Kavout用自然语言查询11000+金融资产

做投资研究的人都知道那种感觉：打开 Yahoo Finance 看财报，切换到筛选器跑条件，再刷 Reddit 找观点，最后还得手动汇总。Kavout 试图把这套流程压缩成一句自然语言提问——你问“NVDA 估值高吗？”或者“帮我找找低负债、股价低于 50 美元的股息股”，它直接从财务数据库里抓答案。

一句话搞定多步操作

Kavout 覆盖超过 11,000 只股票、ETF、加密货币和外汇。核心能力是把英文问句翻译成结构化查询，然后返回关键指标。比如你问“有哪些医疗股过去五年营收增速超过 20%？”，它会列出符合条件的标的和对应数字。不需要记住筛选器语法，也不用写 SQL。

• 股票研究：支持市盈率、市净率、营收增长、负债率等常见财务维度。
• ETF 筛选：可基于资产规模、费用率、行业敞口等属性过滤。
• 加密货币和外汇：覆盖主流币种及货币对，支持价格、波动率、交易量查询。
• 一句话对比：比如“比较 MSFT 和 AAPL 的自由现金流率”。

适合哪些投资者

个人投资者如果能用英文表达自己的筛选逻辑，可以大幅节省时间。对于机构分析师来说，快速验证某个假设（比如“银行板块当前平均 PB 处于历史什么分位”）也能提高效率。但注意，Kavout 提供的是财务数据聚合，不包含深度新闻情感分析或实时订单流数据。

一个典型场景：你看到新闻说“半导体库存调整接近尾声”，于是问 Kavout “列出过去三个季度库存周转天数连续下降的半导体公司”，几秒钟就能拿到清单。

注意的坑

Kavout 的侧重点在于结构化财务数据，对另类数据（如供应链卫星图、专利分析）并不涉及。另外，自然语言的理解精度有限——问得太模糊（比如“哪些股票好”）可能会返回不理想的结果。建议把问题拆细，指定财务指标和条件。

定价与上手

Kavout 提供免费试用，之后转为订阅制。具体套餐分基础版和专业版，专业版解锁更多导出功能和历史数据回溯。适合经常做基本面筛选的用户，对纯技术面交易者帮助有限。

如果你的研究流程还停留在手工复制粘贴数字，Kavout 值得一试。它不会替代深度分析，但能把最费时的“数据拉取”环节变成一句话的事。