/peer_comparison_decision_skill
横向比较同业候选公司的业务质量、增长、盈利、估值与催化差异,并给出相对强弱结论。适用于候选股二选一、行业内优中选优、建立优先跟踪顺序等场景。
$ npx -y skills add Wind-Alice/AliceMarket --skill peer_comparison_decision_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
/peer_comparison_decision_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
横向比较同业候选公司的业务质量、增长、盈利、估值与催化差异,并给出相对强弱结论。适用于候选股二选一、行业内优中选优、建立优先跟踪顺序等场景。
SKILL.md
peer_comparison_decision_skill.SKILL.mdname: peer_comparison_decision_skill
description: 横向比较同业候选公司的业务质量、增长、盈利、估值与催化差异,并给出相对强弱结论。适用于候选股二选一、行业内优中选优、建立优先跟踪顺序等场景。
key words: 同业比选,peer comparison,候选股对比,二选一,相对强弱
Peer Comparison Decision 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
本技能用于在同一行业或同一主题内,对 2-5 家候选公司做横向比较,并输出可执行的相对排序与选择理由。重点不是把每家公司都重新写一遍,而是帮助使用者回答“如果只能优先研究或持有其中几家,应该先选谁、为什么”。
执行流程
Step 1:确认可比范围与比较目标
先明确比较对象是否真正可比,重点确认:
- 所处赛道是否一致
- 商业模式是否相近
- 处于相似的发展阶段还是明显错位
- 用户想比较的是短期交易机会还是中长期配置价值
若对象并不适合直接比较,应先说明可比性边界,再决定是否继续强行并列。
Step 2:建立统一比较框架
围绕用户真实决策,把比较维度标准化。常用维度包括:
- 业务质量与竞争位置
- 成长速度与成长确定性
- 盈利能力与现金创造能力
- 估值高低与预期要求
- 近期催化与风险暴露
所有候选公司都按同一框架展开,避免某家公司只写故事、另一家公司只看数字。
Step 3:完成基础数据与事实对齐
收集每家公司的关键事实,并统一口径后放入对照表,特别注意:
- 时间口径一致
- 币种与单位一致
- 估值方法口径一致
- 对异常值和一次性因素进行说明
这一阶段的目标是把后续判断建立在同一坐标系之上。
Step 4:比较“业务质量”而不是只比较“数据高低”
除关键财务指标外,还要比较:
- 核心产品与客户结构
- 市场份额与竞争优势
- 业务模式的抗波动能力
- 管理执行与资本配置风格
若某家公司短期数据更亮眼,但业务稳定性明显更弱,应明确指出,不可被表面增速误导。
Step 5:比较“赔率”与“催化顺序”
真正的比选往往不只看谁更好,还要看谁更值得现在买入或优先跟踪。需重点判断:
- 哪家公司好但已被充分定价
- 哪家公司一般但预期差更大
- 哪家公司短期有催化,哪家公司需要时间兑现
- 哪家公司更适合观察,哪家公司更适合行动
Step 6:输出排序与决策建议
在完成横向比较后,给出明确排序,并说明:
- 排名靠前的核心理由
- 排名靠后的主要短板
- 若只能研究一只、持有一只或短期交易一只,分别应如何选择
若结论取决于用户风格差异,也要明确把“成长型偏好”“价值型偏好”“交易型偏好”拆开说明。
输出结构
---
{行业/主题}同业比选({YYYY-MM-DD})
一、结论摘要
- **最佳综合选择**:{公司}
- **最佳预期差选择**:{公司}
- **最适合继续观察**:{公司}
二、统一比较表
| 公司 | 业务定位 | 增长 | 盈利 | 估值 | 近期催化 | 主要风险 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | {公司A} | {描述} | {描述} | {描述} | {描述} | {描述} | {描述} | | {公司B} | {描述} | {描述} | {描述} | {描述} | {描述} | {描述} |
三、相对强弱分析
业务质量
- {谁更强,强在哪里}
成长质量
- {谁更强,强在哪里}
估值赔率
- {谁更有吸引力,原因是什么}
催化与时点
- {谁更适合当下,原因是什么}
四、最终排序
| 排名 | 公司 | 结论 | | :--- | :--- | :--- | | 1 | {公司} | {理由} | | 2 | {公司} | {理由} | | 3 | {公司} | {理由} |
五、决策建议
- **如果只能先研究一只**:{公司},因为 {理由}
- **如果只能先跟踪一只**:{公司},因为 {理由}
- **如果只能先规避一只**:{公司},因为 {理由}
---
质量要求
1. 只比较真正可比的对象,必要时先写清不可比之处。 2. 统一使用同一比较口径,避免数据和叙事各说各话。 3. 输出重点是“相对强弱与排序”,不是多篇个股介绍拼接。 4. 必须同时比较质量、估值和时点,不能只用单一指标排名。 5. 若结论明显依赖投资风格,应把适用人群写清楚。
Read more
name: peer_comparison_decision_skill description: 横向比较同业候选公司的业务质量、增长、盈利、估值与催化差异,并给出相对强弱结论。适用于候选股二选一、行业内优中选优、建立优先跟踪顺序等场景。 key words: 同业比选,peer comparison,候选股对比,二选一,相对强弱
Peer Comparison Decision 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
本技能用于在同一行业或同一主题内,对 2-5 家候选公司做横向比较,并输出可执行的相对排序与选择理由。重点不是把每家公司都重新写一遍,而是帮助使用者回答“如果只能优先研究或持有其中几家,应该先选谁、为什么”。
执行流程
Step 1:确认可比范围与比较目标
先明确比较对象是否真正可比,重点确认:
- 所处赛道是否一致
- 商业模式是否相近
- 处于相似的发展阶段还是明显错位
- 用户想比较的是短期交易机会还是中长期配置价值
若对象并不适合直接比较,应先说明可比性边界,再决定是否继续强行并列。
Step 2:建立统一比较框架
围绕用户真实决策,把比较维度标准化。常用维度包括:
- 业务质量与竞争位置
- 成长速度与成长确定性
- 盈利能力与现金创造能力
- 估值高低与预期要求
- 近期催化与风险暴露
所有候选公司都按同一框架展开,避免某家公司只写故事、另一家公司只看数字。
Step 3:完成基础数据与事实对齐
收集每家公司的关键事实,并统一口径后放入对照表,特别注意:
- 时间口径一致
- 币种与单位一致
- 估值方法口径一致
- 对异常值和一次性因素进行说明
这一阶段的目标是把后续判断建立在同一坐标系之上。
Step 4:比较“业务质量”而不是只比较“数据高低”
除关键财务指标外,还要比较:
- 核心产品与客户结构
- 市场份额与竞争优势
- 业务模式的抗波动能力
- 管理执行与资本配置风格
若某家公司短期数据更亮眼,但业务稳定性明显更弱,应明确指出,不可被表面增速误导。
Step 5:比较“赔率”与“催化顺序”
真正的比选往往不只看谁更好,还要看谁更值得现在买入或优先跟踪。需重点判断:
- 哪家公司好但已被充分定价
- 哪家公司一般但预期差更大
- 哪家公司短期有催化,哪家公司需要时间兑现
- 哪家公司更适合观察,哪家公司更适合行动
Step 6:输出排序与决策建议
在完成横向比较后,给出明确排序,并说明:
- 排名靠前的核心理由
- 排名靠后的主要短板
- 若只能研究一只、持有一只或短期交易一只,分别应如何选择
若结论取决于用户风格差异,也要明确把“成长型偏好”“价值型偏好”“交易型偏好”拆开说明。
输出结构
---
{行业/主题}同业比选({YYYY-MM-DD})
一、结论摘要
- **最佳综合选择**:{公司}
- **最佳预期差选择**:{公司}
- **最适合继续观察**:{公司}
二、统一比较表
| 公司 | 业务定位 | 增长 | 盈利 | 估值 | 近期催化 | 主要风险 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | {公司A} | {描述} | {描述} | {描述} | {描述} | {描述} | {描述} | | {公司B} | {描述} | {描述} | {描述} | {描述} | {描述} | {描述} |
三、相对强弱分析
业务质量
- {谁更强,强在哪里}
成长质量
- {谁更强,强在哪里}
估值赔率
- {谁更有吸引力,原因是什么}
催化与时点
- {谁更适合当下,原因是什么}
四、最终排序
| 排名 | 公司 | 结论 | | :--- | :--- | :--- | | 1 | {公司} | {理由} | | 2 | {公司} | {理由} | | 3 | {公司} | {理由} |
五、决策建议
- **如果只能先研究一只**:{公司},因为 {理由}
- **如果只能先跟踪一只**:{公司},因为 {理由}
- **如果只能先规避一只**:{公司},因为 {理由}
---
质量要求
1. 只比较真正可比的对象,必要时先写清不可比之处。 2. 统一使用同一比较口径,避免数据和叙事各说各话。 3. 输出重点是“相对强弱与排序”,不是多篇个股介绍拼接。 4. 必须同时比较质量、估值和时点,不能只用单一指标排名。 5. 若结论明显依赖投资风格,应把适用人群写清楚。
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。

