{'>'}_
English 繁體中文 日本語 한국어 Deutsch Español Français
Login

科技股财报深度分析与多视角投资备忘录系统（v3.0）。覆盖A-P共16大分析模块、6大投资哲学视角、机构级证据标准、反偏见框架和可执行决策体系。当用户提到某科技公司财报分析、季报/年报解读、earnings call、收入增长分析、利润率变化、guidance指引、估值模型、DCF、反向DCF、EV/EBITDA、PEG、Rule of 40、管理层分析、竞争格局、持仓判断、是否买入/卖出/加仓某科技股、某公司最新财报怎么看、帮我做个deep dive、多角度估值、投资大师怎么看这家公司、variant view、key forces、kill conditions、筹码分布、高管团队、合作伙伴生态、宏观政策影响等话题时，务必使用此技能。即使用户只是笼统地问"帮我看看NVDA最新财报"或"META这季度表现如何"或"该不该继续持有MSFT"，也应触发此技能来提供全面的财报分析和多视角投资备忘录。此技能与us-value-investing技能互补——us-value-investing侧重长期价值四维评分，本技能侧重最新财报的深度拆解、多投资哲学的综合判断、以及可执行的持仓决策。

24 stars
2 forks
Python
53 views
View on GitHub Add to Favorites

SKILL.md

name: tech-earnings-deepdive description: 科技股财报深度分析与多视角投资备忘录系统（v3.0）。覆盖A-P共16大分析模块、6大投资哲学视角、机构级证据标准、反偏见框架和可执行决策体系。当用户提到某科技公司财报分析、季报/年报解读、earnings call、收入增长分析、利润率变化、guidance指引、估值模型、DCF、反向DCF、EV/EBITDA、PEG、Rule of 40、管理层分析、竞争格局、持仓判断、是否买入/卖出/加仓某科技股、某公司最新财报怎么看、帮我做个deep dive、多角度估值、投资大师怎么看这家公司、variant view、key forces、kill conditions、筹码分布、高管团队、合作伙伴生态、宏观政策影响等话题时，务必使用此技能。即使用户只是笼统地问"帮我看看NVDA最新财报"或"META这季度表现如何"或"该不该继续持有MSFT"，也应触发此技能来提供全面的财报分析和多视角投资备忘录。此技能与us-value-investing技能互补——us-value-investing侧重长期价值四维评分，本技能侧重最新财报的深度拆解、多投资哲学的综合判断、以及可执行的持仓决策。

output: directory: "~/.openclaw/workspace/output/tech-earnings-deepdive" naming: "{YYYY-MM-DD}{SYMBOL}{QUARTER}.{ext}" formats: ["html", "md"] # HTML 优先，除非用户要求否则不输出 MD examples: - "2026-03-24_AAPL_Q1.html" - "2026-03-24_NVDA_2026Q1.html"

触发条件

当用户提问包含以下任一模式时，触发此技能:

财报分析类

  • "[股票代码] 财报" / "[股票代码] earnings"
  • "[公司名] 季报" / "[公司名] 年报"
  • "[股票代码] Q[X] 业绩"
  • "帮我看看 [股票代码] 最新财报"
  • "[股票代码] 财报分析" / "[股票代码] earnings analysis"

投资决策类

  • "该不该 [买入/卖出/持有] [股票代码]"
  • "[股票代码] 目标价" / "[股票代码] price target"
  • "[股票代码] 估值分析" / "[股票代码] valuation"
  • "帮我做个 [股票代码] deep dive"
  • "[股票代码] 值得投资吗"

投资视角类

  • "巴菲特会怎么看 [股票代码]"
  • "[股票代码] 护城河" / "[股票代码] moat"
  • "[股票代码] 竞争优势"
  • "[股票代码] 长期价值"

联动触发

  • 当分析涉及宏观流动性时，自动建议运行 macro-liquidity
  • 当分析涉及市场情绪时，自动建议运行 us-market-sentiment
  • 当分析涉及 BTC 底部判断时，自动建议运行 btc-bottom-model

科技股财报深度分析与多视角投资备忘录 v3.0

定位与设计哲学

你正在为一位"大号散户"——自有资金、无LP、以季度和年度为持仓周期的科技股投资者——提供机构级的财报分析服务。

核心设计原则：

  • Key Forces驱动：不是16个模块平均用力，而是先找到1-3个决定性力量，然后围绕这些力量对16个模块做优先级排序——与Key Forces直接相关的模块深挖，其余正常覆盖
  • 多哲学对抗：同一组数据用6种完全不同的投资世界观来审视，让结论在碰撞中浮现
  • 一手证据优先：二手聚合网站是地板不是天花板，真正的分析要追溯到信息的源头
  • 可执行决策：不是"看好/看空"的模糊判断，而是"在什么价格做什么动作、如果什么条件触发就退出"
  • 季度追踪设计：每个模块内置QoQ（环比）和YoY（同比）对比框架，支持跨季度持续跟踪同一标的

执行总流程

第零步：Key Forces 识别（锚定1-3个决定性力量）
第一步：16大分析模块（A-P）
第二步：6大投资哲学视角审视
第三步：估值矩阵（多方法 + 敏感性 + IRR门槛）
第四步：反偏见与Pre-Mortem
第五步：决策框架与输出（含长期监控变量清单）

第零步：Key Forces 识别

在开始任何模块分析之前，先回答一个核心问题：

未来3-5年，有哪1-3个力量会根本性地改变这家公司的价值？

这些力量可能是：

  • AI/技术范式转移正在重塑这个行业
  • 监管政策正在创造或摧毁价值
  • 管理层正在执行一个市场尚未定价的战略转向
  • 竞争格局正在根本性地改变
  • 市场严重误解了某个结构性变化
  • 隐藏资产存在未被市场定价的变现潜力

两种模式：

  • 发现模式（Key Forces还不清楚）：先快速浏览模块A-P的概要数据，从中识别Key Forces
  • 验证模式（Key Forces已识别）：围绕这些力量对16个模块做深度/正常覆盖的优先级排序

反模式警告：如果分析写完后像一份"什么都涉及但什么都不深入"的清单，就是Key Forces没找准。与Key Forces直接相关的模块应获得2-3倍的篇幅。

第一步：16大分析模块

一手证据搜集标准（适用于所有模块）

分析的质量取决于证据的质量。对每个模块，按以下层级搜集：

层级 类型 举例 最低要求
第一层 一手来源（Primary） CEO原话、员工评价（Glassdoor/Blind）、客户评价（G2/AppStore）、GitHub活跃度、专利申请、招聘动向、内部人交易 全报告至少3个
第二层 事实来源（Facts） SEC文件（10-K/10-Q/8-K/DEF 14A）、财报数据、法庭文件 核心数据必须追溯至此
第三层 观点来源（Opinions） 卖方研报、新闻分析、价格目标汇总 可引用但不能作为唯一依据

永远不要编造引用。找不到原话就转述并注明来源。

模块A：收入规模与质量分析

核心问题：收入增长是"真的"还是"纸面上的"？增长来自哪里、质量如何、可持续吗？

必须回答：

A1. 收入构成拆解

  • 各业务线/产品线的绝对金额和占总收入的比例
  • 每条业务线的YoY增速和QoQ增速
  • 哪条线是增长引擎，哪条在拖后腿
  • 收入构成的变化趋势（新业务占比是在扩大还是缩小？）

A2. 增速趋势分析

  • 本季度YoY%和QoQ%
  • 连续4-8个季度的增速趋势线：加速、稳定、还是减速？
  • 本季度 vs 华尔街共识预期（beat/miss及幅度）
  • 如果能获取全年数据：本财年总收入 vs 上一财年，YoY增速

A3. 收入质量维度

  • 经常性收入占比（订阅/SaaS/recurring）：反映收入的可预测性和粘性
  • 有机增长 vs 收购增长：剔除并购后的真实增长率
  • 地理分布：是否过度依赖单一市场？国际收入占比及增速
  • 客户集中度：前5/10大客户占比，是否有单一客户依赖风险

搜索：[代码] revenue breakdown by segment Q[X] [代码] revenue vs estimate [代码] organic revenue growth [代码] revenue by geography

模块B：盈利能力与利润率趋势

核心问题：赚钱效率在变好还是变差？利润是"真金白银"还是"会计魔术"？

必须回答：

B1. 利润率三线追踪（每个都需要QoQ和YoY对比）

  • 毛利率（Gross Margin）：反映产品/服务的定价权和成本控制
  • 营业利润率（Operating Margin）：核心经营效率
  • 净利率（Net Margin）：最终落袋的比例
  • 趋势方向：三线是同步扩张、同步收缩、还是出现分化？

B2. GAAP vs Non-GAAP 差异审计

  • Non-GAAP利润比GAAP高出多少百分比？差距超过50%必须深挖
  • SBC（股票期权费用）占收入的比例——科技股最隐蔽的成本。超过15-20%意味着大量用股票而非现金付薪水，持续稀释现有股东
  • "一次性"调整项的频率——每个季度都有"一次性"就不是一次性

B3. 盈利vs预期

  • 本季度EPS vs 共识预期（beat/miss及幅度）
  • beat的质量：靠核心业务超预期还是靠一次性项目/税率变化？
  • 如能获取全年数据：本财年EPS vs 上一财年，增速

搜索：[代码] gross margin operating margin trend [代码] GAAP non-GAAP reconciliation [代码] stock based compensation percentage revenue [代码] EPS vs estimate

模块C：现金流与资本配置

核心问题：利润是纸面数字还是真金白银？管理层拿钱做了什么决定？

必须回答：

C1. 现金流质量

  • 经营性现金流（OCF）vs 净利润：如果长期背离（利润增长但OCF下降），重大红旗
  • 自由现金流（FCF）= OCF - CapEx
  • FCF Margin = FCF / Revenue：每赚100块有多少变成真正的自由现金
  • 应收账款周转天数（DSO）趋势：上升可能意味着放宽付款条件冲收入

C2. 资本支出方向

  • CapEx总额及占收入的比例，与同行对比
  • 钱花在了哪里？AI基础设施？数据中心？新产品？并购？
  • 历史CapEx的ROI：过去的大额投资是否产生了可衡量的回报？

C3. 资本回报方式

  • 回购金额：是否足以抵消SBC带来的股权稀释？计算净稀释率 = 新增SBC股数 - 回购股数
  • 分红变化（如有）
  • 并购支出及整合效果

C4. 资产负债表健康度

  • 净现金还是净负债？（现金+短期投资 - 总负债）
  • 债务到期时间表：近期是否有大额债务到期？
  • 利息覆盖倍数（EBIT / 利息支出）：低于3倍需警惕
  • 信用评级变化

搜索：[代码] free cash flow FCF margin [代码] capex breakdown [代码] buyback vs dilution net shares [代码] debt maturity schedule [代码] balance sheet cash debt

模块D：前瞻指引与管理层信号

核心问题：管理层对未来的真实判断是什么？言行是否一致？与过去的承诺相比，执行力如何？

必须回答：

D1. 指引vs预期（核心对比表）

维度 本季度实际 本季度指引 华尔街预期 上季度指引 Beat/Miss
收入
营业利润(率)
EPS
  • 下季度指引 vs 华尔街共识：高于/低于/符合？
  • 全年指引是否有上调或下调？

D2. 跨期对比

  • 本季度实际 vs 上季度实际（QoQ环比趋势）
  • 如能获取全年数据：本财年 vs 上一财年（年度增速）
  • 管理层过去4个季度的指引准确度：是惯性保守（经常beat）还是惯性乐观（经常miss）？

D3. 管理层语气与行为分析

  • Earnings Call关键表态：对宏观环境、竞争格局、新产品的措辞
  • 语气变化：与上季度相比更乐观还是更谨慎？是否出现新的关键词或回避某些话题？
  • 行为vs言语一致性：嘴上说"充满信心"但手上在卖股票？（结合模块L的内部人交易数据）

D4. 异常信号检测

  • 高管离职（尤其CFO）
  • 会计政策变更
  • 审计师更换（无合理理由的更换是最严重红旗之一）
  • 大额减记或重组费用

搜索：[代码] guidance Q[X] vs consensus [代码] earnings call transcript [代码] management guidance accuracy track record [代码] CFO CEO departure [代码] auditor change

模块E：竞争格局与行业位置

核心问题：这家公司在行业中处于什么位置？是在攻还是在守？天花板有多高？

必须回答：

E1. 行业赛道全貌

  • 所在行业/赛道的总市场规模（TAM）是多少？
  • 行业未来3-5年的预期复合增速（CAGR）是多少？
  • 行业处于什么阶段：早期爆发、高速增长、成熟稳定、还是衰退？
  • 行业的结构性驱动因素是什么（技术变革？监管推动？需求转移？）

E2. 行业排名与竞争对手对比

  • 这家公司在行业中排第几？市场份额是多少？份额在扩张还是萎缩？
  • 如果是第1名：第2、3名是谁？差距有多大？有被追上的风险吗？
  • 如果是第N名：前几名和后几名分别是谁？差距和追赶趋势如何？
  • 直接竞争对手的同期财报表现对比（收入增速、利润率、市场份额变化）
  • 竞争对手的估值倍数对比（作为模块K估值的参照系）

E3. 外部威胁评估

  • 是否有行业外部的巨头可能进入这个赛道？（例如：大型云厂商进入垂直SaaS、大型科技公司自研替代第三方工具）
  • 开源替代方案是否在成熟？对付费产品的威胁程度？
  • 行业增速 vs 公司增速：公司是在"抢蛋糕"（份额扩大）还是"随大流"（只是行业增长）？

E4. 护城河状态评估

  • 品牌/网络效应/成本优势/转换成本——哪些在变宽、哪些在被侵蚀？
  • 护城河的可量化证据（客户留存率、定价权、竞品切换成本）

搜索：[行业名] market size TAM forecast [行业名] market share ranking [代码] vs [竞争对手代码] comparison [代码] competitive moat [行业名] new entrants threats

模块F：核心观察指标（KPI Dashboard）

核心问题：对于这家特定公司，最能反映其业务健康度的2-5个"体温计"指标是什么？

这个模块不是通用清单，而是为这家公司量身定制的关键观察点。

按公司类型选择：

类型 核心观察指标 为什么重要
SaaS/云计算 ARR增长率、NDR（净留存率，>120%优秀）、RPO（剩余履约义务）、Rule of 40 这些指标比收入更能预测未来走势
消费互联网 DAU/MAU及比率、ARPU变化、用户参与时长、CAC/LTV比 用户基础的"质量"比"数量"重要
半导体/硬件 Backlog、Book-to-Bill、库存天数、Design Wins、ASP变化 订单和库存周期决定了未来2-3个季度的收入
广告驱动 广告主数量增长、每广告主平均支出、广告定价（CPM/CPC趋势） 广告是顺周期业务，这些指标领先于收入变化
平台/生态系统 开发者数量、第三方应用/插件数量、平台GMV/TPV 生态系统的健康度决定护城河的宽度

输出要求：为目标公司选定2-5个最核心的KPI，每个标注：

  • 本季度数值 vs 上季度 vs 去年同期
  • 趋势方向（改善/持平/恶化）
  • 这个指标如果恶化到什么程度，应该触发警报

搜索：[代码] key metrics KPI [代码] ARR growth 或 [代码] DAU MAU trend 或 [代码] backlog book to bill（按公司类型选择）

模块G：核心产品、新业务与市场叙事

核心问题：现有核心业务的竞争力如何？新增长点是否真实？市场对"新故事"买单吗？

必须回答：

G1. 核心产品/业务评估

  • 主力产品的市场竞争力：用户/客户的真实评价如何？（搜索G2、Trustpilot、App Store评分和评论趋势）
  • 产品创新节奏：最近12个月发布了什么重要的新功能/产品？
  • 定价权：过去12个月是否提价？客户对涨价的接受度如何？
  • 产品粘性的量化证据：NDR、churn rate（流失率）、续约率

G2. 新业务/增长引擎评估

  • 管理层声称的新增长点是什么？（例如：AI功能、新市场扩张、新产品线）
  • 新业务当前的收入贡献有多大？增速如何？
  • 新业务的商业模式是否已经验证？还是在"讲故事"阶段？
  • 新业务的TAM声称是否合理？（警惕TAM幻觉——宣称万亿市场但实际可触达的SAM可能只有十分之一）

G3. AI叙事的真实性检验（当前周期尤其重要）

  • "AI收入"的具体定义和口径——公司是否清晰披露？
  • AI收入是经常性的还是一次性硬件采购？
  • 客户是在试用还是已大规模部署？留存率数据？
  • 是"真AI创新"还是"给老产品贴AI标签"？

G4. 市场叙事买单程度

  • 分析师和市场对新业务/新叙事的态度：是在给溢价还是持怀疑态度？
  • 新叙事反映在估值倍数中了吗？（对比有AI叙事前后的倍数变化）
  • 叙事的可证伪时间点：什么时候应该兑现承诺？如果到期未兑现，叙事就破了

搜索：[代码] product reviews G2 [代码] new product launch [代码] AI revenue breakdown [代码] AI strategy skepticism bull case

模块H：核心合作伙伴与供应链生态

核心问题：这家公司的关键关系是否稳固？有没有"断链"风险？

必须回答：

H1. 关键合作伙伴关系映射

  • 公司最重要的合作伙伴是谁？（甲方客户、乙方供应商、战略联盟伙伴）
  • 关系的本质：是深度绑定（联合产品、排他协议）还是浅层合作（可替代）？
  • 合作关系的持续时间和最近的变化：是在加深还是在松动？

H2. 甲乙方依赖度评估

  • 作为乙方（供应商）：前几大客户贡献了多少收入？有没有"大客户依赖症"？某个大客户流失会怎样？
  • 作为甲方（采购方）：关键供应商有没有集中度风险？单一供应源的组件或服务？
  • 转换成本：如果合作关系破裂，双方的转换成本分别有多高？

H3. 潜在变数

  • 大客户是否在自研替代方案？（例如大型云厂商自研芯片替代第三方）
  • 合作伙伴是否同时也是竞争对手？（"亦敌亦友"关系的稳定性）
  • 地缘政治是否可能切断某些供应链关系？
  • 是否有合同到期续约的风险节点？

搜索：[代码] key customers partners [代码] customer concentration [代码] supply chain risk [公司名] partnership agreement [代码] [大客户名] relationship

模块I：高管团队与公司治理

核心问题：这些人是否值得信任来管理你的钱？公司治理结构对外部投资者是否友好？

必须回答：

I1. 核心管理层背景

  • CEO、CFO、CTO/CPO等关键高管的职业经历和行业声誉
  • 管理团队在这家公司的任期——团队稳定性如何？近12个月有没有关键人员流失？
  • 管理层在本行业的经验深度：是行业老兵还是"空降兵"？
  • 创始人是否仍在位？创始人主导的公司通常有更强的长期愿景但也可能有治理问题

I2. 管理层激励结构

  • 高管薪酬结构：固定薪资 vs 奖金 vs 股权的比例是多少？
  • 股权激励是基于什么指标？（收入增长？EPS？股价？TSR？）—— 激励指标决定了管理层会追求什么
  • 管理层自身持股比例：skin in the game有多少？
  • 高管的股权是归属中（vesting）还是已经可以随时卖出？

I3. 治理结构评估

  • 董事会独立性：独立董事占比，是否有关联交易
  • 投票权结构：是否有双层/多层投票权架构（dual-class shares）？如果创始人持有超级投票权，外部投资者实际控制力极弱
  • 股东友好度：历史上是否尊重股东利益？有没有损害小股东的先例？（如低价定向增发、高管天价薪酬包）
  • 反收购条款（poison pill等）：是否存在？

I4. 潜在的"坑"

  • Related party transactions（关联交易）
  • 审计委员会的独立性和专业性
  • 历史上的会计丑闻或SEC调查
  • 高管的诉讼或合规问题

搜索：[代码] executive team background [代码] CEO track record [代码] executive compensation proxy statement [代码] dual class shares governance [代码] board of directors independence [代码] SEC investigation

模块J：宏观环境与政策影响

核心问题：外部环境是这家公司的顺风还是逆风？有没有正在来的"政策炸弹"？

必须回答：

J1. 宏观经济影响

  • 利率环境：当前利率水平和预期走向对这家公司的影响
    • 高利率环境下：高增长未盈利公司承压（折现率上升压缩估值）、有息负债成本上升
    • 降息周期中：成长股受益、企业IT预算可能扩大
  • 流动性环境：美联储缩表/扩表周期对市场资金面的影响
  • 经济周期位置：这家公司的收入对经济周期敏感吗？（如广告业务高度顺周期，云基础设施相对抗周期）
  • 汇率影响：如果公司有大量国际收入，美元走强/走弱的影响

如果用户已安装 macro-liquidity 或 us-market-sentiment skill，建议联动使用。

J2. 政策与监管

  • 最新影响这家公司的法案、法规或监管动态
  • 合规资质和牌照：公司是否拥有必要的合规资质？是否面临被撤销的风险？
  • 反垄断：是否有正在进行的调查或诉讼？潜在的拆分/罚款风险
  • AI监管：最新的AI监管政策对公司业务的影响范围
  • 数据隐私法规（GDPR、CCPA等）的合规成本和限制
  • 行业特定监管（如金融科技的牌照要求、医疗科技的FDA审批等）

J3. 地缘政治

  • 中美关系对有大量中国收入或中国供应链的公司的影响
  • 出口管制和技术制裁：最新的芯片出口限制、实体清单变化
  • 区域冲突对供应链的影响

搜索：fed rate decision impact tech stocks [代码] regulatory risk [代码] antitrust investigation AI regulation latest legislation impact [代码] [代码] China revenue exposure [代码] export control impact

模块K：估值模型选择与核心假设

核心问题：用什么尺子量最合适？这把尺子的刻度基于什么假设？

执行此模块前，先读取 references/valuation-models.md

必须回答：

K1. 估值方法选择（至少2种，建议3-4种）

根据公司特征选择最适合的方法组合：

公司特征 首选方法 辅助方法
已盈利、成熟型 Owner Earnings、EV/EBITDA PEG、反向DCF
高增长、已盈利 PEG、反向DCF EV/EBITDA、Earnings Yield+ROIC
高增长、未盈利或微利 EV/Revenue + Rule of 40、反向DCF 参照上市可比公司的PS倍数
周期型 EV/EBITDA（用正常化利润） 重置成本

K2. 可比公司选择（Comps）

  • 核心业务模式最接近哪几家公司？
  • 这些可比公司的估值倍数（PE、EV/EBITDA、EV/Revenue）各是多少？
  • 目标公司应该拿到什么样的premium或discount？为什么？
  • 如果公司有多条业务线，是否需要分部估值（SOTP，Sum-of-the-Parts）？

K3. 核心假设表

假设 基准情景 牛市情景 熊市情景 来源/依据
收入增速 X% X% X% [依据]
利润率 X% X% X% [依据]
折现率/WACC X% X% X% [依据]
终值增长率 X% X% X% [依据]
估值倍数 Xx Xx Xx [依据]

K4. 敏感性分析表（必须）

至少一个二维矩阵展示关键假设变化对估值的影响。

K5. 概率加权情景与IRR

情景 概率 目标价 隐含回报 关键假设
牛市 XX% $XXX +XX% [1-2句]
基准 XX% $XXX +XX% [1-2句]
熊市 XX% $XXX -XX% [1-2句]

概率加权预期回报 → 隐含IRR → 是否过15%/20%门槛

IRR铁律：做多≥15%，做空≥20-25%。未达门槛 = PASS + 标注Action Price。

K6. Action Price推导（独立于当前股价）

独立估值 → 合理价值区间 → 减去15-20%安全边际 → Action Price → 然后才看当前股价

搜索：[代码] valuation EV/EBITDA PE ratio [代码] comparable companies peers valuation [代码] WACC cost of capital [代码] DCF fair value estimate Damodaran industry EV/EBITDA

模块L：筹码分布与持仓结构

核心问题：谁在买、谁在卖、多空力量对比如何？

必须回答：

L1. 股权结构

  • 核心/创始人股东持股比例
  • 内部高管整体持股比例
  • 前10大机构股东及其持仓变化（增持/减持）
  • 机构持股总占比 vs 散户持股占比

L2. 资金流向

  • 最近1-2个季度的13F数据：哪些知名基金新建仓？哪些在加仓？哪些在减仓？
  • 是否有知名价值/成长型基金大幅变动持仓？
  • ETF持仓权重变化：是否面临指数调整的买入/卖出压力？

L3. 多空对比

  • 空头仓位（Short Interest）占流通股的比例
  • 空头回补天数（Days to Cover）
  • 做空成本（borrow rate）：如果很高，说明空头拥挤
  • 是否有知名做空机构发布做空报告？

L4. 内部人行为

  • 管理层近3-6个月的买卖记录（SEC Form 4）
  • 是在规律性卖出（10b5-1计划，通常是正常的税务/多元化安排）还是异常大额卖出？
  • 有没有高管在"静默期"前后异常交易？
  • 高管整体是净买入还是净卖出？

L5. 股票流动性（影响仓位管理）

  • 日均成交量和成交额
  • 买卖价差（bid-ask spread）
  • 对于你的资金规模，建仓/清仓需要多少天不造成显著市场冲击？

搜索：[代码] institutional holders top shareholders [代码] 13F filings latest [代码] short interest days to cover [代码] insider buying selling SEC Form 4 [代码] average daily volume

模块M：长期监控变量清单

核心问题：买入之后，我应该盯着什么？什么信号告诉我加仓、什么信号告诉我跑？

这个模块是整份报告的"操作手册"，将前面所有分析转化为可持续跟踪的变量。

必须回答：

M1. 增量Driver（看多的条件持续成立的证据）

列出3-5个最关键的增长驱动因素，每个附带：

  • 量化的跟踪指标
  • 季度检查的基准值
  • 数据来源

示例："AI业务收入增速维持>50% YoY → 每季度通过财报确认 → 如果连续降至<30%，下调conviction"

M2. 潜在的"雷"（可能导致无法长期持有的风险）

列出3-5个最危险的风险因素，每个附带：

  • 为什么这是一颗"雷"而不只是"风险"
  • 今天能观察到什么早期预警信号
  • 如果"雷"爆了，预期的影响幅度

M3. Action Trigger（操作触发条件）

信号 动作 幅度
如果[具体、可量化的正面条件] 加仓 [比例]
如果[具体、可量化的负面条件] 减仓 [比例]
如果[具体、可量化的严重负面条件] 清仓 全部
如果股价回调至$XXX（基于估值而非感觉） 首次建仓/加仓 [比例]

关键要求：每个trigger必须是具体的、可量化的、可验证的。"如果增长放缓"不及格，"如果连续2个季度收入增速低于15%"才及格。

模块N（补充）：研发效率与创新管线

核心问题：这家公司的"未来"是否有足够的弹药？

必须回答：

  • R&D支出占收入的比例，与同行对比
  • R&D效率衡量：每投入1元研发，产出了多少新收入或多少专利？
  • 创新管线（Innovation Pipeline）：正在开发中的重要产品/功能有哪些？
  • 专利组合：核心专利数量、新增速度、覆盖领域
  • 人才竞争力：核心技术人才的获取和留存情况（可参考Glassdoor评分、Blind评论、LinkedIn招聘活跃度）

搜索：[代码] R&D spending percentage revenue [代码] patent filings [代码] product roadmap [公司名] glassdoor engineering reviews

模块O（补充）：会计质量信号

核心问题：财报数字本身是否可信？有没有"美化"的痕迹？

必须回答：

  • 应计比率（Accruals Ratio）：(净利润 - 经营现金流) / 总资产。如果持续高于5-10%，利润中"非现金"成分过高，质量可疑
  • 收入确认政策变更：最近是否有会计政策变更影响收入确认时点？
  • 递延收入（Deferred Revenue）趋势：对SaaS公司尤其重要——如果递延收入增速低于收入增速，可能预示未来放缓
  • 表外项目：经营租赁承诺、或有负债、非并表的投资或SPV（特殊目的载体）
  • 审计意见：最近一次审计意见是无保留意见吗？有没有强调事项段？

搜索：[代码] accounting quality accruals [代码] deferred revenue trend [代码] off balance sheet [代码] audit opinion

模块P（补充）：ESG与机构资金流入/流出筛查

核心问题：有没有非基本面的资金流入/流出因素需要考虑？

为什么重要：越来越多的大型机构（主权基金、养老金）有ESG筛选标准。一只股票即使基本面优秀，如果被大型机构列入ESG排除名单，可能面临持续的资金外流压力。反过来，ESG评级提升可能带来被动资金流入。

必须回答：

  • 公司的主要ESG评级（MSCI ESG Rating、Sustainalytics等）
  • 是否有ESG相关的争议事件可能导致机构投资者撤出？
  • 指数纳入/剔除预期：是否可能被纳入或剔除主要指数（S&P 500、MSCI系列等）？这会带来被动资金的大幅买入/卖出

搜索：[代码] ESG rating MSCI [代码] index inclusion exclusion [代码] institutional investor controversy

第二步：6大投资哲学视角

执行此步骤前，先读取 references/investing-philosophies.md

用6种不同的投资世界观审视同一组数据。这种"内部辩论"本身就是去偏见的过程。

视角 代表人物 核心问题 时间范围 关键指标
质量复利 巴菲特、芒格 20年后这家公司会更强吗？ 永久 ROIC趋势
想象力成长 Baillie Gifford、ARK 如果一切顺利，上行空间有多大？ 5年+ 收入增长
基本面多空 Tiger Cubs 市场漏掉了什么？Variant View是什么？ 1-3年 EV/EBITDA
深度价值 Klarman、Howard Marks 私人买家会出多少钱买下整家公司？ 耐心等待 重置成本
催化剂驱动 Tepper、Ackman 什么具体事件会触发市场重新定价？ 6-18月 催化剂时间线
宏观战术 Druckenmiller 当前流动性环境对这只股票意味着什么？ 随周期 美联储政策

对每个视角回答：

  1. Long / Short / Pass？
  2. 核心理由（1-2句）
  3. 最大风险
  4. 如果Pass：哪种风格的投资者可能有不同看法？

第三步：Variant View（变异视角）

这是整份报告的灵魂。 如果你的结论和市场共识完全一致，你的分析没有增加任何价值。

市场共识认为___。我们认为___。他们错了因为___。

回答：

  • 市场当前的共识定价隐含了什么假设？（通过分析师评级分布、远期PE、反向DCF隐含增长率来判断）
  • 这个假设为什么是错的？
  • 证据链是什么？

第四步：反偏见与 Pre-Mortem

执行此步骤前，先读取 references/bias-checklist.md

包含：6大认知陷阱自检、7大财务红旗、5大科技股盲区、Pre-Mortem事前尸检。

第五步：综合判断与输出

输出模板

# $[代码]: [一句话浓缩投资论点——这个标题就是你的Variant View]

## 执行摘要

[2-3段直接给出结论、conviction level和核心理由。第一句话就是推荐动作。]

**TL;DR:**
- [推荐动作 + 信心水平]
- [最核心的Key Force]
- [最大风险 / Kill Condition]
- [估值 vs 当前价格 + 隐含IRR]

---

## Key Forces（决定性力量）

[1-3个Key Forces的深入分析，每个2000-3000字符，一手来源引用]

---

## A. 收入规模与质量
[A1-A3的分析结果]

## B. 盈利能力与利润率
[B1-B3的分析结果]

## C. 现金流与资本配置
[C1-C4的分析结果]

## D. 前瞻指引与管理层信号
[D1-D4的分析结果，含QoQ/YoY对比表]

## E. 竞争格局与行业位置
[E1-E4的分析结果，含行业排名和竞争对手对比]

## F. 核心观察指标
[为这家公司量身定制的2-5个KPI及跟踪基准]

## G. 核心产品与新业务叙事
[G1-G4的分析结果]

## H. 合作伙伴与供应链生态
[H1-H3的分析结果]

## I. 高管团队与治理
[I1-I4的分析结果]

## J. 宏观与政策影响
[J1-J3的分析结果]

---

## K. 估值矩阵

### 多方法估值对照
| 方法 | 估值/信号 | 判断 | 关键假设 |
|------|----------|------|---------|
| ... | ... | ... | ... |

### 可比公司倍数对照
| 公司 | PE | EV/EBITDA | EV/Revenue | 增速 | 备注 |
|------|-----|----------|-----------|------|------|
| 目标公司 | | | | | |
| 可比1 | | | | | |
| 可比2 | | | | | |

### 敏感性分析
[二维矩阵表]

### 概率加权情景
| 情景 | 概率 | 目标价 | 回报 | 关键假设 |
|------|------|--------|------|---------|
| 牛市 | XX% | $XXX | +XX% | ... |
| 基准 | XX% | $XXX | +XX% | ... |
| 熊市 | XX% | $XXX | -XX% | ... |

**概率加权预期回报**：$XXX（+XX%）| **隐含IRR**：XX%

---

## L. 筹码分布
[L1-L5的分析结果]

---

## 变异视角（Variant View）
**市场共识**：...
**我们的观点**：...
**为什么市场错了**：...

## 6大投资哲学视角汇总
| 视角 | 结论 | 核心理由 | 最大风险 |
|------|------|---------|---------|
| ... | ... | ... | ... |

## Pre-Mortem：如果2年后亏了钱
1. 失败路径A：...
2. 失败路径B：...
3. 失败路径C：...

## 反偏见检查结果
### 🔴 红旗 | ### 🟡 黄旗 | ### ✅ 绿灯

---

## M. 长期监控变量清单

### 增量Driver
| # | 驱动因素 | 跟踪指标 | 当前基准值 | 检查频率 |
|---|---------|---------|-----------|---------|
| 1 | ... | ... | ... | 每季度 |

### 潜在的"雷"
| # | 风险因素 | 早期预警信号 | 影响幅度 |
|---|---------|------------|---------|
| 1 | ... | ... | ... |

### Action Trigger
| 信号 | 动作 | 幅度 |
|------|------|------|
| 如果[正面条件] | 加仓 | X% |
| 如果[负面条件] | 减仓 | X% |
| 如果[严重负面条件] | 清仓 | 全部 |
| 股价回调至$XXX | 建仓/加仓 | X% |

---

## 决策框架

**持仓分类**：[核心持仓 / 战术持仓 / 做空候选 / PASS]
**Action Price**：买入$XXX | 加仓$XXX | 减仓$XXX
**建仓节奏**：[分N批，每批XX%]
**仓位**：占科技股配置的X%（理由：...）

---

## 证据来源
| # | 来源 | 链接 | 类型(一手/事实/观点) | 摘要 |
|---|------|------|-------------------|------|

## ⚠️ 免责声明
此分析基于公开信息和模型推算，仅供研究参考。不构成投资建议。

写作纪律

  • 开头直接给结论，不要"本报告旨在分析..."
  • 80%以上主动语态
  • 删除废话词：actually、really、basically、essentially
  • 有证据时断言，真正不确定时诚实标注
  • 与Key Forces直接相关的模块给2-3倍篇幅，其余正常覆盖
  • 结尾是Action Trigger和监控清单，而非拖沓的总结

与已有Skills的协同

  • us-value-investing：完成本分析后，建议额外运行四维价值评分做交叉验证
  • us-market-sentiment：模块J涉及宏观情绪时联动
  • macro-liquidity：流动性环境是Key Force时联动

与子技能的协同工作流

📊 技能架构图

┌─────────────────────────────────────────────────────────┐
│           tech-earnings-deepdive (主技能)                │
│   16 模块分析 + 6 大投资视角 + 估值矩阵 + 决策框架          │
└────────────────────┬────────────────────────────────────┘
                     │
         ┌───────────┼───────────┬───────────┐
         ▼           ▼           ▼           ▼
┌─────────────┐ ┌─────────┐ ┌──────────┐ ┌──────────┐
│us-value-    │ │macro-   │ │btc-bottom│ │us-market │
│investing    │ │liquidity│ │-model    │ │sentiment │
│四维价值评分  │ │流动性   │ │BTC 底部   │ │市场情绪   │
│(ROE/负债/   │ │(Fed/    │ │(RSI/     │ │(NAAIM/   │
│现金流/护城河)│ │SOFR/MOVE│ │MVRV/矿工)│ │机构/散户) │
└─────────────┘ └─────────┘ └──────────┘ └──────────┘

场景 1: 完整科技股分析（推荐）

步骤:

  1. 运行主技能 tech-earnings-deepdive 进行 16 模块深度分析
  2. 联动子技能 根据分析内容自动建议运行相关子技能：
    • 模块 D(ROE 可持续性) → 建议运行 us-value-investing 交叉验证
    • 模块 J(宏观流动性) → 建议运行 macro-liquidity 获取环境评估
    • 模块 L(市场情绪) → 建议运行 us-market-sentiment 获取 sentiment 数据
  3. 综合判断 整合主技能和子技能结果，形成最终投资建议

触发条件:

用户："帮我分析一下 AAPL 最新财报"
     ↓
主技能分析完成
     ↓
检测到模块 D ROE 评分高 → 建议："建议运行 us-value-investing 进行四维价值评分交叉验证"
检测到模块 J 提及流动性紧张 → 建议："建议运行 macro-liquidity 评估宏观环境"

场景 2: 宏观驱动分析

步骤:

  1. 先运行 macro-liquidity 评估流动性环境
  2. 如流动性评级为"紧张"或"危险"，在模块 J 中引用并调整仓位建议
  3. 根据流动性评级调整整体科技股仓位

示例:

macro-liquidity 输出：流动性评级 = "危险"
     ↓
tech-earnings-deepdive 模块 J 引用：
"当前宏观流动性处于危险水平 (SOFR 飙升，MOVE 指数高位)，建议降低科技股仓位至 50%"
     ↓
最终仓位建议：从 100% 降至 50%

场景 3: 加密货币分析

步骤:

  1. 运行 btc-bottom-model 判断底部区域
  2. 如进入底部区域，联动 macro-liquidity 确认宏观环境
  3. 综合判断建仓时机

示例:

btc-bottom-model 输出：底部评级 = "深度底部区"
macro-liquidity 输出：流动性评级 = "改善中"
     ↓
综合建议："BTC 进入底部区域，宏观流动性改善，建议分批建仓 (30% → 50% → 20%)"

场景 4: 市场情绪极端时

步骤:

  1. 运行 us-market-sentiment 评估市场情绪
  2. 如情绪极端 (极度贪婪/极度恐惧)，在主技能中调整反向操作建议
  3. 结合估值矩阵判断是否逆向投资

示例:

us-market-sentiment 输出：情绪评级 = "极度恐惧" (NAAIM < 20)
     ↓
tech-earnings-deepdive 模块 L 引用：
"市场情绪极度恐惧，历史上这是逆向买入的良机"
     ↓
投资建议："建议逆向建仓优质科技股，优先选择现金流强劲、估值合理的标的"

输出格式说明

默认输出: HTML 格式（美观、可交互、适合分享）

MD 格式: 仅在用户明确要求时输出（如"输出为 markdown"）

文件命名:

  • 主技能：2026-03-24_AAPL_Q1.html
  • us-value-investing: 2026-03-24_AAPL_value.html
  • macro-liquidity: 2026-03-24_AAPL_macro.html
  • btc-bottom-model: 2026-03-24_BTC_bottom.html
  • us-market-sentiment: 2026-03-24_market_sentiment.html

所有输出文件统一存放在 ~/.openclaw/workspace/output/tech-earnings-deepdive/