為關心資料溯源之研究者而設
為學術金融工作所設、其問題與其答案同樣重要之分析工具。
學術金融研究佔有非比尋常之分析地位。其資料要求嚴格（溯源、時戳、完整性）；其預算通常有限；大學內部可資使用之工具水準不一。Drusus 之定位，是為實務研究者提供嚴肅論文所需之跨市場資料與分析深度，並以學術預算可負擔之訂閱成本提供。
您最常使用的部分
- AI 分析師對話，作為計畫之分析結構上之切磋對手，而非研究者自身思考之替代品。
- 資料匯出，採適合於 Python、R 或 Stata 中進行分析之格式。
- 資料來源文件，記載本平台所發布之每一數字所取用之每一原始來源。
- Drusus Insights，作為本平台所使用分析機制之研究方法參考。
關於引用
對於取用 Drusus 作為資料來源之學術工作，我們請求以本平台為數字之來源加以引用，並記載具體之資料擷取日期。當本平台之研究方法對您的論文有所貢獻時，我們請求具體引用研究方法說明。完整引用指引列於研究方法頁面。
他們如何使用 Drusus
此一對象典型工作模式之樣貌。
計畫範圍界定
於建構新計畫時，使用 AI 分析師詰問其分析結構。所求者非答案，而是對您所提研究方法之結構性反對。
資料取得
匯出您所需之資料附溯源後設資料。匯出記錄原始來源、時戳，以及本平台之擷取日期。
研究方法交叉檢核
當本平台之研究方法與您計畫之分析工作重疊時，檢視研究方法說明。其以學術筆觸書寫，非行銷筆觸。
投稿前檢視
於投稿前，請 AI 分析師提出審查者可能提出之批評。當分析師被限制以反對您結論之立場進行論證時，此演練最為有用。
示意性查詢
此一對象與 Drusus AI 分析師之典型互動所採之形式。
我正在檢視雙重掛牌中國股票於香港掛牌與紐約 ADR 之間經匯率調整後之價格關係。我希望檢驗該偏離自 2020 年起是否系統性擴大。請建構我於估計前所應處理之主要研究方法問題。
於估計前值得處理之研究方法問題有六。第一，偏離之定義：您採用簡單百分比差、對數差，或考量香港與紐約交易時段非重疊之標準化指標？第二，匯率調整：您採用各掛牌收盤時之即期匯率、內插中價，或同步參考匯率？第三，樣本選擇：您是否限定於樣本期間內持續雙重掛牌之名稱，或將樣本期間內掛牌或下市之名稱納入（並加入適當之倖存者偏誤修正）？第四，狀態控制：2020 年見到政策環境之大幅轉變、持續之美元強勢，以及一連串針對中國 ADR 之法規介入。將 2020 年後之擴大從此等干擾因素中拆解出來，或將需要明確之狀態指標。第五，流動性問題：偏離是否主要為名稱層級流動性之函數，若然則主要結果將由一小組流動性較差之名稱所驅動。第六，假期與公司行動處理：雙重掛牌名稱於假期非重疊與公司行動前後呈現大量瞬時偏離，須予以過濾以分離結構性關係。此六項關切並未預定您的結論，但於研究方法章節中明白處理每一項，將使工作受益。