Investment Framework Skill

核心功能

investment-framework 是一套基于经典投资理论的系统化分析工具包，整合《聪明的投资者》《巴菲特致股东的信》《穷查理宝典》《漫步华尔街》及《投资王道》五大经典框架，提供从趋势识别、价值分析到资产配置的全流程决策支持。

显著优点

1. 多维度交叉验证机制
价值分析端（格雷厄姆标准）、护城河评估（巴菲特标准）、专利评估（林森池框架）三者独立运行，避免单一模型偏差。新增 risk-assessor 与 sentiment-analyzer 形成情绪-风险-价值三维校验。

2. 行业特解能力
区别于通用财务分析，industry-specialist 提供电力、银行、石油、电讯等6+行业的专用指标库与估值方法（如储量折现法、有期限DCF），大幅提升专业领域的分析精度。

3. 认知偏差主动防御
decision-checklist 内置芒格多元思维模型与"投资十诫"，系统识别过度自信、确认偏误、FOMO等20+种认知陷阱，从机制层面降低人性弱点干扰。

4. 渐进式知识披露
采用"核心文档→子技能→参考资料→示例→模板"的五层结构，新手可快速上手标准流程，专业用户可深入定制行业特解与高级估值模型。

潜在局限性

• 数据依赖性强：intrinsic-value-calculator 需完整财务数据输入，非上市公司或数据不透明标的不适用
• 滞后性风险：基于历史财务与成熟理论的框架对颠覆式创新（如早期AI公司）的定价能力有限
• 执行门槛：完整流程涉及6-8个子技能串联，单次分析耗时较长，不适合高频决策场景
• 地域适配：林森池《投资王道》框架源自港股实践，A股特定制度（如IPO定价机制）需额外校验

适合人群

• 价值投资者与长期资产配置者
• 需系统化学习投资理论的新手（配套完整经典文献映射）
• 管理百万级以上资金、需严格投决流程的机构投资者
• 希望将隐性经验转化为可复现流程的专业投资者

常规风险

• 框架僵化风险：严格遵循标准可能错过"好公司合理价格"的成长型机会
• 安全边际误用：机械套用30%阈值可能忽视行业周期位置（如周期底部PE高企但实际低估）
• 趋势层级误判：future-forecaster 对"技术变革vs流行泡沫"的区分依赖分析师主观判断
• 再平衡成本：asset-allocator 的年度再平衡策略在税收敏感市场可能侵蚀收益

安全认证说明

本报告占位生成，未执行实际安全扫描。建议调用前确认：1) 财务数据来源合规性；2) 是否涉及非公开重大信息；3) 输出免责声明的完整展示。

核心用法

investment-framework 是一套结构化的投资决策支持系统，通过 12 个子技能的组合调用，覆盖从趋势识别到价值分析再到资产配置的完整投资流程。

主要使用场景包括：个股深度分析（调用 value-analyzer → moat-evaluator → intrinsic-value-calculator → decision-checklist 的递进流程）、长期趋势判断（通过 future-forecaster 识别技术变革与流行陷阱）、资产配置方案制定（基于马尔基尔生命周期理论的 asset-allocator）、以及投资决策前的逻辑检查（芒格多元思维模型驱动的 decision-checklist）。

用户可通过自然语言描述需求（如"分析腾讯控股是否值得投资"或"35岁平衡型风险偏好如何配置资产"），系统自动路由至对应子技能链执行分析，最终输出包含价值评估、护城河评分、内在价值、安全边际、决策风险检查等维度的结构化报告。

显著优点

理论体系扎实：融合 7 本投资经典著作的核心方法论——格雷厄姆的安全边际与内在价值计算、巴菲特的护城河五类型评估、芒格的多元思维模型与认知偏差检查、马尔基尔的资产配置理论、凯文·凯利的未来预测方法论，以及林森池的"市场经济专利"和千里马七准则，形成东西方投资智慧的整合框架。

流程设计科学：采用"元技能定义问题 → 主技能分发 → 子技能执行 → 决策检查"的分层架构，重大投资决策前置 problem-mapper 进行问题淬炼，避免用户带着错误的问题进入分析流程。

风险控制内置：每个输出强制包含投资免责声明；decision-checklist 专门识别 20 种认知偏差；intrinsic-value-calculator 要求安全边际≥30%才建议买入；risk-assessor 独立评估波动率、下行风险与集中度。

扩展性良好：2026年4月新增 risk-assessor 和 sentiment-analyzer，强化了定量风险管理与市场情绪监测能力；此前已整合林森池《投资王道》框架，新增 industry-specialist 行业特解指标库和 market-patent-evaluator 专利评估模块。

潜在缺点与局限性

外部数据依赖严重：核心功能依赖东方财富、同花顺 iFinD、Tushare 等中国金融数据 API，数据质量、时效性与服务稳定性直接影响分析结果。若数据源中断或字段变更，子技能可能输出错误数据或运行失败。

估值方法存在主观性：intrinsic-value-calculator 虽然提供 DCF、PE、PB 等多种方法，但终值假设、折现率选择、增长率预测等关键参数仍需人工判断，不同假设可能导致估值结果差异巨大（文档示例中腾讯估值区间¥350-450，跨度达 29%）。

A 股市场适配局限：部分框架（如格雷厄姆的防御型标准）针对美股市场设计，直接应用于 A 股可能产生偏差。虽然新增了行业特解指标，但覆盖的 6+ 行业仍有限，新兴产业（如 AI、新能源）缺乏历史验证的专用指标。

不构成投资建议的边界：Skill 明确声明"不提供具体买卖建议"，输出需用户自主决策，这限制了其作为自动化交易工具的应用场景。

适合的目标群体

个人投资者：尤其适合价值投资学习者，希望通过系统化框架提升决策质量、避免常见认知偏差的用户。文档中大量示例（腾讯、茅台、AI 趋势等）均面向中文个人投资者场景设计。

投资教育工作者：完整的技能关系图、流程说明、常见错误案例库，以及渐进式披露的参考资料结构，使其适合作为投资课程的教学辅助工具。

财富管理机构初级顾问：CFA 四流程映射与 IPS 模板生成能力，可辅助标准化客户沟通与方案制定，但需资深顾问复核关键假设。

不适合：追求短线交易信号的用户（Skill 明确不预测短期股价）、缺乏基本财务知识的完全新手（需要理解 ROE、DCF、护城河等概念才能有效使用）、以及希望全自动量化交易的开发者（输出为分析报告而非交易指令）。

使用风险

数据安全风险：安全报告显示存在多处硬编码 API 密钥（QVeris、Tushare、ClawHub 令牌），虽然用于金融数据获取而非恶意用途，但凭证泄露可能导致数据服务滥用或费用损失。建议用户自行配置环境变量替换硬编码凭证。

合规风险提示：涉及中国金融数据服务商 API 调用，需关注数据使用许可合规性；输出内容包含投资建议性质表述，尽管有免责声明，在部分司法管辖区仍可能引发合规争议。

性能与稳定性风险：273 个文件、15,000 行代码的复杂结构，子进程调用与外部网络请求较多，可能在受限运行环境中出现超时或失败；对实时性要求高的场景（如盘中决策）可能因数据延迟无法满足需求。

模型过时风险：投资框架基于经典著作与历史案例，对颠覆性创新（如加密货币、生成式 AI 的商业模式）的分析能力未经充分验证，future-forecaster 的预测准确性高度依赖使用者对 KK 方法论的理解深度。