การวิเคราะห์หุ้นด้วย AI พร้อมหลักฐานที่ติดตามได้

ตั้งคำถามที่ตอบได้จากหลักฐาน

เริ่มจากคำถาม เช่น การเปลี่ยนแปลงของ margin ที่รายงานสอดคล้องกับตัวขับเคลื่อนการดำเนินงานที่บริษัทเปิดเผยหรือไม่ ระบุ issuer และ information cutoff รวบรวม filing ที่เปรียบเทียบกันได้ คำนวณการเปลี่ยนแปลง แล้วขอให้โมเดลอธิบายโดยเชื่อมกับ input เหล่านั้น กำหนด output ก่อนเก็บข้อมูล ได้แก่ ข้อเท็จจริงที่รายงาน metric ที่คำนวณแล้ว ตัวขับเคลื่อนที่เป็นไปได้ และคำถามที่ยังไม่คลี่คลาย วิธีนี้ทำให้ผู้รีวิวประเมินผลลัพธ์ได้เป็นรูปธรรม และช่วยตัดสินใจว่า source ใดจะปรับปรุงการวิเคราะห์ได้ แทนการกองเอกสารของบริษัทแบบไม่จำกัด

ยืนยัน issuer และ information cutoff

ใช้ issuer identifier ที่เสถียรควบคู่กับ ticker เฉพาะตลาดหลักทรัพย์ บันทึกประเภทหลักทรัพย์ สกุลเงินที่ซื้อขาย สกุลเงินที่รายงาน และ fiscal calendar annual report ของ issuer ราคาหุ้นในประเทศ และ US depositary receipt อาจอธิบายวัตถุที่เกี่ยวข้องกันแต่ไม่เหมือนกันทั้งหมด กำหนดว่าคำถามเกี่ยวกับธุรกิจหรือหลักทรัพย์เฉพาะ จุดตัดคือข้อมูลล่าสุดที่อนุญาตให้ใช้ในการวิจัย ไม่ใช่เพียงวันสิ้นงวดบัญชี restatement ในภายหลังควรเก็บเป็น evidence version ใหม่ แทนการแทนที่ input เดิมอย่างเงียบๆ

รวบรวม source packet ก่อนขอให้สังเคราะห์

เริ่มจากการเปิดเผยข้อมูลของ issuer filing จากหน่วยงานกำกับดูแลที่เกี่ยวข้อง และ material ประกอบที่ได้รับอนุญาต SEC submissions และ XBRL interface ช่วยผู้ออกหลักทรัพย์ในสหรัฐฯ ได้ แต่ไม่แทน source จากตลาดท้องถิ่นหรือบริบทของ filing ต้นฉบับ เก็บ source URL, retrieval timestamp, document hash และ section locator ไว้กับ item ที่ดึงมาทุกตัว transcript เป็นหลักฐานว่าผู้พูดกล่าวอะไร market quote เป็นหลักฐานราคาขณะหนึ่ง ทั้งสองอย่างไม่ได้ตรวจสอบ claim ของอีกฝ่ายโดยอัตโนมัติ กำหนดเหตุผลที่ชัดเจนในการใส่ source แต่ละรายการลง packet

คำนวณก่อน แล้วค่อยขอคำอธิบาย

คำนวณการเปลี่ยนแปลงและ ratio ด้วยโค้ดหรือ spreadsheet ที่ผ่านการตรวจสอบ โดยเก็บ input reference และกฎ denominator ไว้ ส่งผลลัพธ์เหล่านั้นพร้อมข้อความ source ที่เกี่ยวข้องให้โมเดล ขอให้โมเดลอธิบายตัวขับเคลื่อนที่เป็นไปได้ ระบุความขัดแย้ง และลิสต์สิ่งที่ยังพิสูจน์ไม่ได้ เช่น ส่ง revenue และ margin calculation คู่กับ segment note แล้วขอตารางที่ map driver แต่ละข้อกับข้อความที่รองรับ เลือก model ปัจจุบันตาม context และพฤติกรรม output ที่ต้องการ แยก calculation record ไว้ เพื่อไม่ให้การแก้ narrative เปลี่ยน input อย่างเงียบๆ

ใช้ report contract ที่มีโครงสร้าง

แยกข้อเท็จจริงที่รายงาน metric ที่คำนวณ การตีความ และสิ่งที่ไม่ทราบ การตีความที่มีสาระทุกข้อควรชี้ไปยังข้อเท็จจริงรองรับและยอมรับทางเลือกที่เป็นไปได้ ใช้ collection ว่างเมื่อหลักฐานไม่มี แทนการสร้างตัวอย่างที่ดูเหมือนผลการเงินจริง schema ที่ร่างด้านล่างเป็นการออกแบบระดับ application ไม่ใช่ request format ใหม่ของ APIsRouter หรือ configuration ของโปรเจกต์ service validator ควรปฏิเสธ source reference ที่หาย และคง artifact เป็น pending จนมนุษย์รีวิว reasoning แล้ว

{
  "issuer_id": "REQUIRED",
  "as_of": "REQUIRED_ISO_TIMESTAMP",
  "question": "REQUIRED_RESEARCH_QUESTION",
  "facts": [],
  "computed_metrics": [],
  "interpretations": [],
  "counterevidence": [],
  "unknowns": [],
  "review_status": "pending"
}

รีวิว claim ไม่ใช่แค่รูปแบบ citation

เปิดข้อความที่อ้างและตรวจว่ารองรับประโยคเฉพาะนั้นจริง ยืนยันงวด หน่วย และบริษัทให้ตรงกัน จากนั้นถามว่าการตีความตามมาจากหลักฐานหรือเพิ่มสมมติฐานที่ไม่ได้ระบุ โมเดลตัวที่สองช่วยค้นหาความไม่สอดคล้องได้ แต่ไม่ใช่การยืนยันโดยอิสระหากมันเห็นเพียงสรุปของโมเดลตัวแรก ให้ผู้รีวิวเห็น source packet ต้นฉบับและกฎปฏิเสธที่ชัดเจน เก็บความเห็นต่างไว้ แทนการรวมคำอธิบายที่ขัดกันให้เป็น consensus ที่มั่นใจโดยอัตโนมัติ

บันทึกต้นทุนและหลักฐานความล้มเหลวในทุก stage

เก็บ collection, parsing, calculation และ model stage แยกกัน เพื่อไม่ให้การดึงตารางที่ล้มเหลวบังคับให้เริ่ม job ทั้งหมดใหม่ ติดตามคำขอและ retry ที่คิดค่าบริการตาม job กับ model identity แล้วกระทบยอด usage กับ pricing contract ปัจจุบัน บันทึก usage ที่ยังหาคำตอบไม่ได้เป็น unknown หาก source ใช้ไม่ได้ ให้คืนสถานะการวิจัยบางส่วนพร้อมระบุหลักฐานที่ขาด รายงานที่ยาวและดูครบไม่ควรถูกถือว่าสำเร็จเมื่อ claim หลักพึ่ง filing ที่หายหรือสมมติฐานตัวเลขที่ยังไม่ตรวจสอบ

หลักฐานและการเข้าถึงโมเดล

คู่มือนี้ให้เวิร์กโฟลว์ที่มี source รองรับและโครงสร้าง output ตัวอย่าง ไม่ใช่เคสบริษัทที่รันจริง เคสที่สมบูรณ์ต้องมี input ที่ได้รับอนุญาต source และ code version ตัวตนโมเดลที่ใช้จริง usage record และ claim ที่ผ่านการรีวิว GPT-6 Astra มีอยู่จริงอย่างเป็นทางการ แต่การตรวจ public APIsRouter catalog เมื่อวันที่ September 5, 2026 ไม่พบรายการดังกล่าว ใช้ catalog ปัจจุบันเลือกโมเดลสำหรับเวิร์กโฟลว์นี้ โดยแยกการเข้าถึงโมเดลทางการออกจากความพร้อมของ gateway

คำถามที่พบบ่อย