rollingSirius/equity-research-skill

解决的问题

本项目为 AI 智能体执行专业级股票研究提供了一个结构化框架。它超越了简单的股票摘要，生成具有事实可追溯性、估值可复现性和结论可审计性的深度机构级报告，特别关注市场定价与独立分析之间的“预期差距”。

工作原理

该系统作为一个“技能”（一套指令和脚本）运行，供 AI 智能体遵循。它采用严格的六步工作流程，并利用特定工具满足不同的研究需求：

• 研究模式： 提供用于新覆盖的“Full deep-dive”和用于分析季度或年度业绩的“Deep earnings mode”。
• 估值引擎： 使用 scripts/dcf.py 执行多种估值方法（DCF、Reverse DCF、EPV、EVA、SOTP 和 Monte Carlo），以确保结果是计算得出的而非猜测的。
• 质量控制： 专门的检查器 (scripts/check_research_output.py) 执行取证会计审查（例如 Beneish M-Score、应计质量），以分配收益可信度等级 (A-D)。
• 行业专业化： 将公司路由到 20 个行业特定附录之一，以确保使用正确的 KPI 和估值模型（例如 SaaS 的 ARR，银行的 NIM）。
• 来源纪律： 执行严格的数据源层级，优先考虑监管文件和官方文件，而非二手媒体报告。

适用对象

严肃的投资者、买方分析师以及任何需要经过审计的深度投资备忘录和长期公司覆盖，而非快速的一行式股票提示的人士。

亮点

• 聚焦预期差距： 围绕市场已经定价的内容与分析师的观点来构建报告。
• 取证会计： 在估值之前自动检查收入确认红旗和收益质量。
• 多方法估值： 要求至少三种不同估值方法的交叉检查，以避免偏差。
• 行业感知： 包含针对 20 个不同领域的专业框架，以确保跟踪相关指标。
• 市场覆盖： 支持美股、港股和 A 股市场，包括对中国 ADR/VIE 结构的特定处理。