六维量化框架 · 智能选股决策

基于结构化评分手册（质量、资产负债表安全、现金流、估值、行业调整、置信度修正）进行股票基本面分析与同业排名，为投资者提供可量化的投资决策参考。

基本信息

• 技能名称?Fundamental Stock Analysis
• 中文名称?六维量化框架 · 智能选股决策
• 作者?nickfiorani
• 分类?其他
• 版本?1.0.5
• 标签?stock-analysis, fundamental-analysis, equity-research, valuation, peer-comparison, investment-screening, financial-modeling, risk-assessment

使用方法

使用说明
核心用法
fundamental-stock-analysis 是一项专业级股票基本面分析技能，采用六维结构化评分体系对个股进行系统性评估。用户只需提供股票代码（如 AAPL、TSLA、0700.HK 等），该技能即可自动执行：输入解析 → 数据收集 → 快速筛选 → 评分计算 → 评级判定 → 结果输出的完整分析流程。
单股分析 ：输出包含质量得分（商业模式/护城河/管理层）、资产负债表安全评级（杠杆率/流动性/偿债能力）、现金流健康度、估值吸引力（DCF/相对估值）、行业特定调整因子，以及综合置信度评级。
多股比较 ：支持同业排名与最优标的筛选，内置失效触发机制（如数据时效性不足、财务异常信号）自动降级推荐。
显著优点

1. 方法论严谨 ：基于价值投资经典框架（Graham-Dodd 体系与现代因子投资结合），避免情绪化判断
2. 风险分层清晰 ：强制分离「商业质量」「财务安全」「估值吸引力」三大维度，杜绝「好公司=好股票」的认知陷阱
3. 透明度极高 ：所有假设、数据来源时效性、置信度修正均显性标注，不存在黑箱评分
4. 失效机制健全 ：明确识别数据陈旧、指标冲突、季节性异常等场景并提示降级
   潜在局限与风险
   | 局限类型 | 具体说明 | |---------|---------| | 数据依赖性 | 依赖公开财务报告，存在 30-90 天滞后；非 GAAP/IFRS 市场覆盖有限 | | 行业可比性 | 重资产/金融/保险行业需特殊调整，通用评分可能失真 | | 宏观盲区 | 不包含货币政策、地缘政治、技术颠覆等外生冲击预判 | | 回测缺失 | 未提供历史评分有效性验证（胜赔率统计） | 常规风险 ：输出明确标注为「教育/信息参考」，不构成投资建议；用户需自主承担投资决策责任。
   适合人群
   价值型投资者 ：寻求量化筛选与定性验证结合的研究工具
   组合管理者 ：需要快速同业比较与仓位配置参考
   金融学习者 ：理解基本面分析框架的标准化实践案例
   避坑需求者 ：识别财务粉饰、高杠杆陷阱、估值泡沫的预警信号
   安全与可信度
   数据来源限定于公开财报、交易所披露、权威金融新闻，禁止访问非公开信息
   无凭证处理、无命令执行、无任意 URL 爬取，攻击面可控
   评分手册（playbook.md）的权威性取决于维护方更新频率，建议用户交叉验证关键假设