historie anzufordern.
Strukturierung komplexer Analysen
Fordere zuerst Analysepläne an
Komplexe Finanzanalysen umfassen mehrere Schritte, Datenquellen und Annahmen. Wenn Claude den Ansatz zuerst skizziert, kannst du potenzielle Probleme erkennen, bevor Zeit für Berechnungen aufgewendet wird. Dies ist besonders wertvoll für Bewertungen, Modellierungen oder Vergleiche mehrerer Unternehmen, bei denen methodische Entscheidungen die Ergebnisse erheblich beeinflussen. Ein klarer Plan stellt außerdem sicher, dass deine Erwartungen mit Claudes geplantem Ansatz übereinstimmen.
Führe eine vollständige Bewertungsanalyse von Netflix durch
Diese offene Anfrage überlässt Claude zu viele Entscheidungen, was möglicherweise zu einer Analyse führt, die nicht deinen Anforderungen entspricht oder unangemessene Annahmen verwendet.
Erstelle einen Plan zur Bewertung von Netflix (NFLX) mithilfe der DCF-Methodik. Liste die Daten auf, die du benötigst, die Berechnungen, die du durchführen wirst, und die Annahmen, die du treffen wirst. Lass mich das überprüfen, bevor du fortfährst.
Dieser Ansatz gibt dir Einblick in die geplante Methodik, bevor die Ausführung beginnt. Du kannst die Datenquellen überprüfen, die Claude zu verwenden beabsichtigt, sicherstellen, dass wichtige Annahmen vernünftig sind, fehlende Komponenten identifizieren und den Ansatz anpassen, bevor du Zeit in detaillierte Berechnungen investierst. Diese vorläufige Überprüfung erkennt oft Probleme, die nach Abschluss der Analyse kostspielig zu beheben wären.
Verwende schrittweise Ansätze
Das Aufteilen komplexer Analysen in einzelne Schritte bietet Transparenz in Claudes Prozess und ermöglicht Kurskorrekturen. Du kannst die Datengenauigkeit überprüfen, Berechnungen kontrollieren und die Methodik zwischen den Schritten anpassen, anstatt Probleme erst in den Endergebnissen zu entdecken. Dieser Ansatz ist besonders wertvoll, wenn mit mehreren Datenquellen gearbeitet wird oder wenn Berechnungen aufeinander aufbauen.
Vergleiche diese 5 Unternehmen und sag mir, welches das beste ist
Diese Anfrage erzeugt eine Black-Box-Analyse, bei der du die zugrunde liegenden Daten oder die Logik nicht überprüfen kannst.
Lass uns diese Unternehmen Schritt für Schritt analysieren. Rufe zuerst ihre KGV-Werte ab. Zeig mir die Ergebnisse, bevor du zur nächsten Kennzahl übergehst.
Dieser inkrementelle Ansatz ermöglicht es dir, Fehler frühzeitig zu erkennen, die Analyse basierend auf ersten Erkenntnissen anzupassen, Claudes Überlegungen in jeder Phase zu verstehen und die Datengenauigkeit zu überprüfen, bevor sie in Berechnungen verwendet wird. Jeder Schritt wird zu einem Kontrollpunkt, an dem du sicherstellen kannst, dass die Analyse auf Kurs bleibt.
Baue inkrementell auf
Wenn du mit dem Datenabruf beginnst, bevor du zur Analyse übergehst, stellst du sicher, dass du mit genauen, vollständigen Informationen arbeitest. Dieser Ansatz verhindert vergeudete Anstrengungen bei Berechnungen mit unvollständigen Daten und hilft, Datenlücken zu identifizieren, bevor sie die Schlussfolgerungen beeinflussen. Er ermöglicht es dir außerdem, deine Analyse basierend auf den tatsächlich verfügbaren Daten anzupassen.
Ein typischer inkrementeller Workflow könnte so aussehen:
Rufe zuerst Amazons Segmentumsatz für die letzten 8 Quartale ab und zeig mir, was verfügbar ist
Berechne jetzt speziell die Wachstumsrate für AWS
Vergleiche schließlich das AWS-Wachstum mit dem Azure-Wachstum im gleichen Zeitraum
Jeder Schritt baut auf dem vorherigen auf und stellt sicher, dass du die notwendige Grundlage hast, bevor du fortfährst. Diese Methode ist besonders nützlich, wenn du unbekannte Unternehmen oder Branchen erkundest, bei denen du möglicherweise nicht genau weißt, welche Daten verfügbar sind, bis du mit der Analyse beginnst.
Häufige Probleme und Lösungen
Herausforderungen bei der Datenverfügbarkeit
Problem: Das Anfordern von Daten, die nicht existieren oder über aktuelle Integrationen nicht verfügbar sind, kann deine Analyse entgleisen lassen.
Lösung: Beginne damit zu fragen, was verfügbar ist. Zum Beispiel: "Welche operativen Kennzahlen hat Daloopa für Spotify?" Diese vorläufige Prüfung verhindert, dass Analysen um nicht verfügbare Daten herum aufgebaut werden.
Verschiedene Unternehmen berichten unterschiedliche Kennzahlen, und nicht alle historischen Daten sind möglicherweise verfügbar. Die Verfügbarkeit im Voraus zu bestätigen spart Zeit und ermöglicht es dir, deinen analytischen Ansatz basierend auf den tatsächlich zugänglichen Daten anzupassen.
Umfangsmanagement
Problem: Das Anfordern einer Analyse von 50+ Unternehmen auf einmal kann überwältigende Ergebnisse erzeugen oder dazu führen, dass die Analyse vollständig fehlschlägt.
Lösung: Teile große Analysen in kleinere Gruppen von 5-10 Unternehmen auf und kombiniere dann die Ergebnisse.
Versuche zum Beispiel, anstatt "Analysiere alle REITs" spezifischer zu sein: "Analysiere zuerst diese 5 Industrie-REITs: PLD, DRE, FR, TRNO, STAG." Nach der Überprüfung der ersten Ergebnisse kannst du mit weiteren Gruppen fortfahren. Dieser Ansatz stellt sicher, dass jede Gruppe eine gründliche Analyse erhält, und ermöglicht es dir, deine Kriterien basierend auf ersten Erkenntnissen zu verfeinern.
Mehrdeutige Anfragen
Problem: Begriffe wie „gute Unternehmen" oder „starke Performance" bedeuten für verschiedene Analysten unterschiedliche Dinge und können zu Ergebnissen führen, die nicht deinen Kriterien entsprechen.
Lösung: Definiere deine Kriterien explizit mithilfe quantitativer Schwellenwerte.
Hier ist ein Beispiel:
Finde mir gute Value-Aktien
Finde Unternehmen mit einem KGV unter 15, positivem freiem Cashflow und einem Umsatzwachstum über 5%
Die spezifischen Kriterien stellen sicher, dass Claude Unternehmen identifiziert, die zu deiner Anlagephilosophie und deinen Screening-Parametern passen. Diese Präzision ist besonders wichtig beim Erstellen von Screenings oder der Identifizierung von Anlagekandidaten.
Tipps für effizientes Prompting
- Nenne dein Endziel von Anfang an, damit Claude geeignete Ansätze vorschlagen kann.
- Verwende während deiner gesamten Analyse eine konsistente Terminologie.
- Speichere erfolgreiche Prompt-Vorlagen für wiederkehrende Analysen.
- Beginne mit kleineren Testanfragen, bevor du hochskalierst.
- Nenne die spezifische Datenquelle in deinen Prompts (Daloopa, Kensho/S&P Global).
- Berücksichtige die Aktualität der Daten – gib an, ob du die neuesten verfügbaren oder spezifische historische Daten benötigst.
- Gib Präferenzen für das Ausgabeformat an (Tabelle, Aufzählungspunkte, Fließtext).
- Fordere Quellenangaben an, wenn Genauigkeit entscheidend ist.
- Etabliere für wiederkehrende Analysen eine konsistente Prompt-Struktur, die du wiederverwenden kannst.
Diese Strategien helfen dir, den größten Nutzen aus Claudes Fähigkeiten zur Finanzanalyse zu ziehen und dabei häufige Fallstricke zu vermeiden. Während du Erfahrung mit dem System sammelst, wirst du Prompt-Muster identifizieren, die gut für deine spezifischen analytischen Bedürfnisse funktionieren.