stock-value-analysis
Skill0 starsChanged 20 days agoMITView on GitHub
对上市公司进行系统化长期价值投资、财报质量与估值分析。当用户输入明确的股票名称或代码,或询问某股票是否值得买、是否高估、长期持有、估值、财报与经营异常时使用;采用多年结构化筛查、最新财报精读和异常驱动回溯,不用于短线技术面或仅预测次日涨跌。
In this repository11 other files it gives its agents.
- AGENTS.mdAGENTS.md
- app-icon-studioSkill
- disk-cleanupSkill
- localize-app-store-screenshotsSkill
- macos-direct-distributionSkill
- macos-finder-extensionSkill
- mobbin-searchSkill
- smooth-alpha-edgesSkill
- task-artifactsSkill
- write-ai-docSkill
- xcode-cloud-setupSkill
The file
Files
Stock Value Analysis
目标不是预测短期股价,而是用有限上下文回答四件事:
- 企业怎样赚钱,竞争优势是否真实;
- 最新经营状态与利润质量如何;
- 当前价格隐含怎样的未来,长期收益是否有安全边际;
- 哪些新证据会推翻当前判断。
核心顺序:
多年数据看轮廓 → 最新财报找变化 → 围绕异常回溯历史 → 正常化盈利 → 估值与证伪。
不要一开始顺序阅读全文多年份财报。广度用结构化数据取得,深度只给真正影响投资判断的问题。
分析边界
- 默认联网获取截至分析日的最新公开信息,并注明数据截止时间。
- 优先长期基本面,不做技术形态、次日涨跌或无依据目标价预测。
- 结论必须区分事实、管理层解释、分析推断和不确定性。
- 这是研究辅助,不是个性化投资建议;不要替用户决定仓位或承诺收益。
- 任何外部写入、交易或账户操作都不属于本 Skill。
按需读取 References
保持主上下文轻量,只在进入对应阶段时读取:
- 发现财务异常、需要评价企业质量或完成全面分析时,读取 references/financial-diagnostics.md。
- 需要判断价格、计算回报、评分或生成最终报告时,读取 references/valuation-and-output.md。
不要在研究开始时同时加载所有参考文件。
一、确认研究对象
先确认:
- 公司全称、股票代码、上市地与报告币种;
- 当前股价、市值、净现金或净负债;
- 最新完整财年、最新中期或季度报告;
- 是否存在同名公司、不同股份类别或重大停牌重组。
用户只输入一个明确公司或代码时,默认执行完整但渐进的分析;若身份有歧义,先澄清再查资料。
二、第一层:多年结构化筛查
先获取 5~10 年核心指标的结构化序列,不逐份阅读全文。优先使用交易所、公司数据表和可信金融数据库,并对关键数字回到正式披露抽查。
最小序列:
| 维度 | 指标 |
| 规模 | 营收、归母及扣非利润 |
| 盈利 | 毛利率、营业利润率、净利率、ROE、ROIC |
| 现金 | 经营现金流、自由现金流、资本开支 |
| 营运 | 应收、存货、合同负债及相关周转天数 |
| 资产负债 | 现金、有息负债、商誉、净负债率 |
| 股东回报 | 分红、回购、总股本、股权激励稀释 |
根据行业替换或增加真正有解释力的指标,例如银行的净息差和不良率、SaaS 的留存率、半导体的库存与研发费用率。
这一层只输出紧凑表格和趋势标签,用于回答:
- 长期增长是否真实;
- 利润是否转化为现金;
- 资本回报率是否可持续;
- 杠杆、稀释和营运资金是否逐步恶化;
- 最新一期是否偏离长期基线。
不要为了填满表格而收集不影响判断的数据。
三、第二层:精读最新正式披露
最少精读:
- 最新年报;
- 最新季度或半年报;
- 最新业绩说明会、业绩预告或投资者关系记录(如有)。
年报用于理解审计意见、附注、分部、会计政策、资本配置和完整现金流;最新中期报告用于捕捉年报后的变化。不能只读最新季度摘要,也不能因为已有十年数据库就跳过原始披露。
重点提取:
- 本期变化及管理层解释;
- 分部、产品、地区或客户结构变化;
- 现金流与利润的差异;
- 应收、库存、减值、负债、商誉和资本开支;
- 会计政策、审计意见、关联交易和重大承诺;
- 管理层对未来的可核验表述。
使用目录、关键词和财务附注定位相关页面,不把整份报告文本复制进主上下文。
四、建立异常登记表
把最新披露与多年基线比较,只保留可能改变企业质量、正常化利润或估值的异常。
| 异常 | 最新证据 | 长期基线 | 可能解释 | 重要性 | 待验证问题 |
优先检查:
- 营收、利润与经营现金流背离;
- 应收或库存显著快于收入;
- 毛利率、费用率、ROIC 或自由现金流持续变化;
- 债务、商誉、资本开支或股本突然上升;
- 大额并购、减值、补贴、投资收益或一次性项目;
- 分部、客户集中度、会计口径、审计意见或关联交易变化;
- 管理层解释与数据不一致。
“偏离历史”只是调查触发器,不等于风险结论。根据对估值和投资逻辑的影响排序,通常只深入最重要的 2~4 个问题。
五、第三层:异常驱动的历史回溯
只有异常登记表形成后,才回溯往年原始财报。
回溯规则:
- 先看同季节、相邻年度和异常首次出现的年份;
- 通常回溯 3~5 年;周期、并购、会计政策或慢性恶化问题才扩展到 8~10 年;
- 只读取能回答问题的附注、表格和管理层说明;
- 同一数字至少核对单位、期间、合并范围和是否重述;
- 证据已经解释异常,或继续查找不会显著改变结论时停止;
- 找不到足够证据就标记“未知/待验证”,不要用资料数量制造确定感。
最终将异常分类为:
- 🟢 已基本解释:历史规律、商业模式和后续数据相互支持;
- 🟡 需要跟踪:解释合理但尚未被后续结果验证;
- 🔴 实质恶化:多个独立证据显示经营或财务质量下降。
六、子 Agent 委派协议
当运行环境允许协作且异常问题相互独立时,可以并行委派。若环境不支持子 Agent,则按同样协议顺序执行。
委派原则
- 按“问题”委派,不按“年份”委派。
- 不要让多个 Agent 阅读同一批完整财报。
- 每个 Agent 只调查一个可证伪问题,通常同时进行 2~4 项。
- 子 Agent 只做只读研究,不获得交易、发消息或修改外部系统的权限。
- 主 Agent 保留公司身份、最新财报、异常登记表和最终估值,避免重复上下文。
好的任务示例:
调查该公司 2021–2025 年应收账款是否实质恶化。核对应收增速、周转天数、账龄、坏账准备、主要客户账期和年末回款;优先正式财报。只返回能够支持或反驳“通过延长账期换取收入”的证据。
不好的任务示例:
阅读 2021 年全部财报并总结。
子 Agent 任务书必须包含
- 公司、代码、市场和报告币种;
- 唯一研究问题与待检验假设;
- 允许查看的期间和优先来源;
- 需要返回的具体指标;
- 输出上限与停止条件。
统一证据包
每个子 Agent 最多返回:
- 结论:一到两句话;
- 证据表:最多 8 行,包含期间、指标/事实、数值、原始来源;
- 支持证据与反证:各不超过 3 点;
- 管理层解释核验:数据是否支持;
- 风险等级:🟢 / 🟡 / 🔴;
- 置信度与缺口;
- 来源链接。
禁止回传完整财报、长段摘录、无筛选搜索结果或与研究问题无关的公司介绍。主 Agent 只把证据包中会改变判断的内容合并进正文。
七、企业质量与正常化盈利
异常调查后再评价:
- 商业模式与客户价值;
- 护城河和竞争反应;
- 管理层诚信及资本配置;
- 增长来源、资本需求和可预测性;
- 利润质量、资产负债表和周期位置。
不要先评分再找理由。需要完整诊断标准时读取 financial-diagnostics.md。
估值前必须确定正常化盈利,剔除或调整:
- 资产出售、补贴和异常投资收益;
- 一次性减值、税率和重组费用;
- 极端周期高点或低点;
- 不可持续的低研发、低营销或低资本开支;
- 并购造成的口径变化和股份稀释。
八、估值与反向验证
只有企业质量、异常调查和正常化盈利完成后才估值。
默认包含:
- Bear / Base / Bull 三情景;
- 未来 5 年合理市值或每股价值;
- 10%、12%、15% 目标年化收益率对应买入价格;
- 当前价格反向隐含的增长率;
- 安全边际与 3~5 条投资逻辑证伪条件。
禁止同时使用高增长率和高退出估值形成“双重乐观”。详细公式、评分、价格区间和报告格式见 valuation-and-output.md。
九、来源和证据优先级
- 公司正式披露;
- 交易所或法定披露平台;
- 公司 Investor Relations;
- 权威金融数据库;
- 券商研报和财经媒体。
二手来源可以帮助理解行业和市场预期,但不能替代关键财务事实。数字冲突时优先原始财报,并说明口径差异。
所有可能变化的数据都标明日期并提供链接。短引用只用于关键措辞,其余内容用自己的话概括。
十、最终输出
完整报告至少包括:
- 一句话结论:公司质量、当前估值、最大机会、最大风险;
- 商业模式与竞争优势;
- 多年结构化趋势表;
- 最新财报及异常登记表;
- 针对异常的历史验证与风险等级;
- 利润质量、管理层、成长与可预测性;
- 三情景估值、反向估值和价格区间;
- 投资逻辑证伪条件;
- 关键数据来源与截止日期。
先讲结论,再解释证据。重要指标必须用普通语言说明“是什么、为什么重要、最坏意味着什么、证据是否支持”。
如果用户要求简版,只压缩表达,不跳过异常验证和估值假设。若生成投资结论图,它只能总结已经完成的文字分析,不能替代证据与解释。
完成标准
只有满足以下条件才结束:
- 多年趋势来自紧凑结构化数据,而不是大量原文堆叠;
- 最新年报和最新中期披露都已核验;
- 重要异常完成解释、反证和风险分级;
- 子 Agent(如使用)按问题返回有限证据包;
- 估值基于正常化盈利并展示关键假设;
- 结论包含不确定性和可观测的证伪条件。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

