/earnings_preview_skill
财报前梳理市场预期、关键看点、验证指标、情景推演与风险点。适用于财报发布前准备、会前讨论、盘前预案制定等场景。
$ npx -y skills add Wind-Alice/AliceMarket --skill earnings_preview_skill --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/earnings_preview_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
财报前梳理市场预期、关键看点、验证指标、情景推演与风险点。适用于财报发布前准备、会前讨论、盘前预案制定等场景。
SKILL.md
earnings_preview_skill.SKILL.mdname: earnings_preview_skill
description: 财报前梳理市场预期、关键看点、验证指标、情景推演与风险点。适用于财报发布前准备、会前讨论、盘前预案制定等场景。
key words: 财报前瞻,earnings preview,业绩前准备,财报前预案,财报前看点
Earnings Preview Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y
# Gitee 镜像(国内)
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于在财报发布前,把“市场在等什么、公司最该证明什么、如果结果不同会怎样”整理成一份高密度前瞻底稿。输出重点不是泛泛罗列财务指标,而是帮助使用者在财报前明确预期基线、关键验证点、潜在预期差和会前应重点关注的问题。
执行流程
Step 1:确认分析对象、财报周期与使用目的
先确认股票名称、上市地、本次对应的财报周期,以及用户此时要解决的问题:
- 是为了会前快速准备
- 是为了判断是否值得参与财报交易
- 是为了给团队做前瞻讨论底稿
- 是为了在持仓前明确风险暴露
若用户未说明,默认按“财报公布前的研究准备”展开,并聚焦最近一次待发布财报。
Step 2:建立市场预期基线
先把市场已经形成的预期整理清楚,重点包括:
- 收入、利润、利润率等核心指标的市场预期区间
- 管理层上次给出的指引或暗示
- 卖方与市场讨论最集中的关键经营变量
- 上一季度财报后遗留的验证任务
- 当前股价隐含的预期温度是保守、中性还是偏热
这一阶段的目标不是直接下结论,而是先明确“市场已经知道什么、已经押注什么、还在争论什么”。
Step 3:拆解本次财报最重要的验证点
围绕公司当前阶段,提炼 3-5 个真正决定财报解读方向的核心问题。优先关注:
- 本季度业绩是否只是表面超预期,还是质量也同步改善
- 增长来源是量、价、结构还是一次性因素
- 利润率、费用率、现金流是否支持当前增长叙事
- 订单、用户、产能、库存、开店、出货等经营变量是否验证主线
- 管理层是否需要在本次财报中回应市场最大的疑虑
验证点必须足够具体,能够在财报正文、业绩会或后续公告里被验证,而不是宽泛口号。
Step 4:做情景推演与反应框架
在预期基线和关键变量明确后,对财报结果做条件化推演,至少覆盖:
- 明显超预期时,真正的惊喜会来自哪里
- 略超预期但股价不涨时,市场可能在担心什么
- 表面达标但指引偏弱时,解读应如何调整
- 若核心经营变量不及预期,市场会优先交易哪条风险链条
- 哪些情况下需要把“好财报”和“好股票表现”区分开看
这一步的重点是把“结果”与“市场反应”拆开处理,避免把财报前瞻写成单向押注。
Step 5:形成会前关注清单
基于前述分析,整理出财报前最值得带着去看的问题,包括:
- 财报发布后要先核对的三个数字
- 业绩会最值得听的两个问题方向
- 哪些措辞变化会明显改变判断
- 哪些风险即使财报不错也不能忽略
- 若结果模糊,应等待哪些补充信息再下结论
Step 6:整合成前瞻成稿
最终输出应是面向行动的前瞻底稿,不展示中间检索路径、信息收集过程或内部草稿。正文不需要解释信息如何获得,只需要呈现预期、分歧、推演和行动重点。
输出结构
---
{股票名称}财报前瞻({YYYY-MM-DD})
一、30 秒结论
- **本次财报最重要的看点**:{一句话}
- **市场当前最关注的变量**:{一句话}
- **最容易出现预期差的地方**:{一句话}
- **财报前整体判断**:{偏积极 / 中性等待 / 偏谨慎}
二、市场预期基线
| 维度 | 当前预期 | 说明 | | :--- | :--- | :--- | | 收入 | {数值或区间} | {说明} | | 利润/EPS | {数值或区间} | {说明} | | 关键经营指标 | {数值或区间} | {说明} | | 指引预期 | {上修 / 持平 / 下修预期} | {说明} |
三、本次最关键的验证点
- **验证点 1**:{内容}
- **验证点 2**:{内容}
- **验证点 3**:{内容}
四、情景推演
情景 A:明显超预期
- 触发条件:{条件}
- 可能反应:{判断}
情景 B:结果平稳但反应分化
- 触发条件:{条件}
- 可能反应:{判断}
情景 C:不及预期
- 触发条件:{条件}
- 可能反应:{判断}
五、财报前风险提示
- {风险 1}
- {风险 2}
- {风险 3}
六、会前问题清单
- {问题 1}
- {问题 2}
- {问题 3}
---
质量要求
1. 前瞻必须围绕“预期差”展开,而不是重复公司背景资料。 2. 关键看点应尽量具体到指标、业务模块或管理层表态方向。 3. 要区分“财报结果好坏”和“股价反应强弱”这两个层次。 4. 若市场预期并不清晰,应明确写出预期不一致,而不是强行给出单一口径。 5. 文本要能直接服务财报前准备与会后验证,避免写成泛泛研究摘要。
Read more
name: earnings_preview_skill description: 财报前梳理市场预期、关键看点、验证指标、情景推演与风险点。适用于财报发布前准备、会前讨论、盘前预案制定等场景。 key words: 财报前瞻,earnings preview,业绩前准备,财报前预案,财报前看点
Earnings Preview Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y # Gitee 镜像(国内) npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于在财报发布前,把“市场在等什么、公司最该证明什么、如果结果不同会怎样”整理成一份高密度前瞻底稿。输出重点不是泛泛罗列财务指标,而是帮助使用者在财报前明确预期基线、关键验证点、潜在预期差和会前应重点关注的问题。
执行流程
Step 1:确认分析对象、财报周期与使用目的
先确认股票名称、上市地、本次对应的财报周期,以及用户此时要解决的问题:
- 是为了会前快速准备
- 是为了判断是否值得参与财报交易
- 是为了给团队做前瞻讨论底稿
- 是为了在持仓前明确风险暴露
若用户未说明,默认按“财报公布前的研究准备”展开,并聚焦最近一次待发布财报。
Step 2:建立市场预期基线
先把市场已经形成的预期整理清楚,重点包括:
- 收入、利润、利润率等核心指标的市场预期区间
- 管理层上次给出的指引或暗示
- 卖方与市场讨论最集中的关键经营变量
- 上一季度财报后遗留的验证任务
- 当前股价隐含的预期温度是保守、中性还是偏热
这一阶段的目标不是直接下结论,而是先明确“市场已经知道什么、已经押注什么、还在争论什么”。
Step 3:拆解本次财报最重要的验证点
围绕公司当前阶段,提炼 3-5 个真正决定财报解读方向的核心问题。优先关注:
- 本季度业绩是否只是表面超预期,还是质量也同步改善
- 增长来源是量、价、结构还是一次性因素
- 利润率、费用率、现金流是否支持当前增长叙事
- 订单、用户、产能、库存、开店、出货等经营变量是否验证主线
- 管理层是否需要在本次财报中回应市场最大的疑虑
验证点必须足够具体,能够在财报正文、业绩会或后续公告里被验证,而不是宽泛口号。
Step 4:做情景推演与反应框架
在预期基线和关键变量明确后,对财报结果做条件化推演,至少覆盖:
- 明显超预期时,真正的惊喜会来自哪里
- 略超预期但股价不涨时,市场可能在担心什么
- 表面达标但指引偏弱时,解读应如何调整
- 若核心经营变量不及预期,市场会优先交易哪条风险链条
- 哪些情况下需要把“好财报”和“好股票表现”区分开看
这一步的重点是把“结果”与“市场反应”拆开处理,避免把财报前瞻写成单向押注。
Step 5:形成会前关注清单
基于前述分析,整理出财报前最值得带着去看的问题,包括:
- 财报发布后要先核对的三个数字
- 业绩会最值得听的两个问题方向
- 哪些措辞变化会明显改变判断
- 哪些风险即使财报不错也不能忽略
- 若结果模糊,应等待哪些补充信息再下结论
Step 6:整合成前瞻成稿
最终输出应是面向行动的前瞻底稿,不展示中间检索路径、信息收集过程或内部草稿。正文不需要解释信息如何获得,只需要呈现预期、分歧、推演和行动重点。
输出结构
---
{股票名称}财报前瞻({YYYY-MM-DD})
一、30 秒结论
- **本次财报最重要的看点**:{一句话}
- **市场当前最关注的变量**:{一句话}
- **最容易出现预期差的地方**:{一句话}
- **财报前整体判断**:{偏积极 / 中性等待 / 偏谨慎}
二、市场预期基线
| 维度 | 当前预期 | 说明 | | :--- | :--- | :--- | | 收入 | {数值或区间} | {说明} | | 利润/EPS | {数值或区间} | {说明} | | 关键经营指标 | {数值或区间} | {说明} | | 指引预期 | {上修 / 持平 / 下修预期} | {说明} |
三、本次最关键的验证点
- **验证点 1**:{内容}
- **验证点 2**:{内容}
- **验证点 3**:{内容}
四、情景推演
情景 A:明显超预期
- 触发条件:{条件}
- 可能反应:{判断}
情景 B:结果平稳但反应分化
- 触发条件:{条件}
- 可能反应:{判断}
情景 C:不及预期
- 触发条件:{条件}
- 可能反应:{判断}
五、财报前风险提示
- {风险 1}
- {风险 2}
- {风险 3}
六、会前问题清单
- {问题 1}
- {问题 2}
- {问题 3}
---
质量要求
1. 前瞻必须围绕“预期差”展开,而不是重复公司背景资料。 2. 关键看点应尽量具体到指标、业务模块或管理层表态方向。 3. 要区分“财报结果好坏”和“股价反应强弱”这两个层次。 4. 若市场预期并不清晰,应明确写出预期不一致,而不是强行给出单一口径。 5. 文本要能直接服务财报前准备与会后验证,避免写成泛泛研究摘要。
Wind 万得金融 Skill 集合(monorepo) · 通过 MCP 协议把万得金融数据接入 Claude / OpenClaw / Hermes 等 AI Agent,并一站式收录 wind 自家数据 + 社区分析工作流共 34 个金融 skill
Other skills on alicemarket.
add_to_winner_decision…
判断盈利仓是否适合继续加仓,并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
after_close_watchlist_…
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
avatar-charlie-munger-…
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
avatar-nassim-taleb-ri…
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
avatar-naval-ravikant-…
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。

