为重视数据来源的研究者而构建
为问题与答案同样重要的学术金融研究而构建的分析工具。
学术金融研究所处的分析位置颇为特殊。数据要求严格（来源、时间戳、完整性）；预算通常有限；大学内可用工具良莠不齐。Drusus 定位于为在岗研究者提供严肃论文所要求的跨市场数据与分析深度，并以学术预算可承受的订阅成本提供。
您将最常使用的功能
- AI 分析师对话，作为针对项目分析结构的对话伙伴，而非研究者自身思考的替代品。
- 数据导出，格式适用于 Python、R 或 Stata 分析。
- 数据来源文档，记录平台发布每一数字所依据的每一原始来源。
- Drusus Insights，作为平台所用分析体系的方法论参考。
关于引用
对将 Drusus 用作数据来源的学术工作，我们恳请将平台作为数字来源加以引用，并记录数据获取的具体日期。当平台方法论对您的论文有所贡献时，请具体引用方法论笔记。完整引用指引载于方法论页面。
他们如何使用 Drusus
该受众典型工作模式的样貌。
项目构思
在构思新项目时，使用 AI 分析师对分析结构进行追问。要求的不是答案，而是对您所提议方法论的结构性反驳。
数据采集
导出您所需的数据，并附带来源元数据。导出记录原始来源、时间戳与平台获取日期。
方法论交叉检验
当平台的方法论与您项目的分析工作有所重叠时，审视方法论笔记。其以学术语调撰写，而非营销语调。
提交前审视
提交之前，请 AI 分析师设想审稿人可能提出的批评。当分析师被约束为反驳您的结论时，该项练习最具价值。
示例查询
该受众与 Drusus AI 分析师典型交互的形态。
我在研究双重上市的中国股票在香港上市与纽约 ADR 之间经外汇调整后的价格关系。我希望检验该偏离自 2020 年以来是否系统性扩大。请在估计之前，构思我应当处理的主要方法论问题。
在估计之前，有六个方法论问题值得处理。第一，偏离的定义：您采用简单百分比差异、对数差异，抑或考虑香港与纽约交易时段非重叠的归一化指标？第二，外汇调整：您采用各上市收盘时点的即期汇率、内插中间价，抑或同步参考汇率？第三，样本选择：您是仅限于在样本期内持续双重上市的名称，抑或纳入样本期内上市或退市的名称（并作适当的存活偏差校正）？第四，体制控制：2020 年伴随政策环境的实质转变、美元的持续走强，以及一系列针对中国 ADR 的监管干预。将 2020 年后扩大与上述混淆因素相区分，可能需要明确的体制指标。第五，流动性问题：偏离是否主要为名称层级流动性的函数？若是，整体结果将由少数低流动性名称所驱动。第六，节假日与公司事件处理：双重上市名称在节假日非重叠及公司事件前后出现大量暂时性偏离，须加以过滤以提取结构性关系。这六项关切并不预设您的结论，但您的工作将受益于在方法论部分对每一项加以明确处理。