Finbar

大家好！我们是 Ed 和 Robin，非常兴奋地发布 Finbar 的首个正式可用版本。我们的使命是让每一位投资者（以及他们的智能体）都能获得最好的数据和工具，来进行高质量的金融研究。

简单回顾一下我们的历程。我们从一个单一产品起步——在市场发布后 5 分钟内，可靠地更新任何财务模型，而且不出任何差错。听起来很细分？确实如此——但这意味着我们能真正在客户中脱颖而出，解决一个真正紧迫的问题，而那些没在对冲基金工作过的人其实并不真的“懂”。在 Q2 财报季期间，我们处理了 150,000 次模型更新，这意味着我们的客户（包括几家全球最大的对冲基金）每次开盘时都能让所有模型准备就绪。

开发这个产品最终成了一个看似简单、实则极其棘手的问题（尤其是下面会讲到的数据原因）。但解决它，也意味着我们搭建了一些真正独特的金融数据和基础设施；后来我们把它们部署到了许多其他产品中——现在所有投资者都能用上。

我们做的事有两个关键部分：

I. 我们正在构建最好的基本面金融数据集

一切底层支撑都是我们的专有数据。我们收集并摄取全球数千家公司、数百万份文档：报告、演示材料、电话会议记录。你可能会惊讶，这个问题居然还没有被解决。但几乎所有供应商都至少缺一样：a) 广度，b) 质量，和/或 c) 速度。要服务我们的客户，这三者缺一不可，所以我们才需要自建。没错，我们说的也包括 Factset、S&P 和 Bloomberg 这类玩家（我们的机构客户经常明确拿我们和它们对比评估）。

举几个小例子说明一下：最重要的基本面数据点往往不在 10Qs/10Ks 里，也很少是完全结构化的格式。比如演示图表里的分部有机增长、电话会议里关于前瞻指引的表述、Pillar 3 银行披露，以及无数其他公司特定的数据点。>1/2 的客户在美国以外投资。国际市场结构化数据的可得性远不如美国，常常连一个中央数据库都没有，而且可以说，正是在这里，强大的基本面数据能带来更多优势（这两个事实很可能互为因果）。金融数据在长尾末端异常混乱——而洞察往往也正藏在那里。理解重述、会计制度变更、并购与剥离，以及公司为了产出混乱数据所做的所有其他疯狂操作（有时是故意的）背后的微妙之处，是我们设计中的家常便饭。这会让人很多个夜晚抓狂，但这是真正产出投资者信任的优质数据的唯一办法。

II. 我们正在为 AI 时代打造最好的金融工具包

在这个数据基础之上，是一整套 Finbar 产品，建立在我们对专业投资者真实需求的认知和经验之上。包括：全球数百万份公司文档的机器可读版本数千个行项目的基本面时间序列和数据点公司入门资料和财务元数据预构建的上市公司模型 XLSX一个用于 AI 自动化金融数据分析、建模和报告撰写的网页平台一个 Excel 插件，可在几秒内更新任何分析师模型，几分钟内构建任何自定义模型MCP 和 API，把我们的基本面数据开放给程序化用户和智能体用户我们已经在和机构合作伙伴一起开发一长串项目，包括宏观数据、供应链、新闻流、私募市场等等。

我们计划中的东西还有太多太多，但我们真的非常兴奋，终于开始让每一位投资者都能获得在 AI 时代做出明智决策所需的工具。所以感谢阅读，去 https://finbar.com 试用我们吧。期待听到你们的想法！

我想反驳的是，把“智能体式 MCP”和“明智的投资决策”放在同一句话里。一个智能体搞错 UI 文案改动，只是烦人；一个智能体对某个会流入别人交易模型的收入数字自信地搞错，那就是完全不同级别的坏事。如果一家对冲基金真的让智能体在无人监督的情况下把数字拉进模型，那么在数字到达人之前，是什么在拦截幻觉出来的或过时的数字？还是说，每个拉进来的数字在投入使用前，仍然需要人对照来源逐一核验？

刚试了 Finbar，很有意思的想法！快速问一下：如果只能说一件事，你觉得 Finbar 比传统金融研究工作流做得更好的地方是什么？不过还是恭喜发布！

非常兴奋能把这款产品推向市场，而且还有太多东西要展示！！