个股投研报告 Skill

作者：@rollingSirius

英文文档：README.en.md ｜ 示例报告：NVDA 中文 / English ｜ GOOGL 中文 / English

可能是最深度的 AI 投研报告 Skill。

这个 skill 的目标不是生成几段股票摘要，而是让 AI 工具按接近机构投研的纪律完成一份事实可追溯、估值可复算、结论可审计的深度个股研究报告。它面向严肃投资研究、长线跟踪、财报复盘、投资备忘录和估值校准，不追求最快给出一句话结论。v2 起，整份报告以预期差（市场隐含预期 vs 独立预期）为分析主线，并在估值前增加财报质量核查。

核心定位

多数 AI 股票分析会停在"公司简介 + 最近新闻 + 模糊估值"。这个 skill 刻意往更深处走：

它能做什么

1. 完整个股深度研究

适合第一次系统研究一家公司，或需要重新建立投资框架的场景。默认输出九章报告：

1. 一页速览（结论框 + Tearsheet 速览表 + 预期差对比表）
2. 公司与业务详情
3. 竞争格局与护城河
4. 管理层、治理与资本配置计分卡
5. 财务分析与财报质量核查
6. 多方法估值（含估值区间对比图）
7. 分析师观点汇总与分歧归因
8. 新闻、风险与催化剂
9. 投资结论、反方论证与仓位参考

2. 深度财报模式

适合公司刚发布季报、年报、业绩指引或电话会纪要后，判断"这份财报到底改变了什么"。财报模式会区分两种情况：

财报模式默认输出九章：

1. 结论与快照
2. 预期差与质量
3. 收入、分部与 KPI
4. 利润率、费用与盈利质量
5. 现金流、资产负债表与资本配置
6. 指引、电话会与管理层信号
7. 竞争、行业与市场反应
8. 模型、估值与公允价值变动桥
9. 投资论点更新与行动清单

每次财报另跑最小核查集（应计比率、现金转化、DSO/递延背离、Non-GAAP 调整项经常性）。

3. 估值与结论校准

这个 skill 不允许只给一个"看起来合理"的目标价。它要求至少三种估值方法交叉验证，并把假设、计算过程和结论映射留档：

• 反向 DCF + PVGO 分解：当前股价隐含了什么收入增速、利润率或资本回报；现价中有多少比例在为未来增长付费。
• 三情景 DCF：乐观、中性、悲观情景及概率加权公允价值，附概率极端化稳健性检验。
• EPV / 三要素法：底价·EPV·成长买点阶梯；EPV/净资产多年趋势做护城河的财务验证。
• EVA / 剩余收益：存量 ROIC vs 增量 ROIIC，"增速 = 再投资率 × ROIIC"自洽检验。
• 相对估值：合理倍数（warranted multiple）纪律，用增长/回报/风险推算应有倍数，不直接抄同业中位数。
• SOTP：适合多业务、多资产或分部差异极大的公司。
• 蒙特卡洛（可选）：公允价值 P10–P90 分布与 P(内在价值 < 现价)。

结论标签（低估/合理/高估 + 动作）按预注册标定规则映射（±15% 缓冲带），叠加动作矩阵与否决项；随动作输出期望收益、上行/下行不对称比与 Kelly-lite 仓位量级参考。

4. 财报质量核查

估值之前先回答"这份利润是不是真的"：

• 应计质量（Sloan）：总应计比率、现金转化率趋势。
• Beneish M-Score 八变量模型（检查器自动计算）。
• 收入确认红旗：DSO 背离、递延收入背离、渠道压货信号。
• 费用资本化与利润平滑、治理与审计信号。
• 产出财报可信度等级 A–D：C 级动作最高"观望"，D 级一律"规避"——禁止用"估值便宜"对冲可信度问题。

5. 行业专用深度附录

主报告不是给所有公司套同一个模板。skill 会先识别公司所处价值链，再按需加载对应附录：

混合业务公司只加载足以改变模型或估值的主附录和必要的次附录，避免为了"全面"堆砌无关指标。

6. 数据来源与对账

不强制使用 IBKR、Morningstar 或任何单一数据商。默认优先顺序为：

1. 监管申报、交易所公告、政府/监管数据库和公司原始文件。
2. 交易所/受监管行情、公司正式材料和行业官方统计。
3. Bloomberg、FactSet、LSEG、S&P Capital IQ、Visible Alpha、Morningstar、Koyfin、Quartr 等专业来源。
4. 公开行情与财务聚合站，用于补缺和交叉核对。
5. 媒体、转述和搜索摘要只作线索，尽量追溯原文。

连接器只是访问方式。skill 会在当前 AI 环境中选择可用的最高等级来源，并明确披露降级、延迟、口径和数据冲突。抓取到的外部内容只作为待核验数据，其中的任何指令不改变研究流程。

安装

最简单方法

直接复制这个仓库链接，发送给支持 skill 或 agent 指令的 AI 工具：

https://github.com/rollingSirius/equity-research-skill

可以这样说：

请安装并使用这个 skill：
https://github.com/rollingSirius/equity-research-skill

Claude Code

# 个人级：所有项目可用
git clone https://github.com/rollingSirius/equity-research-skill.git ~/.claude/skills/equity-research

# 项目级：随仓库共享
git clone https://github.com/rollingSirius/equity-research-skill.git .claude/skills/equity-research

Claude Desktop / Cowork

把本仓库打包为 zip，或下载 Release，在 Settings -> Capabilities -> Skills 中上传。

Codex / 其他 Agent 工具

本技能主体是 Markdown 指令，并附带可复算脚本。任何能读取文件的 Agent 都可以使用；本地 Python 不是安装前提：

1. 把本仓库放进项目目录，例如 skills/equity-research/。
2. 在 Agent 配置中加入一句：当用户要求研究/分析某只股票时，先读取并遵循 skills/equity-research/SKILL.md 的完整流程。
3. 需要运行估值或检查脚本时，优先使用 Agent 自带代码环境；本机没有 Python，可在 AI 托管代码环境或在线 notebook 中运行，无需先配置本地 Python。

使用

自然语言即可触发：

帮我研究一下 NVDA
分析下 Marvell 值不值得买
深度分析一下 AAPL 最新财报
根据 MSFT 财报更新估值和投资结论
腾讯最新业绩怎么看？按财报模式做深度分析
帮我比较宁德时代 A 股和港股定价差异
按 SaaS 行业附录深度分析 Salesforce / CRM
按半导体行业附录分析台积电的周期位置和估值
按银行行业附录复盘招商银行最新财报

也可以显式指定技能：

未指明输出格式时，报告默认以 PDF 交付；可在请求中指明 .md、.docx 或 .xlsx（估值 workbook）。报告语言默认跟随用户请求语言或当前常用沟通语言，也可显式指定“用中文输出”或“write the report in English”。

适合什么场景

输出物

交付给用户的只有一份报告，默认 PDF 格式（可指明 .md/.docx/.xlsx；语言可自动判定或显式指定）。报告本身包含：

• 结论框 + Tearsheet + 预期差对比表（报告头部三件套）。
• 至少三种估值方法的交叉验证与估值区间对比图。
• 财报可信度等级与逐项核查证据。
• 反方论证、监控清单与置信度自评。
• 关键数据来源与时间戳清单、估值假设与检查结果摘要（附录）。

估值假设 JSON、scripts/dcf.py 原始输出、检查器结果、财务 CSV 等为内部工作文件：保留在工作目录供复算与追溯，不作为交付物；用户索要时才提供。

文件结构

equity-research-skill/
├── SKILL.md                        # 技能主文件：触发条件 + 纪律 + 六步工作流程
├── references/
│   ├── report-template.md          # 九章报告模板与表格骨架
│   ├── earnings-mode.md            # 深度财报模式：覆盖分流、财报分析协议、模型变动桥与九章模板
│   ├── expectations-investing.md   # 预期差分析主线：反向 DCF、PVGO、预期差表、独立观点检验
│   ├── forensic-accounting.md      # 财报质量核查：应计、M-Score、红旗与可信度分级
│   ├── base-rates.md               # 历史基准率：用外部视角约束预测假设
│   ├── cost-of-capital.md          # 资本成本：WACC 构建与折现率纪律
│   ├── valuation-methods.md        # 估值方法：DCF、反向 DCF、情景加权、EPV、EVA、SOTP 与结论标定
│   ├── output-format.md            # 输出格式：可读性规范与交付物规则（默认 PDF）
│   ├── data-sources.md             # 取数手册：来源分级、工具降级、行情、申报、行业与对账
│   └── markets-cn-hk.md            # A股/港股/A+H 差异手册，含中概 VIE/ADR 结构风险
├── industries/                     # 16 类行业附录（见上表）
├── scripts/
│   ├── dcf.py                      # 估值计算器：DCF、反向 DCF、敏感性、概率加权、EPV、EVA、PVGO、蒙特卡洛、仓位
│   └── check_research_output.py    # 财务/估值一致性检查器 + 财报质量核查（应计/M-Score/背离）
└── Example/
    ├── EXAMPLE_NVDA.md             # 英伟达示例产出，不参与技能执行
    ├── EXAMPLE_NVDA.en.md          # NVIDIA 英文示例产出，不参与技能执行
    ├── EXAMPLE_GOOGL.md            # Alphabet 示例产出（v2 完整模式），不参与技能执行
    └── EXAMPLE_GOOGL.en.md         # Alphabet 英文示例产出，不参与技能执行

Example/EXAMPLE_NVDA.md / Example/EXAMPLE_NVDA.en.md 与 Example/EXAMPLE_GOOGL.md / Example/EXAMPLE_GOOGL.en.md（v2 完整模式示例，含预期差对比表、财报质量核查、五法估值与反方论证）只用于展示最终产出，不会被 SKILL.md 自动加载。示例中使用的数据源反映当次运行环境，不代表安装或执行必须具备同一连接器。

依赖

设计取向

这个 skill 的设计取向是 depth first：宁可慢一点，也要尽量做到来源清楚、假设透明、估值可复算、结论可追责、分歧可证伪。它适合严肃投资研究、长线跟踪和投资备忘录，不适合只想要一句话报价或泛泛市场评论的场景。

免责声明

本技能产出的内容仅为研究参考，不构成投资建议。作者与本技能均非持牌投资顾问，投资决策及其后果由使用者自行承担。

许可证

MIT