為重視數據來源之研究人員而設
為問題與答案同樣重要之學術金融工作而設之分析工具。
學術金融研究處於不尋常之分析位置。數據要求嚴格(來源、時間戳、完整性)；預算通常有限；大學內可供使用之工具參差不齊。Drusus 定位為向在職研究人員提供一份嚴肅論文所需之跨市場數據及分析深度，而其訂閱費為學術預算可承受之水平。
閣下最常使用之功能
- 人工智能分析員對話，作為項目分析結構之對練夥伴，而非研究人員自身思考之替代品。
- 可供於 Python、R 或 Stata 中分析之格式之數據匯出。
- 數據來源說明，記錄平台所發佈每項數字所依據之每個主要來源。
- Drusus Insights，作為平台所採用分析機制之研究方法參考。
關於引用
對於以 Drusus 作為數據來源之學術工作，我們請求引用本平台為數字之來源，並記錄具體之數據檢索日期。若平台之研究方法對閣下論文具貢獻，我們請求具體引用該研究方法說明。完整引用指引載於研究方法頁。
他們如何使用 Drusus
此受眾典型工作模式之輪廓。
項目構建
於構建新項目時，使用人工智能分析員探究分析結構。所求並非答案，而是針對閣下所提議研究方法之結構性反對意見。
數據取得
以附帶來源元資料之方式匯出閣下所需之數據。匯出檔案記錄主要來源、時間戳及平台檢索日期。
研究方法交叉檢查
若平台之研究方法與閣下項目之分析工作存有重疊，審視研究方法說明。說明以學術語調撰寫，而非行銷語調。
投稿前審查
投稿之前，向人工智能分析員詢問審稿人可能提出之批評。當分析員受約束去反駁閣下結論時，此項工作最為有用。
示例查詢
此受眾與 Drusus 人工智能分析員典型互動之形式。
我正在審視雙重上市中國股票於香港上市與紐約 ADR 之間經外匯調整之價格關係。我希望檢驗自 2020 年以來該偏離是否系統性擴闊。請構建我於估計之前應處理之主要研究方法問題。
於估計之前，有六項研究方法問題值得處理。其一，偏離之定義：閣下採用簡單百分比差、對數差，抑或一個將香港與紐約之交易時間不重疊納入考慮之標準化指標？其二，外匯調整：閣下採用各上市收市時點之收市即期匯率、內插中間匯率，抑或同步參考匯率？其三，樣本選擇：閣下限制於樣本期間內持續雙重上市之名稱，抑或容許於樣本期內首次上市或退市之名稱(並配合適當之倖存者偏差校正)？其四，制度控制：2020 年見證政策環境之重大轉變、美元持續走強，以及一連串針對中國 ADR 之監管干預。將 2020 年後之擴闊與此等混雜因素區分開來，或須明示之制度指標。其五，流動性問題：該偏離是否主要為個別名稱流動性之函數？若然，主要結果將由一小組流動性較低之名稱所驅動。其六，假期及企業行動之處理：雙重上市名稱於假期不重疊及企業行動前後會出現大幅短暫偏離，須過濾以分離結構性關係。此六項關切並非預定閣下之結論，惟在研究方法部份逐項明確處理，工作將大有裨益。