US Stock Valuation Model - Value Investing Framework / 美股估值模型-价值投资框架

核心用法

该技能提供一套完整的美国股票价值投资决策系统，核心流程包括：定义投资主题与时间框架 → 收集基本面与风险数据 → 对公司质量与估值进行量化评分 → 归类为 Buy/Watch/Avoid 三档 → 设定自动化监控阈值与再平衡规则。

评分模型采用五维加权结构：质量指标（ROIC、毛利率、FCF 利润率、债务纪律）占 30%，增长可持续性（收入与 FCF 增长稳定性）占 20%，护城河与治理（管理层质量、资本配置）占 15%，估值指标（P/E、EV/EBIT、FCF 收益率）占 25%，风险惩罚项（集中度、杠杆冲击、政策/监管风险、会计红旗）占 10%。最终输出 0-100 分的综合得分与 buy/watch/avoid 投资建议。

显著优点

• 结构化框架：将主观价值投资理念转化为可复现的量化流程，降低情绪化决策风险
• 双语输出：默认英文主报告 + 中文摘要，适合跨境投资团队使用
• 自动化支持：提供 Python 评分引擎与 cron-ready 的日/周/季度监控规则，便于集成至量化工作流
• 阈值清晰：75+/60-74/<60 的三档分界简单直接，辅助仓位管理决策

潜在局限

• 数据依赖性：评分质量高度依赖输入数据的准确性与时效性，对非标准财报或新兴行业覆盖不足
• 模型固化风险：权重分配（如质量 30%、估值 25%）为默认设置，未针对特定行业（如科技成长股 vs 公用事业）动态调整
• 缺乏情绪/市场面因子：完全基于基本面，未纳入技术面动量、市场情绪或宏观流动性指标
• 执行门槛：需要用户具备 Python 环境配置能力与财务数据获取渠道

适合人群

• 信奉 Graham-Buffett 传统的价值投资者
• 具备基础编程能力的个人投资者或小型资管团队
• 需要标准化投研流程以支持团队协作的跨境投资群体
• 希望将主观判断部分自动化、保留人工终审权的半量化投资者

常规风险

• 过拟合历史数据：评分模型基于历史财务指标，对未来颠覆性变化（如技术替代、监管剧变）预警不足
• 估值陷阱：低估值评分可能反映价值陷阱而非投资机会，需结合护城河深度综合判断
• 监控盲区：日/周/季度监控规则依赖外部数据源，API 中断或延迟可能导致风险信号遗漏
• 杠杆与集中度惩罚项权重偏低（10%）：高杠杆企业可能在总得分中未充分体现尾部风险

核心用法

US Value Investing Framework 是一款面向美股的价值投资分析工具，采用经典的「质量+护城河+管理层+估值+风控」五维框架。用户通过提供公司基本面数据（JSON 格式），即可获得量化评分（0-100）、投资结论（Buy/Watch/Avoid）及中英文双语投资备忘录。

操作流程：
1. 定义投资 thesis 与时间周期
2. 收集核心输入：ROIC、毛利率、FCF 利润率、债务结构等
3. 运行评分引擎 evaluate_company.py
4. 获取评分卡、风险清单、行动建议
5. 设置日/周/季度监控阈值

评分权重：

• 质量（30%）：ROIC、毛利率、FCF 利润率、债务纪律
• 增长可持续性（20%）：收入/FCF 增长及稳定性
• 护城河与治理（15%）：护城河强度、管理层质量、资本配置
• 估值（25%）：P/E、EV/EBIT、FCF 收益率、内在价值缺口
• 风险惩罚（10%）：集中度、杠杆冲击、政策/监管风险、会计红旗

阈值建议：≥75 分买入候选，60-74 分观望等待，<60 分回避。

---

显著优点

1. 方法论正统：严格遵循格雷厄姆-巴菲特价值投资传统，五维框架与顶尖机构投资者（如 Berkshire Hathaway、Tweedy Browne）的分析逻辑一致。

2. 量化与定性结合：既有 ROIC、FCF yield 等硬指标，也纳入护城河、管理层质量等主观判断，避免纯量化模型的机械性。

3. 双语输出：默认英文主报告+中文摘要，适合跨境投资团队或中英文双语工作环境。

4. 监控自动化：内置日/周/季度三级监控清单，可直接对接 cron 或量化交易系统，实现「买入后管理」。

5. 完全离线：纯 Python 标准库实现，无网络依赖、无 API 密钥，数据主权完全归属用户。

---

潜在局限

1. 输入依赖度高：评分质量完全取决于用户提供数据的准确性与时效性，无内置数据抓取功能，需配合 Bloomberg、FactSet 或免费数据源（如 FRED、SEC EDGAR）手动准备。

2. 美股-centric：评分阈值（如 P/E、EV/EBIT 合理区间）基于美股市场历史数据校准，直接应用于 A 股、港股可能产生偏差。

3. 宏观/周期因子薄弱：框架侧重个股微观质量，对行业周期阶段、美联储利率政策、经济衰退概率等宏观变量的系统性纳入不足。

4. 护城河评分主观：护城河与管理质量占比 15%，但缺乏标准化检查清单，不同分析师可能给出差异较大的评分。

5. 缺乏回测验证：Skill 本身未提供历史回测功能，用户无法直接验证该评分体系在过去 10-20 年美股市场的实际超额收益表现。

---

适合人群

• 个人价值投资者：希望建立系统化分析框架，避免情绪化决策
• 小型资管/家族办公室：需要可复用的研究模板与监控体系
• 金融专业学生：学习正统价值投资分析流程与DCF/逆向DCF实操
• 双语投资团队：需要中英文一致的研究输出标准

不适合：追求高频交易、技术分析、或希望一键获取「股票推荐」的散户。

---

常规风险

| 风险类型 | 具体说明 | 缓释建议 |

|---------|---------|---------|

| 数据质量风险 | 用户输入错误或过时的财务数据导致错误评分 | 建立多源数据交叉验证流程 |

| 模型僵化风险 | 机械套用评分阈值，忽视行业特性（如科技股的轻资产模式） | 按行业调整阈值，增加行业对比百分位 |

| 黑天鹅事件 | 评分体系无法预测突发监管打击（如中概股审计事件） | 设置严格止损与仓位上限 |

| 过度自信偏差 | 高评分导致集中持仓 | 强制分散化规则：单一个股≤10% 仓位 |

| 技术故障 | JSON 输入格式错误导致程序崩溃 | 使用提供的 `input-template.json` 模板并验证 |