核心用法
fundamental-stock-analysis 是一个专业的股票基本面分析工具，采用结构化的六维评分手册（业务质量、资产负债表安全性、现金流健康度、估值合理性、行业调整系数、置信度修正）。用户输入一个或多个股票代码后，技能会严格按照预设流程执行：解析输入→收集数据→快速筛选→逐项评分→综合评级→生成输出。支持单票深度分析与多票横向对比，最终输出明确的买入/持有/回避 verdict。
显著优点
- 方法论严谨：基于经典价值投资框架，将定性判断转化为可量化的评分体系，减少主观随意性
- 流程标准化：强制遵循 playbook.md 的固定步骤，确保不同分析师、不同时间点的输出具有一致可比性
- 多票比较能力：内置同行排名与"最佳标的"选择逻辑，并附带失效触发条件（invalidation triggers），增强决策鲁棒性
- 置信度透明：显式标注置信水平，主动披露数据陈旧或冲突的情况，避免误导性结论
- 输出纪律严格：分离业务质量、财务安全、估值三大维度，结论 decisiveness 与风险意识并重
潜在缺点与局限性
- 数据依赖性：明确禁止编造缺失指标，标记为
NA——在新兴市场或小盘股中，数据缺口可能导致分析不完整 - 未披露回测表现：评分手册的历史有效性、评分权重优化过程未在简介中说明
- 行业调整系数黑箱：
sector adjustments的具体校准方法未公开，可能引入系统性偏差 - 无实时数据能力：依赖外部数据收集步骤，延迟或数据源错误将直接影响结论可靠性
- 缺乏技术分析整合：纯基本面框架，对 momentum-driven 市场或短期事件驱动机会覆盖不足
适合人群
- 中长期价值投资者与基本面研究员
- 需要标准化研报复现流程的资产管理团队
- 希望快速筛选同行业多标的并进行对比决策的分析师
常规风险
- 模型风险：评分权重固化可能无法适应结构性市场变化（如利率环境剧变、行业商业模式颠覆）
- 数据质量风险：外部数据源错误、财报重述、非标准会计准则处理差异可能导致评分失真
- 时效性风险：分析基于最近一次财报，重大公司事件（并购、诉讼、管理层变动）可能未被及时纳入
- 过度拟合风险：历史有效的评分标准未必预测未来表现，需持续验证与手册迭代
使用建议
建议将此技能作为初步筛选与结构化思考工具，而非最终投资决策依据。高置信度结论需配合实地调研、管理层交流、技术/宏观验证等多维度交叉确认。