rollingSirius/equity-research-skill

解決的問題

本專案為 AI 智能體執行專業級股票研究提供了一個結構化框架。它超越了簡單的股票摘要，生成具有事實可追溯性、估值可復現性和結論可審計性的深度機構級報告，特別關注市場定價與獨立分析之間的「預期差距」。

工作原理

該系統作為一個「技能」（一套指令和腳本）運行，供 AI 智能體遵循。它採用嚴格的六步工作流程，並利用特定工具滿足不同的研究需求：

• 研究模式： 提供用於新覆蓋的「Full deep-dive」和用於分析季度或年度業績的「Deep earnings mode」。
• 估值引擎： 使用 scripts/dcf.py 執行多種估值方法（DCF、Reverse DCF、EPV、EVA、SOTP 和 Monte Carlo），以確保結果是計算得出的而非猜測的。
• 品質控制： 專門的檢查器 (scripts/check_research_output.py) 執行取證會計審查（例如 Beneish M-Score、應計品質），以分配收益可信度等級 (A-D)。
• 產業專業化： 將公司路由到 20 個產業特定附錄之一，以確保使用正確的 KPI 和估值模型（例如 SaaS 的 ARR，銀行的 NIM）。
• 來源紀律： 執行嚴格的數據源層級，優先考慮監管文件和官方文件，而非二手媒體報告。

適用對象

嚴肅的投資者、買方分析師以及任何需要經過審計的深度投資備忘錄和長期公司覆蓋，而非快速的一行式股票提示的人士。

亮點

• 聚焦預期差距： 圍繞市場已經定價的內容與分析師的觀點來構建報告。
• 取證會計： 在估值之前自動檢查收入確認紅旗和收益品質。
• 多方法估值： 要求至少三種不同估值方法的交叉檢查，以避免偏差。
• 產業感知： 包含針對 20 個不同領域的專業框架，以確保追蹤相關指標。
• 市場覆蓋： 支援美股、港股和 A 股市場，包括對中國 ADR/VIE 結構的特定處理。