股票产业估值分析
📖 技能介绍
id: stockansys name: stock产业分析助手 version: 3.0.0 description: 以"六层产业架构树"驱动CFA估值框架，输出可追溯、可复核、产业逻辑穿透的基本面分析报告。 author: VenyiAI
使用许可
- ✅ 允许个人学习、研究、非商业用途使用
- ✅ 允许修改后个人使用
- ❌ 禁止直接复制核心算法用于商业产品或竞争性服务
- ❌ 禁止移除或修改作者署名后重新分发
访问小葱技能站7w4.net，解锁更多实用的AI技能插件。
- ❌ 禁止将本技能包装成独立产品对外销售
免责声明： 本技能提供的分析结果仅供参考，不构成投资建议。使用者应自行判断并承担投资风险。
运行架构（分层引擎：自底向上穿透 + 自顶向下倒推）
L0 控制层 → modules/circuit_breaker_protocol.md 横切·全程监听12条熔断 L1 输入层 → 本文件「工作流·步骤1」 L2 认知层 → modules/industry_architecture_tree.md 六层架构树·引擎核心 L3 映射层 → modules/industry_valuation_mapping.md 产业→估值参数·脊柱 L4 校验层 → modules/financial_quality_analysis.md L5 计算层 → modules/valuation_methods.md L6 复核层 → modules/convergence_and_audit.md L7 输出层 → references/output_format_spec.md HTML专业排版单页报告
★ 硬约束：L5 计算层的每个估值参数必须携带来源标签（如 g=8% [来源:L2.3]）； 无来源标签的参数禁止入模。该约束由 scripts/consistency_checker.py 强制校验。
工作流（编排器视角，遇任一熔断立即移交 L0）
1.【L1】资料采集 → 输出《资料归档清单》《数据缺口清单》 └ Gate-1：股票代码或年报缺失 → 暂停，仅输出缺口清单 2.【L2】按 modules/industry_architecture_tree.md 完成六层穿透 └ 工具：industry_tree_builder / profit_pool_analyzer / concentration_analyzer └ Gate-2：主要矛盾不可识别 → 熔断#9 └ Gate-3：终局定位=边缘/出清 → 锁评级上限为"中性" 3.【L3】按 modules/industry_valuation_mapping.md 生成《产业-估值参数映射表》 4.【L4】按 modules/financial_quality_analysis.md 完成三表勾稽+财务质量 └ 工具：red_flag_checker；审计非标 → 熔断#1 5.【L5】按 modules/valuation_methods.md 完成方法选择+相对估值+DCF └ 工具：comparable_screener / wacc_adjuster / dcf_calculator 6.【L6】按 modules/convergence_and_audit.md 完成敏感性+情景+双向复核 └ 工具：consistency_checker；Gate-Final：一致性未过 → 熔断#10，退回 L2 7.【L7】输出一页式摘要 + 深度报告大纲 + 工作底稿 → HTML（专业排版单页报告，详见 references/output_format_spec.md）
查表索引
- 输出格式与HTML规范 → references/output_format_spec.md
- 全部阈值（财务+产业+评级）→ references/thresholds_library.md
- 行业/生命周期-估值方法选择 → references/industry_method_matrix.md
- 示例与边界案例 → references/few_shot_examples.md
- 使用方法与假设清单 → references/usage_guide.md
失败兜底
- 数据不足：列《数据缺口清单》，不得编造
- 触发熔断：按 circuit_breaker_protocol.md 处理
- 信息源冲突：审计后年报 > 季报 > 业绩快报 > 卖方研报 > 第三方产业库
- 产业判断与财务冲突：先回查产业数据真实性，再质疑财务质量
输出格式规范（L7）
→ 详见 references/output_format_spec.md
Python 数据获取脚本（scripts/）
本技能提供以下 Python 脚本，用于从通达信 MCP 接口获取原始数据，供后续分析模块使用。
依赖安装：pip install httpx（或 pip install -r requirements.txt）
认证配置：脚本自动从 ~/.workbuddy/connectors/.../.credentials.json 读取 Token；
也可设置环境变量 TDX_API_TOKEN。
| 脚本 | 功能 | 用法示例 |
|---|---|---|
tdx_mcp_client.py |
TDX MCP 核心客户端（被其他脚本调用） | 作为模块 import |
fetch_stock_full.py |
综合获取：单只股票全部分析数据 | python fetch_stock_full.py {股票代码} |
fetch_quotes.py |
实时行情（含 PE/PB/ROE） | python fetch_quotes.py {股票代码} --financial |
fetch_kline.py |
K线数据（日/周/分钟） | python fetch_kline.py {股票代码} day 250 |
fetch_financials.py |
财务报表（利润/资产负债/现金流） | python fetch_financials.py {股票代码} --type all |
fetch_shareholder.py |
股东信息（十大股东/控股股东/人数） | python fetch_shareholder.py {股票代码} |
fetch_reports.py |
研报 + 公告 | python fetch_reports.py {股票代码} --type all |
fetch_macro.py |
宏观经济数据（CPI/PMI/社融等） | python fetch_macro.py CPI --limit 12 |
输出目录：data/{code}/（由 fetch_stock_full.py 自动创建子目录）
L1 资料采集步骤建议使用
fetch_stock_full.py一次性获取全部数据， 输出结果直接作为 L2-L7 分析的输入底稿。
使用教程（WorkBuddy 技能包）
安装后如何调用
在 WorkBuddy 对话中，直接描述你的分析需求即可，AI 会自动加载本技能并完成分析：
请分析某上市公司（{股票代码}）的产业估值，输出完整报告
用 stock产业分析助手 对比分析 {股票A} 和 {股票B}
典型使用场景
场景一：完整深度分析（最常用）
输入：
请用完整流程分析某上市公司（{股票代码}），输出 HTML 报告
AI 执行流程： 1. 通过 TDX MCP 自动拉取行情、财务、股东、研报等全部数据（L1） 2. 完成六层产业架构树穿透分析（L2） 3. 生成产业→估值参数映射表（L3） 4. 财务质量校验（L4） 5. PE + 产业增强 DCF 估值计算（L5） 6. 敏感性分析 + 双向复核（L6） 7. 输出 HTML 报告（L7）
输出：outputs/{公司简称}_产业估值融合分析报告.html
场景二：快速筛选多只股票
输入：
请快速分析以下3只股票，各输出一页式摘要，帮我判断哪只最值得深入：
某白酒龙头A（{代码A}）、某白酒龙头B（{代码B}）、某白酒龙头C（{代码C}）
输出：每只股票一页式摘要（Executive Summary），含评级、目标价、核心逻辑、主要风险，便于快速对比决策。
场景三：更新已有分析报告
新季报发布后，重新分析：
输入：
某上市公司刚发布了最新季报，请重新获取最新财务数据，
更新之前的产业估值分析，重点看：
1. 实际业绩 vs 预测值的偏差
2. 产业判断是否需要调整
3. 目标价是否需要修正
场景四：港股 / 美股分析
输入：
请分析某港股标的（{港股代码}.HK）的产业估值
请用 DCF 估值分析某美股标的（{美股代码}）
TDX 接口支持 A股/港股/美股，直接提供股票代码即可。
场景五：只看特定层级
如果只需要其中某几层分析（例如已熟悉财务数据，只想看产业分析）：
输入：
我已经有了某上市公司的财务数据，请重点完成 L2 产业架构树分析
和 L3 参数映射，不需要重复做财务校验
输入格式说明
| 输入方式 | 示例 | 说明 |
|---|---|---|
| 中文名称 | {上市公司名称} |
AI 自动通过 TDX 查询代码 |
| A股代码 | {A股代码} 或 sh{A股代码} |
自动识别市场 |
| 港股代码 | {港股代码}.HK |
需带 .HK 后缀 |
| 美股代码 | {美股代码} |
直接输入 ticker |
| 多只股票 | 逗号或换行分隔 | AI 逐只分析后对比 |
输出内容说明
分析报告（HTML）包含以下 8 个区块：
| 区块 | 内容 | 用途 |
|---|---|---|
| 封面 | 评级、关键指标、分析日期 | 快速判断 |
| 一页式摘要 | 定性结论、KPI、核心逻辑、风险 | 决策参考 |
| L2 产业架构树 | 六层产业分析 | 理解生意本质 |
| L3 参数映射 | 估值参数来源表 | 复核依据 |
| L4 财务质量 | 三表勾稽、红旗指标、评分 | 财务可信度 |
| L5 估值计算 | PE + DCF 详细计算 | 目标价推导 |
| L6 复核 | 敏感性矩阵、情景分析、一致性校验 | 结果稳健性 |
| L7 风险 + Footer | 风险表、免责声明、开发方信息 | 风险提示 |
HTML 文件支持浏览器直接打开，也支持 Ctrl+P 打印为 PDF。
注意事项
- 数据时效：行情数据实时，财务数据随公司季报披露更新。分析前可让 AI 先确认数据是否为最新
- 分析耗时：完整 L1→L7 分析约需 5-10 分钟（AI 自动完成），请耐心等待
- 结果复核：AI 生成的分析报告供参考，重要投资决策请结合多方面信息综合判断
- 熔断提示：若数据不足或触发质量熔断，AI 会明确告知哪些结论不可用，不会掩盖风险
常见问题
Q：可以让 AI 只分析不生成报告吗？ A：可以。告诉 AI「只输出 L2 产业分析，不需要生成 HTML 报告」即可。
Q：报告中的目标价是怎么算出来的？
A：报告 L3 参数映射表列出了每个估值参数的取值和来源（如 WACC=9.2% [来源:L2.3]），L6 敏感性矩阵展示了关键假设变动对目标价的影响，全部可追溯。
Q：可以定制分析报告的输出格式吗？
A：可以。修改 references/output_format_spec.md 中的 HTML 结构和 CSS 样式规范，AI 下次生成报告时会遵循新的规范。
Q：分析中途可以打断或调整吗？ A：可以。在 AI 执行过程中随时可以补充指令，例如「暂停，先解释一下 L2 的产业链利润池结论」。
全局约束
✅产业先行（先 L2 后 L4/L5）✅数据保真（标来源：年报页码/Wind字段/公告日/研报名） ✅可追溯（每条结论引用原始数据或层级编号）✅双向验证（L6 产业↔财务互证） ❌编造财务数据/可比/行业规模/政策 ❌跳过任一层（除非显式熔断） ❌脱离产业逻辑直接套估值公式 ❌仅用"行业平均"作唯一可比基准
关于
技能开发：杭州梵熠智能科技有限公司
杭州梵熠智能科技有限公司专注企业级智能体定制开发，如有需要请联系 patentip113@163.com
如需定制专属产业分析智能体、企业体系管理智能体、或创新管理智能体等，欢迎邮件联系。
🤖 AI 评测
这个技能质量不错，专业度很高。优点是分析逻辑严谨，把产业分析和财务估值结合得很好，风险控制设计完善，输出的报告格式专业。缺点是需要较长的对话交互才能完成分析，对新手不太友好，上手门槛偏高。适合有一定基础的投资者使用，新手可能需要花费较多时间熟悉流程。
