用 Claude Fable 5 分析財報：以 Apple 2025 Form 10-K 為例

Claude Fable 5 適合處理長文件和多階段分析，但“能讀財報”不等於“能替你投資”。更穩妥的用法是把模型限制在證據整理、計算複核和反方推演，讓每條結論都能回到公開檔案。

下面使用 Apple 於 2025 年 10 月 31 日提交的 Form 10-K 做演示。文中的數字來自 Apple 財務報表和 SEC 檔案，不構成買賣建議。

準備唯一可信的輸入

先下載原始檔案，不要把搜尋摘要或財經媒體文章混進第一輪：

• Apple 2025 Form 10-K（SEC HTML）
• Apple FY2025 consolidated financial statements

建立工作目錄：

1
2
3
4
5
6
7

apple-fy2025/
├── source/
│   ├── aapl-20250927.htm
│   └── FY25_Q4_Consolidated_Financial_Statements.pdf
├── notes/
├── extracted-facts.csv
└── review-log.md

在 review-log.md 記錄檔案 URL、下載日期、財年截止日和單位。Apple 報表中的金額單位是百萬美元；如果忽略單位，模型即使抄對數字也會生成錯誤結論。

第一輪只提取事實

把 10-K 提供給 Claude 後，不要先問“Apple 值不值得買”，而是使用受約束的提取指令：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

只根據我提供的 Apple 2025 Form 10-K 工作。
提取 2025、2024 兩個財年的以下欄位：
- Total net sales
- Products net sales
- Services net sales
- Gross margin
- Operating income
- Net income

輸出 Markdown 表格。每個數字必須附表名、財年和原文定位。
找不到時寫“未找到”，不要估算，不要補充外部資料。
金額單位統一為 million USD，不做投資建議。

人工複核後應得到以下基礎表：

同比應由本地計算複核，而不是相信模型心算：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

values = {
    "net_sales": (416161, 391035),
    "services": (109158, 96169),
    "operating_income": (133050, 123216),
    "net_income": (112010, 93736),
}

for name, (current, previous) in values.items():
    growth = (current / previous - 1) * 100
    print(f"{name}: {growth:.2f}%")

只要指令碼結果與模型表格不同，就以原始數字和本地計算為準。

第二輪檢查結構變化

事實表透過後，再讓模型解釋變化，但仍要求把事實與推斷分欄：

1
2
3
4
5
6
7

基於已核對的數字，輸出三列：
1. 可驗證事實；
2. 從事實得到的計算；
3. 仍需驗證的解釋。

不要把“服務收入增速更快”直接寫成“利潤一定持續提升”。
所有解釋必須列出還需要檢視的 10-K 章節。

例如“Services 增長 13.51%”是計算結果；“增長來自訂閱業務提價”則需要業務分類、管理層討論或其他披露支援，不能因為聽起來合理就寫成事實。

讓模型主動尋找反證

完成初步分析後，單獨執行反方任務：

1
2
3
4
5
6
7

針對“Apple 2025 年盈利質量改善”這一假設，提出最強的五個反方問題。
每個問題必須包含：
- 需要核查的報表專案或 10-K 章節；
- 如果假設錯誤，未來哪個指標會先變化；
- 當前材料能否回答；
- 不能回答時需要什麼新增資料。
不要給目標價、評級或倉位建議。

有用的反方方向包括地區收入、產品與服務組合、稅項變化、回購對每股收益的影響，以及現金流與利潤是否同步。重點是生成待驗證問題，不是讓模型寫一篇看空文章。

引用失敗案例

模型常見的失敗不是數字完全編造，而是引用看起來具體、實際卻無法定位。例如：

1

Services 增長主要來自 iCloud 和廣告，見第 32 頁。

如果第 32 頁沒有這項拆分，應把這句話標為不合格。正確處理方式是：

1. 在 SEC HTML 中搜尋關鍵短語。
2. 檢查模型引用的是報表頁碼、PDF 頁碼還是 HTML 章節。
3. 找不到原文就刪除原因判斷，只保留已核實的收入變化。
4. 在 review-log.md 記錄“未找到支援證據”。

不要讓模型為了補齊表格而引用財經網站。第一輪研究的證據邊界就是指定的 10-K。

把輸出儲存成可審計檔案

extracted-facts.csv 可以使用以下欄位：

1
2
3

metric,period,value,unit,source_table,source_location,verified
Total net sales,2025,416161,million USD,Consolidated Statements of Operations,2025 column,true
Services net sales,2025,109158,million USD,Net Sales by Reportable Segment and by Reportable Product,2025 column,true

review-log.md 至少記錄：

• 使用的檔案及版本；
• 模型和執行日期；
• 人工抽查的專案；
• 被刪除的無來源結論；
• 本地計算指令碼結果；
• 尚未回答的問題。

這比儲存一段聊天記錄更可靠。後續季度報告發布時，可以明確知道哪些假設需要更新。

哪些任務值得使用 Fable 5

Fable 5 官方定位偏向複雜、長時間和多階段任務，API 成本也高於日常模型。適合交給它的部分包括：

• 跨多個章節建立事實索引；
• 比較不同財年的口徑變化；
• 為主要假設設計反證清單；
• 檢查報告中的數字、文字和引用是否一致；
• 在大量材料中維護待驗證問題。

格式清洗、簡單同比計算和 CSV 轉換可用指令碼或更便宜的模型完成。把所有原始檔案反覆塞給強模型，既昂貴，也不增加可驗證性。

最終人工驗收

一份可用的 AI 財報分析應同時滿足：

• 每個關鍵數字能回到原始檔案。
• 單位和財年一致。
• 計算可以由指令碼復現。
• 事實、計算和推斷明確分開。
• 找不到證據的內容已經刪除或標為待驗證。
• 輸出不包含買入、賣出、目標價或確定收益承諾。

Claude Fable 5 可以縮短整理時間，但研究質量仍取決於證據邊界和人工複核。模型最適合幫助你發現該繼續查什麼，而不是替你決定該買什麼。

參考資料：

• Anthropic：Claude Fable 5
• Apple 2025 Form 10-K
• Apple Investor Relations