用途：本技能依据研究者提供的研究计划书（纯文本、docx/pdf/md/tex 或分点罗列均可），执行基于外国制度环境的公司金融类实证研究全流程，覆盖美国与国际样本、多种识别策略与主题，并面向国际顶刊的写作与方法规范。
主要能力： 一、解析计划书九字段（题目、假设、预期结果、识别策略、样本范围、政策冲击、数据需求、机制假说、异质性维度），缺项一次性追问。 二、推荐 5 个目标期刊并按四维加权评分呈现，等待研究者选定后写入 00_proposal.md，据目标刊替换 bibliographystyle 与 Section 骨架。 三、生成项目目录骨架（asset、rule、template 与项目输出目录）。 四、按固定顺序推进：描述性统计、平行趋势、异质性稳健 DID 估计量、基准回归、内生性、度量替换、异质性、机制、稳健性、PSM-DID/Entropy Balancing、安慰剂、进一步分析/规格曲线。 五、全部使用 Python 计量（pandas、linearmodels、pyfixest、doubleml、scikit-learn 等），不用 Stata，最终 .tex 由 Python 按 template 手写表壳格式渲染。 六、结果与预期不符时按 Plan-B 决策树自主切换备选方案（替换度量、FE 规格、聚类层级、样本、时间窗、IV 构造、渠道变量等），并在 DECISION_LOG.md 留痕；Plan-B 超过 3 层仍不收敛则降级为零效应或条件性证据报告，仍交付完整产出。
适用场景：美国 CRSP/Compustat/IBES/BoardEx/13F/Dealscan 等 WRDS 数据，或 Compustat Global、Worldscope、Orbis、Nikkei NEEDS 等国际数据；DID、staggered DID、Panel FE+IV、PSM-DID、DML、合成控制、RDD、事件研究等识别策略；投融资、资本结构、并购、IPO/SEO、治理、机构投资者、分析师、ESG、银行信贷、破产、税收、监管、贸易、创新等主题。
限制：不替代研究者的研究设计判断；技能本身不提供数据访问授权，具体数据库与 MCP 服务器安装方式以资料所列 URL 为准；官方文档未提供的内容暂未说明。