经济金融顶刊文献速递

SkillWeb & browsing

Your AI can keep up with the newest research by pulling papers from top economics, finance, and accounting journals. It narrows the results down to corporate finance research and produces Chinese-language summary digests with research topic ideas, so you can quickly see what is new and what to study next.

Available today. Use it from your connected AI after setup.

After adding it, ask your AI for the latest papers or a paper digest and it will return fresh summaries and topic suggestions. Simple requests like 'what did the top journals publish recently' work too.

Then ask your AI: use the 经济金融顶刊文献速递 skill

What your AI can do with it

  • Fetch the latest papers from top economics, finance, and accounting journals
  • Filter the results down to corporate finance research
  • Write Chinese-language review summaries of the papers
  • Suggest research topics based on the new literature
  • Respond to casual asks like 'what did top journals publish recently'

What this skill tells your AI

The instructions your AI receives, as published by brycewang-stanford/auto-empirical-research-skills in skills/67-econfin-workflow-toolkit/journal-digest/SKILL.md and read by ahel’s review.

概述

本技能从经济学、金融学、会计学顶级期刊抓取最新发表/在线发表的论文,筛选与公司金融相关的文献,生成结构化的中文综述周报,并提出研究选题建议。

工作流程

第一步:确认参数

与用户确认以下参数(如用户未指定则使用默认值):

参数默认值说明
时间范围最近7天抓取论文的时间窗口,用户可指定如"最近两周"、"2026年3月"
精选数量15-25篇最终进入周报的论文数量
选题数量8-12个研究选题建议数量
输出路径F:\OneDrive\研究发展部\期刊速递\输出文件保存位置
输出文件名公司金融周报_YYYY-MM-DD.md以生成日期命名

第二步:抓取论文

运行抓取脚本获取最新论文:

python "C:/Users/zhang/.claude/skills/journal-digest/scripts/fetch_papers.py" \
  --days <天数> \
  --output <临时JSON路径> \
  --history "F:/OneDrive/研究发展部/期刊速递/.paper_history.json" \
  --enrich

脚本会:

  1. 从RSS源抓取有RSS链接的期刊
  2. 对没有RSS的期刊,通过Crossref API获取最新论文(含摘要和作者信息)
  3. --enrich 参数为RSS抓取但缺少摘要的论文补充Crossref元数据
  4. 与历史记录比对,排除已抓取过的论文(去重)
  5. 输出候选论文列表(JSON格式)

如果脚本执行失败或部分期刊抓取失败,不要中断流程——用已成功抓取的论文继续。在周报末尾注明哪些期刊本次未能成功抓取。

如果脚本不可用或执行环境有问题,可以退化为手动模式:使用 WebFetch 工具逐个抓取期刊RSS/网页,手动收集论文信息。

第三步:筛选与分类

从候选论文中筛选与公司金融相关的论文。筛选标准:

CF-核心(直接属于公司金融领域):

  • 公司治理(董事会、股东激进主义、投票权、双重股权结构)
  • 资本结构与融资决策
  • 并购重组(M&A动机、估值、整合效应)
  • 股利与回购政策
  • 企业投资决策与资本配置
  • 银行与金融中介(贷款、存款、监管)
  • 企业风险管理
  • 高管薪酬与激励
  • IPO与证券发行
  • 私募股权与风险投资
  • FinTech与企业融资

CF-交叉(与公司金融有交叉的其他领域):

  • 会计信息与企业决策
  • ESG/气候金融与企业行为
  • 产业组织与企业策略(反垄断、市场结构)
  • 房地产金融
  • 劳动经济学与企业人力资本
  • 创新与知识产权
  • 供应链金融
  • 数字经济与平台企业

方法/数据可借鉴

  • 论文本身不属于公司金融,但其方法论或数据来源对公司金融研究有重要参考价值

第四步:生成综述

对每篇入选论文,生成约150-250字的中文综述,包含:

  1. 论文标题(保留英文原标题)
  2. 分类标签[CF-核心][CF-交叉][方法/数据可借鉴]
  3. 来源:期刊名、卷期号或EarlyView/Ahead of Print标注、发表时间
  4. 综述正文,按以下结构组织:
    • 核心研究问题(1句话)
    • 主要发现/结论(2-3句话)
    • 研究方法与数据概述(1-2句话)
    • 对公司金融研究的意义/启示(1-2句话)
    • 作者信息(如有知名学者则标注)

综述写作要求:

  • 使用学术中文,简洁精准,避免口语化
  • 突出论文的核心贡献和创新点
  • 明确指出研究方法(如DID、IV、RDD、结构模型等)
  • 如果论文涉及因果识别,说明识别策略

第五步:生成选题建议

基于本期精选论文,提出8-12个研究选题建议。每个选题包含:

  1. 选题标题:简洁明确的研究问题
  2. 研究问题:1-2句话描述核心研究问题,情境不限于中国——可以是美国、全球或跨国比较
  3. 数据/方法:建议的数据来源和实证方法
  4. 关联条目:对应本期哪些论文

选题建议的原则:

  • 选题应具有可行性,数据可获取
  • 优先考虑有清晰因果识别策略的选题
  • 鼓励利用准自然实验或制度变化
  • 情境可以是中国、美国、欧洲或全球/跨国比较
  • 选题应有一定的创新性,不是简单复制原文

第六步:组装输出

按以下模板组装最终Markdown文件:

《公司金融周报》
2026年第XX周 | YYYY-MM-DD

---

## 一、本周精选论文(共XX条)

---

**1. [论文标题]**
[分类标签]
来源:期刊名, 卷期信息(时间)

[综述正文]

---

[... 更多论文 ...]

---

## 二、本周研究选题建议

---

**选题1:[选题标题]**
研究问题:[...]
数据/方法:[...]
关联条目:[...]

---

[... 更多选题 ...]

---

*本周报基于YYYY-MM-DD候选文献库(XX条)精选生成,覆盖[期刊列表]等顶级期刊。*

第七步:更新历史记录

将本次入选的论文信息追加到历史记录文件 .paper_history.json,确保下次抓取时不会重复。

历史记录格式:

{
  "papers": [
    {
      "title": "论文标题",
      "doi": "DOI号(如有)",
      "journal": "期刊名",
      "date_fetched": "2026-04-15",
      "digest_file": "公司金融周报_2026-04-15.md"
    }
  ]
}

期刊列表

完整的期刊列表和RSS配置见 references/journals.json

期刊按等级分为:

  • 外文A+:Top 5 经济学 + Top 3 金融学
  • 外文A:一流期刊
  • 外文A-:优秀期刊
  • 外文B+:良好期刊

抓取优先级:A+ > A > A- > B+。如果候选论文过多,优先保留高等级期刊的论文。

注意事项

  • 论文标题保留英文原文,不翻译
  • 综述使用中文撰写
  • 如果某期刊本次抓取失败,在周报末尾注明
  • 去重基于论文标题+DOI的组合匹配,容忍标题的微小差异(如大小写、标点)
  • 周报编号按年度周数计算(ISO周数)

Signals

GitHub stars
4k
Forks
476
Last commit
Sep 2026
Advanced
Catalog kind
skill
Gateway key
journal-digest
Source
github.com/brycewang-stanford/auto-empirical-research-skills