核心用法
fundamental-stock-analysis 是一套系统化的股票基本面分析工具，采用标准化评分剧本（playbook）对个股进行多维度量化评估。用户输入股票代码后，系统将自动执行以下流程：
1. 输入解析：识别单股或多股请求
2. 数据采集：抓取财务指标与市场数据
3. 快速筛选：排除明显不符合标准的标的
4. 评分计算：围绕五大核心维度打分
5. 置信度修正：根据数据质量与冲突程度调整最终评级
6. 输出呈现：生成人类可读报告 + 机器解析JSON
- Quality（质量）：护城河、盈利能力、管理层诚信
- Balance-sheet Safety（安全）：杠杆水平、流动性、债务结构
- Cash Flow（现金流）：自由现金流生成能力、资本配置效率
- Valuation（估值）：相对与绝对估值安全边际
- Sector Adjustments（行业调整）：针对不同行业的差异化基准
对于多股比较场景，系统会先完成个股分析，再进行同业排名，并给出带失效触发条件（invalidation triggers）的最佳标的推荐。
显著优点
- 框架标准化：避免主观判断漂移，确保跨标的可比性
- 风险分离设计：将业务质量、财务安全与估值判断独立评估，防止"好公司=好股票"的混淆
- 透明度机制：明确标注数据陈旧或冲突项，不隐瞒信息缺口
- 决策辅助：输出包含具体置信水平，支持分级决策（高置信建仓/低置信观望）
潜在局限
- 滞后性依赖：基于历史财务报表，对突发行业变革或政策冲击反应不足
- 量化边界：部分软实力（如管理层战略远见）难以标准化评分
- 数据可用性：非美股标的可能存在指标缺失（标记为NA）
- 模型风险：评分权重固定，可能不适用于极端市场环境（如负利率周期）
适合人群
- 价值投资者寻求系统化的标的筛选框架
- 需要快速比较同行业多只股票的研究人员
- 希望将基本面分析流程化的个人投资者
- 组合管理中需要独立验证现有持仓的基金经理
常规风险
| 风险类型 | 说明 |
|---------|------|
| 数据风险 | 财务数据修正或重述可能导致历史评分失真 |
| 时效风险 | 季报空窗期（尤其中概股）造成信息滞后 |
| 模型过拟合 | 历史有效的评分权重在未来可能失效 |
| 执行偏差 | 高评分≠短期上涨，需承受波动与时间成本 |
> 使用提示：该技能为分析辅助工具，不构成投资建议。建议结合宏观环境、资金流动等非基本面因素综合判断。