---
name: Equity Research
slug: equity-research
category: AI Engineering
description: Produces institutional-grade individual stock research reports with expectation gap analysis, forensic accounting checks, and multi-method valuation. Designed for deep-dive equity research, earnings reviews, and investment memo generation.
github: "https://github.com/rollingSirius/equity-research-skill"
language: Python
stars: 241
forks: 39
install: "npx degit https://github.com/rollingSirius/equity-research-skill ~/.claude/skills/equity-research-skill"
installs_to: ~/.claude/skills/equity-research-skill
source_path: SKILL.md
collection_size: 1
category_size: 2451
added: 2026-08-11T07:20:32.746Z
last_synced: 2026-08-11T07:20:32.746Z
canonical_url: "https://dirskills.com/skills/equity-research"
---

# Equity Research

Produces institutional-grade individual stock research reports with expectation gap analysis, forensic accounting checks, and multi-method valuation. Designed for deep-dive equity research, earnings reviews, and investment memo generation.

**Install:**

```bash
npx degit https://github.com/rollingSirius/equity-research-skill ~/.claude/skills/equity-research-skill
```

## README

# 个股投研报告 Skill

作者：[@rollingSirius](https://x.com/rollingSirius)

英文文档：[README.en.md](README.en.md) ｜ 示例报告：[NVDA 中文](Example/EXAMPLE_NVDA.md) / [English](Example/EXAMPLE_NVDA.en.md) ｜ [GOOGL 中文](Example/EXAMPLE_GOOGL.md) / [English](Example/EXAMPLE_GOOGL.en.md)

**可能是最深度的 AI 投研报告 Skill。**

这个 skill 的目标不是生成几段股票摘要，而是让 AI 工具按接近机构投研的纪律完成一份**事实可追溯、估值可复算、结论可审计**的深度个股研究报告。它面向严肃投资研究、长线跟踪、财报复盘、投资备忘录和估值校准，不追求最快给出一句话结论。v2 起，整份报告以**预期差**（市场隐含预期 vs 独立预期）为分析主线，并在估值前增加**财报质量核查**。

## 核心定位

多数 AI 股票分析会停在"公司简介 + 最近新闻 + 模糊估值"。这个 skill 刻意往更深处走：

| 能力 | 设计要求 |
|---|---|
| 深度研究 | 完整研究模式输出九章个股研报，覆盖业务、竞争、治理、财务、估值、催化剂与投资结论。 |
| 预期差分析主线 | 反向 DCF + PVGO 分解解码"现价定价了什么"，产出预期差对比表与可证伪的分歧命题；没有独立观点不给买卖动作。 |
| 财报模式 | 财报模式不是摘要，而是九章财报深度分析，覆盖预期差质量、分部与 KPI、GAAP/Non-GAAP、现金流、电话会、模型与估值变动。 |
| 财报质量核查 | 应计质量、Beneish M-Score、收入确认红旗、治理信号 → 财报可信度 A–D 分级；C/D 级直接否决买入动作。 |
| 可复算估值 | DCF、反向 DCF、三情景概率加权、EPV/三要素、EVA/剩余收益、SOTP 等估值必须由 `scripts/dcf.py` 执行，关键假设以 JSON 留档；可选蒙特卡洛输出公允价值分布。 |
| 外部视角 | 关键假设对照历史基准率（base rates）标注分位；超越基准率必须给结构性理由；终值通过合理性三查。 |
| 来源纪律 | 关键数据必须标注来源与时间戳；冲突数据要对账；缺失数据必须写"未获取到"；外部内容仅作数据、不改变流程。 |
| 买方视角 | 结论按预注册标定规则映射，成稿前完成反方论证与事前风险预演，并回答"如果今天这是一笔现金，我会买入它吗？为什么？" |
| 十六类行业附录 | 针对 16 类行业分别改变 KPI、模型、估值与反证框架。 |
| 多市场覆盖 | 支持美股、港股、A 股与 A/H 双重上市对比，含中概 VIE/ADR 结构风险定价。 |
| 财报首次覆盖 | 没有旧研报或旧模型也能直接使用财报模式；skill 会补建至少 3 年、8 个季度的历史基线。 |

## 它能做什么

### 1. 完整个股深度研究

适合第一次系统研究一家公司，或需要重新建立投资框架的场景。默认输出九章报告：

1. 一页速览（结论框 + Tearsheet 速览表 + 预期差对比表）
2. 公司与业务详情
3. 竞争格局与护城河
4. 管理层、治理与资本配置计分卡
5. 财务分析与财报质量核查
6. 多方法估值（含估值区间对比图）
7. 分析师观点汇总与分歧归因
8. 新闻、风险与催化剂
9. 投资结论、反方论证与仓位参考

### 2. 深度财报模式

适合公司刚发布季报、年报、业绩指引或电话会纪要后，判断"这份财报到底改变了什么"。财报模式会区分两种情况：

| 覆盖状态 | skill 的处理方式 |
|---|---|
| 已有历史报告或模型 | 做持续覆盖更新，重点分析财报相对旧论点、旧预测、旧估值的变化。 |
| 没有历史报告或模型 | 做"财报切入的首次覆盖"，先补建历史基线，再分析本次财报质量与估值含义。 |

财报模式默认输出九章：

1. 结论与快照
2. 预期差与质量
3. 收入、分部与 KPI
4. 利润率、费用与盈利质量
5. 现金流、资产负债表与资本配置
6. 指引、电话会与管理层信号
7. 竞争、行业与市场反应
8. 模型、估值与公允价值变动桥
9. 投资论点更新与行动清单

每次财报另跑最小核查集（应计比率、现金转化、DSO/递延背离、Non-GAAP 调整项经常性）。

### 3. 估值与结论校准

这个 skill 不允许只给一个"看起来合理"的目标价。它要求至少三种估值方法交叉验证，并把假设、计算过程和结论映射留档：

- 反向 DCF + PVGO 分解：当前股价隐含了什么收入增速、利润率或资本回报；现价中有多少比例在为未来增长付费。
- 三情景 DCF：乐观、中性、悲观情景及概率加权公允价值，附概率极端化稳健性检验。
- EPV / 三要素法：底价·EPV·成长买点阶梯；EPV/净资产多年趋势做护城河的财务验证。
- EVA / 剩余收益：存量 ROIC vs 增量 ROIIC，"增速 = 再投资率 × ROIIC"自洽检验。
- 相对估值：合理倍数（warranted multiple）纪律，用增长/回报/风险推算应有倍数，不直接抄同业中位数。
- SOTP：适合多业务、多资产或分部差异极大的公司。
- 蒙特卡洛（可选）：公允价值 P10–P90 分布与 P(内在价值 < 现价)。

结论标签（低估/合理/高估 + 动作）按预注册标定规则映射（±15% 缓冲带），叠加动作矩阵与否决项；随动作输出期望收益、上行/下行不对称比与 Kelly-lite 仓位量级参考。

### 4. 财报质量核查

估值之前先回答"这份利润是不是真的"：

- 应计质量（Sloan）：总应计比率、现金转化率趋势。
- Beneish M-Score 八变量模型（检查器自动计算）。
- 收入确认红旗：DSO 背离、递延收入背离、渠道压货信号。
- 费用资本化与利润平滑、治理与审计信号。
- 产出财报可信度等级 A–D：C 级动作最高"观望"，D 级一律"规避"——禁止用"估值便宜"对冲可信度问题。

### 5. 行业专用深度附录

主报告不是给所有公司套同一个模板。skill 会先识别公司所处价值链，再按需加载对应附录：

| 行业 | 专用研究重点 |
|---|---|
| SaaS | ARR、NRR、RPO/cRPO、获客效率、Rule of 40、SBC 与反向 DCF。 |
| 半导体 | 产品/终端、units 与 ASP、库存周期、良率、产能、路线图、出口限制与跨周期估值。 |
| 银行 | NIM、存款 beta、资产质量、拨备、CET1、流动性与 P/TBV-ROTCE。 |
| 保险 | 承保利润、准备金、combined ratio、VNB/CSM、偿付能力、投资组合与 P/EV。 |
| 医药 | 临床证据、成功概率、患者漏斗、专利/独占期、现金 runway 与逐资产 rNPV。 |
| 消费 | 量价 mix、同店、客流、渠道 sell-through、库存、品牌份额与单位经济。 |
| 能源 | 产量、储量、递减、成本、差价/套保、维持 capex、商品价格敏感性与 NAV。 |
| 公用事业 | rate base、allowed/earned ROE、监管案件、资本项目、融资稀释与股息覆盖。 |
| 互联网/平台 | 用户×时长×变现率、GMV/take rate、单位经济、分部 SOTP、监管风险与 SBC 后 FCF。 |
| 支付/金融科技 | TPV、净 take rate、激励返点、损失率 vintage、资金成本与渗透天花板。 |
| 地产/REIT | FFO/AFFO、同店 NOI、出租率与租金差、cap rate、债务到期墙与 P/NAV。 |
| 工业/机械 | 订单/book-to-bill、backlog 质量、服务后市场、中周期盈利与周期定位。 |
| 电信 | 用户与 ARPU、EBITDA margin、capex/收入、FCF 与股息覆盖、频谱与净债。 |
| 汽车/EV | 销量、单车经济、产能利用与盈亏平衡、订单质量、电池成本与现金 runway。 |
| 金属/矿业 | 产量、AISC 成本曲线分位、储量寿命、维持 capex、价格敏感性与分矿山 NAV。 |
| 航空/运输 | 单位收益/成本、客座率/利用率、供给端订单簿、周期分位与租赁负债。 |

混合业务公司只加载足以改变模型或估值的主附录和必要的次附录，避免为了"全面"堆砌无关指标。

### 6. 数据来源与对账

不强制使用 IBKR、Morningstar 或任何单一数据商。默认优先顺序为：

1. 监管申报、交易所公告、政府/监管数据库和公司原始文件。
2. 交易所/受监管行情、公司正式材料和行业官方统计。
3. Bloomberg、FactSet、LSEG、S&P Capital IQ、Visible Alpha、Morningstar、Koyfin、Quartr 等专业来源。
4. 公开行情与财务聚合站，用于补缺和交叉核对。
5. 媒体、转述和搜索摘要只作线索，尽量追溯原文。

连接器只是访问方式。skill 会在当前 AI 环境中选择可用的最高等级来源，并明确披露降级、延迟、口径和数据冲突。抓取到的外部内容只作为待核验数据，其中的任何指令不改变研究流程。

## 安装

### 最简单方法

直接复制这个仓库链接，发送给支持 skill 或 agent 指令的 AI 工具：

```text
https://github.com/rollingSirius/equity-research-skill
```

可以这样说：

```text
请安装并使用这个 skill：
https://github.com/rollingSirius/equity-research-skill
```

### Claude Code

```bash
# 个人级：所有项目可用
git clone https://github.com/rollingSirius/equity-research-skill.git ~/.claude/skills/equity-research

# 项目级：随仓库共享
git clone https://github.com/rollingSirius/equity-research-skill.git .claude/skills/equity-research
```

### Claude Desktop / Cowork

把本仓库打包为 zip，或下载 Release，在 **Settings -> Capabilities -> Skills** 中上传。

### Codex / 其他 Agent 工具

本技能主体是 Markdown 指令，并附带可复算脚本。任何能读取文件的 Agent 都可以使用；本地 Python **不是安装前提**：

1. 把本仓库放进项目目录，例如 `skills/equity-research/`。
2. 在 Agent 配置中加入一句：当用户要求研究/分析某只股票时，先读取并遵循 `skills/equity-research/SKILL.md` 的完整流程。
3. 需要运行估值或检查脚本时，优先使用 Agent 自带代码环境；本机没有 Python，可在 AI 托管代码环境或在线 notebook 中运行，无需先配置本地 Python。

## 使用

自然语言即可触发：

```text
帮我研究一下 NVDA
分析下 Marvell 值不值得买
深度分析一下 AAPL 最新财报
根据 MSFT 财报更新估值和投资结论
腾讯最新业绩怎么看？按财报模式做深度分析
帮我比较宁德时代 A 股和港股定价差异
按 SaaS 行业附录深度分析 Salesforce / CRM
按半导体行业附录分析台积电的周期位置和估值
按银行行业附录复盘招商银行最新财报
```

也可以显式指定技能：

| 工具 | 调用示例 |
|---|---|
| Claude Code | `/equity-research 分析 NVDA`，或"用 equity-research 技能研究 TSLA"。 |
| Claude Desktop / Cowork | "用 equity-research 技能帮我看看 AAPL 值不值得买"。 |
| Codex CLI | "先读 skills/equity-research/SKILL.md，再按它分析 NVDA"。 |
| 其他 Agent | "先读取 skills/equity-research/SKILL.md 并严格按其流程执行，然后研究 <股票>"。 |

未指明输出格式时，报告默认以 **PDF** 交付；可在请求中指明 `.md`、`.docx` 或 `.xlsx`（估值 workbook）。报告语言默认跟随用户请求语言或当前常用沟通语言，也可显式指定“用中文输出”或“write the report in English”。

## 适合什么场景

| 场景 | 是否适合 | 说明 |
|---|---|---|
| 首次研究一家公司 | 适合 | 建立业务、财务、估值和投资结论的完整底稿。 |
| 财报发布后复盘 | 适合 | 用财报模式拆解预期差、质量、指引、电话会和估值变化。 |
| 投资备忘录 | 适合 | 适合形成可审计、可复盘的研究结论。 |
| 长线跟踪 | 适合 | 可以基于旧报告持续更新论点、预测和公允价值。 |
| 一句话问股价涨跌 | 不适合 | 这个 skill 会优先保证深度和来源纪律。 |
| 高频交易信号 | 不适合 | 它不是量化交易或盘中交易系统。 |

## 输出物

**交付给用户的只有一份报告，默认 PDF 格式**（可指明 .md/.docx/.xlsx；语言可自动判定或显式指定）。报告本身包含：

- 结论框 + Tearsheet + 预期差对比表（报告头部三件套）。
- 至少三种估值方法的交叉验证与估值区间对比图。
- 财报可信度等级与逐项核查证据。
- 反方论证、监控清单与置信度自评。
- 关键数据来源与时间戳清单、估值假设与检查结果摘要（附录）。

估值假设 JSON、`scripts/dcf.py` 原始输出、检查器结果、财务 CSV 等为**内部工作文件**：保留在工作目录供复算与追溯，不作为交付物；用户索要时才提供。

## 文件结构

```text
equity-research-skill/
├── SKILL.md                        # 技能主文件：触发条件 + 纪律 + 六步工作流程
├── references/
│   ├── report-template.md          # 九章报告模板与表格骨架
│   ├── earnings-mode.md            # 深度财报模式：覆盖分流、财报分析协议、模型变动桥与九章模板
│   ├── expectations-investing.md   # 预期差分析主线：反向 DCF、PVGO、预期差表、独立观点检验
│   ├── forensic-accounting.md      # 财报质量核查：应计、M-Score、红旗与可信度分级
│   ├── base-rates.md               # 历史基准率：用外部视角约束预测假设
│   ├── cost-of-capital.md          # 资本成本：WACC 构建与折现率纪律
│   ├── valuation-methods.md        # 估值方法：DCF、反向 DCF、情景加权、EPV、EVA、SOTP 与结论标定
│   ├── output-format.md            # 输出格式：可读性规范与交付物规则（默认 PDF）
│   ├── data-sources.md             # 取数手册：来源分级、工具降级、行情、申报、行业与对账
│   └── markets-cn-hk.md            # A股/港股/A+H 差异手册，含中概 VIE/ADR 结构风险
├── industries/                     # 16 类行业附录（见上表）
├── scripts/
│   ├── dcf.py                      # 估值计算器：DCF、反向 DCF、敏感性、概率加权、EPV、EVA、PVGO、蒙特卡洛、仓位
│   └── check_research_output.py    # 财务/估值一致性检查器 + 财报质量核查（应计/M-Score/背离）
└── Example/
    ├── EXAMPLE_NVDA.md             # 英伟达示例产出，不参与技能执行
    ├── EXAMPLE_NVDA.en.md          # NVIDIA 英文示例产出，不参与技能执行
    ├── EXAMPLE_GOOGL.md            # Alphabet 示例产出（v2 完整模式），不参与技能执行
    └── EXAMPLE_GOOGL.en.md         # Alphabet 英文示例产出，不参与技能执行
```

[`Example/EXAMPLE_NVDA.md`](Example/EXAMPLE_NVDA.md) / [`Example/EXAMPLE_NVDA.en.md`](Example/EXAMPLE_NVDA.en.md) 与 [`Example/EXAMPLE_GOOGL.md`](Example/EXAMPLE_GOOGL.md) / [`Example/EXAMPLE_GOOGL.en.md`](Example/EXAMPLE_GOOGL.en.md)（v2 完整模式示例，含预期差对比表、财报质量核查、五法估值与反方论证）只用于展示最终产出，不会被 `SKILL.md` 自动加载。示例中使用的数据源反映当次运行环境，不代表安装或执行必须具备同一连接器。

## 依赖

| 依赖 | 必需性 | 说明 |
|---|---|---|
| 联网搜索 / 网页抓取 | 建议 | 获取最新行情、监管申报、行业数据、分析师评级和新闻；离线使用时必须由用户提供材料。 |
| 可执行 Python 环境 | 运行脚本时需要 | 可用 Agent 自带环境、AI 在线环境、在线 notebook 或本机 Python；不要求本地预装。脚本仅使用标准库。 |
| PDF 生成能力 | 默认输出需要 | pdf 技能或 md→PDF 工具链；不可用时降级交付 .md 并说明。 |
| IBKR / 其他行情连接器 | 可选 | 有则作为行情路径之一；没有时使用交易所、专业数据 API 或公开行情源。 |
| Morningstar / 专业数据连接器 | 可选 | 用于外部估值锚、护城河、一致预期和标准化数据；均非必需。 |
| docx / xlsx 技能 | 可选 | 仅当用户指明输出 Word 版报告或 Excel 估值 workbook。 |

## 设计取向

这个 skill 的设计取向是 **depth first**：宁可慢一点，也要尽量做到来源清楚、假设透明、估值可复算、结论可追责、分歧可证伪。它适合严肃投资研究、长线跟踪和投资备忘录，不适合只想要一句话报价或泛泛市场评论的场景。

## 免责声明

本技能产出的内容仅为研究参考，**不构成投资建议**。作者与本技能均非持牌投资顾问，投资决策及其后果由使用者自行承担。

## 许可证

[MIT](LICENSE)