Fundamental Stock Analysis

核心用法

fundamental-stock-analysis 是一项专业级股票基本面分析技能，采用六维结构化评分体系对个股进行系统性评估。用户只需提供股票代码（如 AAPL、TSLA、0700.HK 等），该技能即可自动执行：输入解析 → 数据收集 → 快速筛选 → 评分计算 → 评级判定 → 结果输出的完整分析流程。

单股分析：输出包含质量得分（商业模式/护城河/管理层）、资产负债表安全评级（杠杆率/流动性/偿债能力）、现金流健康度、估值吸引力（DCF/相对估值）、行业特定调整因子，以及综合置信度评级。

多股比较：支持同业排名与最优标的筛选，内置失效触发机制（如数据时效性不足、财务异常信号）自动降级推荐。

显著优点

1. 方法论严谨：基于价值投资经典框架（Graham-Dodd 体系与现代因子投资结合），避免情绪化判断
2. 风险分层清晰：强制分离「商业质量」「财务安全」「估值吸引力」三大维度，杜绝「好公司=好股票」的认知陷阱
3. 透明度极高：所有假设、数据来源时效性、置信度修正均显性标注，不存在黑箱评分
4. 失效机制健全：明确识别数据陈旧、指标冲突、季节性异常等场景并提示降级

潜在局限与风险

| 局限类型 | 具体说明 |

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

| 数据依赖性 | 依赖公开财务报告，存在 30-90 天滞后；非 GAAP/IFRS 市场覆盖有限 |

| 行业可比性 | 重资产/金融/保险行业需特殊调整，通用评分可能失真 |

| 宏观盲区 | 不包含货币政策、地缘政治、技术颠覆等外生冲击预判 |

| 回测缺失 | 未提供历史评分有效性验证（胜赔率统计） |

常规风险：输出明确标注为「教育/信息参考」，不构成投资建议；用户需自主承担投资决策责任。

适合人群

• 价值型投资者：寻求量化筛选与定性验证结合的研究工具
• 组合管理者：需要快速同业比较与仓位配置参考
• 金融学习者：理解基本面分析框架的标准化实践案例
• 避坑需求者：识别财务粉饰、高杠杆陷阱、估值泡沫的预警信号

安全与可信度

• 数据来源限定于公开财报、交易所披露、权威金融新闻，禁止访问非公开信息
• 无凭证处理、无命令执行、无任意 URL 爬取，攻击面可控
• 评分手册（playbook.md）的权威性取决于维护方更新频率，建议用户交叉验证关键假设

核心用法

fundamental-stock-analysis 是一款专注于股票基本面分析的纯指令型 Skill，采用结构化评分框架（quality, balance-sheet safety, cash flow, valuation, sector adjustments, confidence modifiers）对单只或多只股票进行系统性评估。用户只需提供股票代码（ticker），即可触发完整分析流程：输入解析 → 数据收集 → 快速筛选 → 打分 → 评级 → 输出结论。对于多标的请求，Skill 会先独立分析各股票，再进行同行排名并给出最优选择建议。

显著优点

1. 方法论严谨：明确分离 business quality、balance-sheet safety 和 valuation 三大维度，避免常见的"好公司=好股票"思维陷阱。
2. 风险意识强：强制标注置信度（confidence level），主动提示数据陈旧或冲突，输出风格果断且风险导向。
3. 无代码执行风险：纯 Markdown 架构（T-MD 分类），无可执行代码、无依赖、无硬编码 API，天然免疫代码注入类攻击。
4. 合规声明清晰：明确界定为教育/信息用途，非投资建议，并承诺不处理凭证、不执行命令、不越权访问。

潜在局限性

• 数据依赖外部源：分析质量高度依赖 Agent 层 web retrieval 获取的公开财务数据（SEC EDGAR、Yahoo Finance 等），若数据源延迟或缺失，可能导致 NA 标记增多。
• T3 来源可信度：由社区/个人开发者维护，非持牌机构出品，方法论虽严谨但缺乏长期实盘验证背书。
• 无实时价格整合：侧重基本面而非技术面，对短期市场情绪和资金流向覆盖有限。

适合人群

• 价值投资者与基本面研究者
• 需要快速横向比较同行业公司的分析师
• 投资教育场景下的教学演示

常规风险

• 数据时效性：财报季度间隙或突发披露事件可能导致分析基于过期数据。
• 模型局限性：评分框架为通用设计，对特定行业（如金融、REITs）的特殊会计处理可能需要人工调整。
• 非投资建议：Skill 明确声明教育属性，用户需独立验证并承担投资决策责任。