value-investing
/value-investing
Tworzy wycenę akcji i ETF metodą wartości: przedział wartości, zarządzanie pozycją i ryzyka.
- Autor
- Radiation-2077 ↗
- Repozytorium
- Valuation-Radar ↗
- Licencja
- GPL-3.0
- Ostatnia zmiana repozytorium
- 27.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 17
- Skrypty
- 2
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 27.10.2026, bez odwołań do wycofanych modeli i API.
GPL-3.0, otwarta.
- 2 skrypty w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.
Skrypty: scripts/cache.py, scripts/scorecard.py
Co robi i kiedy
Tworzy wycenę akcji i ETF metodą wartości: przedział wartości, zarządzanie pozycją i ryzyka.
Oryginalny opis (EN)
对个股与 ETF 做系统性的价值投资估值,产出可被 Web 前端直接消费的结构化 JSON 数据卡和 presentation 控件区块(含合理估值区间、仓位管理、预期收益率、风险提示)。覆盖稳定增长型、周期型、金融型(银行/保险/券商)、ETF 四条路径。当用户说「分析估值 / 估值一下 / 给 XX 估值 / 看看这只 / 评估 XX」,或给出股票、ETF 名称代码并想判断贵贱与买卖时使用。
Jak działa
- 硬性输出规则(每次都适用)
- 适用边界
- 工作流程
- 风格要求
- 参考文档
Podgląd SKILL.md
---
name: value-investing
description: 对个股与 ETF 做系统性的价值投资估值,产出可被 Web 前端直接消费的结构化 JSON 数据卡和 presentation 控件区块(含合理估值区间、仓位管理、预期收益率、风险提示)。覆盖稳定增长型、周期型、金融型(银行/保险/券商)、ETF 四条路径。当用户说「分析估值 / 估值一下 / 给 XX 估值 / 看看这只 / 评估 XX」,或给出股票、ETF 名称代码并想判断贵贱与买卖时使用。
metadata:
short-description: 价值投资估值与结构化数据卡生成
---
# 价值投资估值
给定标的名称或代码,主动查数据 → 判断质地 → 定位产业周期 → 走对应估值路径 → 给出仓位与预期收益 → 在当前工作目录写一张结构化 JSON 数据卡。JSON 同时服务排名与 Web 详情页,不再生成 HTML。
## 硬性输出规则(每次都适用)
1. **只输出结构化数据卡。** 文件固定为 `data/{标的名}_{YYYY-MM-DD}.json`,不生成单标的 HTML、Markdown 或图片。默认直接保存,完成后告知文件路径。
2. **数据卡同时服务排名和 Web 详情。** 排名所需数字放在顶层与 `markets[]`;详情页内容放在 `presentation.sections[].blocks[]`。两处必须同源同值。
3. **使用 schema 1.2。** 完整字段、section role 与模块注册表按 [references/数据卡规范.md](references/数据卡规范.md),可用控件块按 [references/报告区块规范.md](references/报告区块规范.md),机器契约以 [references/card-v1.2.schema.json](references/card-v1.2.schema.json) 为准。不要自造 HTML class、CSS、内联样式或前端组件名。
4. **质量章必须复用两栏 `grid`。** 左栏放五个 number 类型的 `scores`(利润现金含量、资产负债表、ROE 水平、护城河强度、生存能力),右栏只放“结果 / 评价”两列语义表格并固定五行一一对应;左侧评分已标出维度,右侧不得重复维度列。质量分数不再写字符串或 `width`。
5. **产业周期章用两张独立图表达。** `cycle` 章节的第一个 block 必须是 `industry_lifecycle`,`stage` 只能是 `导入/爆发期`、`平台增长期`、`成熟期`、`衰退期`,并与顶层 `cycle_stage` 一致。`path: "cyclical"` 时第二个 block 必须是 `industry_cycle`,`position` 为 0–100 并与顶层 `cycle_position` 一致,同时写明 `phase` 和 `direction`:0–25 为 `recovery/up`(低谷回暖)、25–50 为 `upswing/up`(景气上行)、50–75 为 `pullback/down`(高位回落)、75–100 为 `downswing/down`(下行探底)。非周期行业可以省略第二张景气曲线。不得把两个周期混成一个控件,也不得只用公式或段落代替图形。
6. **结论使用稳定 code。** `conclusion.verdict` 与 `markets[].verdict` 写成 `{"code":"accumulate","label":"分批买入"}`,`confidence` 写成 `{"code":"medium","label":"中"}`。`dashboard` section 只放一个 `gauges` block,固定四格:安全边际、估值历史分位、股息率吸引力、确定性;不得混入标题、KPI 卡片、说明或本章小结。
7. **只解释重要估值计算。** `model_analysis` 与 `valuation` 至少各有一个 `formula`;公式只允许出现在 `model_analysis`、`cross_market`、`valuation`。质量平均分、仓位比例合计、周期原值换算、收益分项加总等简单算术不得写入公式卡。`latex` 写含符号的通用公式,`substitution` 写数字代入与结果,`explanation` 用一段自然语言说明“其中某符号指什么、数值来自哪里”,不要使用符号表和“符号含义/取值依据”式小标题。
8. **给区间,不给假精确。** 合理 PE、安全边际和结构性溢价使用区间字段;单个数字用于后续打分时必须写清口径。
9. **免责声明必须存在。** 放在 `presentation.sections` 最后一个 `disclaimer` 章节,正文使用 `paragraph` 或 `callout` 块。
10. **A+H 必须严格分市场。** 用户未提供证券代码时按标的名检索;确认同时在 A/H 上市时,默认完整调研两个市场,不得只做其中一个。先算名义溢价,再拆股息税、贴现率、市场分割/筹码;只有残余计入相对贵贱。A/H 估值、仓位、预期收益、风险和结论分别写入 `market: "A"` / `"H"` 的独立 section;`cross_market` 只放溢价比较与成因,禁止混入单市场估值、仓位或收益。方法见 [references/AH与跨市场估值.md](references/AH与跨市场估值.md)。
11. **标题只写章节功能。** section 标题统一使用「仪表盘」「估值」「仓位管理」「预期收益」「风险提示」「关键结论」「溢价分析」等,不写 A 股、H 股、A/H 或 AH;市场只由 `market` 字段和页面顶部标签表达。除 `dashboard`、`sources`、`disclaimer` 外,每个业务章节末尾放一个 `callout` 并设置 `"summary": true`。
12. **通用数据先查本地缓存。** 10 年期国债收益率、汇率、恒生 AH 溢价指数等先查 `common/` 24 小时缓存,缺失或过期再联网并回写。过期缓存只能用于诊断,不能继续生成估值。标的自身行情与财务数据不写入 `common/`。[references/本地数据缓存.md](references/本地数据缓存.md)
13. **交稿前必须通过校验。** 运行 `python3 scripts/scorecard.py validate <文件>`。出现 schema、比例合计、区间顺序或演示块错误时修到通过,不要用前端补丁掩盖数据问题。
14. **先补取,补不到才终止,禁止降级出卡。** `evidence.json` 与 `common/` 只是本地基线:字段缺失、缓存未命中或缓存过期时,必须先从公开来源联网补取并回写缓存。只有联网后仍无法取得、来源不可访问、来源冲突或无法交叉核验时才停止,并在写数据卡前抛错/退出非零。不得把“本地没有”直接当成“数据不存在”,也不得用 `null`、`0`、“未获取”、过期缓存、历史值、被拒绝的上一版数值或主观估算绕过校验。
15. **ETF 前十大代表 PB 必须按归一化市值权重调和平均。** 在 `markets[].etf_metrics` 写入前十大成分权重与覆盖率、个股 PB、权重与 PB 日期及来源;代表 PB 用 `C / Σ(wᵢ / PBᵢ)` 计算(`C` 为前十大权重合计),禁止对成分股 PB 做算术平均。结果必须与 `valuation.pb` 同值,并同时记录基金净值 `nav` 和 `premium_discount_pct`。ETF 折价不等于底层 PB 小于 1。细则见 [references/ETF估值.md](references/ETF估值.md)。
> JSON 是唯一交付物;页面布局、颜色、圆角、表格省略、图表尺寸由 Web 前端决定,数据卡只表达语义和数值。
## 适用边界
核心能力圈是**产业成熟期的可盈利公司**。先判断标的属于哪一类,再决定是否继续:
| 情况 | 处理 |
|:---|:---|
| 成熟期(渗透率 > 60%,增速 3–15%) | ✅ 完美匹配 |
| 平台增长期(渗透率 30–60%,增速 15–25%) | ⚠️ 用前瞻 PE + 修正 PEG,安全边际要求 > 30%,报告中标明阶段风险 |
| 衰退期 | ⚠️ 必须独立一节警示衰退风险,验证「剩者为王」逻辑,否则排除 |
| 导入/爆发期(渗透率 < 30%,增速 > 30%) | ❌ 格局未定,建议等格局明朗或用行业 ETF 参与 |
| 亏损公司 / 初创概念公司 | ❌ 本框架不适用,改用 PS、管线或情景估值并说明 |
> 产业周期(行业生命周期)与经济周期(宏观波动)是两个独立维度,分别判断。
## 工作流程
### 第一步:数据收集(自主完成,不要等用户提供)
> **取数环境(先看)**:环境是 Linux。行情与财务数据**优先用 `curl`**(统一带 `-s -m 20`,直接取原始响应);需要解析 JSON、换算指标或批量核对时**再用 `python3`**(本机 3.12,已装 `requests`)。已验证的接口、字段对照与可复制命令见 [references/联网取数.md](references/联网取数.md)。
> **先后顺序:先本地、后联网。** 通用数据先按硬性规则 10 查 `common/` 缓存,命中且 24 小时内就直接用;缺失或过期才联网,抓到后回写 `common/`。标的自身的行情与财务数据直接联网取,不落缓存。
用户给出名称或代码后,直接用可用的联网搜索 / 行情工具并行取数;不需要先问用户。
如果用户只给名称、没有代码:先搜索并核实上市市场与证券代码。发现同一公司在 A/H 两地上市时,默认同时调研两个市场;只有确认单市场上市时才走单市场路径。
- **基础行情**:当前价、市值、PE-TTM(扣非)、PB、股息率
- **财务**:近 3–5 年营收 / 净利润 / 扣非净利润 / 净资产 / 经营现金流 / 有息负债
- **行业**:行业平均 PE、PB、市场份额、行业增速与渗透率(用于产业周期定位)
- **宏观**:10 年期国债收益率(作为无风险利率;走 `common/` 缓存,见硬性规则 10)
- **专用**:金融标的取不良率、拨备覆盖率、资本充足率、P/EV、NBV;ETF 取底层指数 PE/PB 历史分位、股息率、指数 ROE、基金净值、前十大成分权重及个股 PB
关键数字(PE、ROE)至少两个来源交叉验证。任一必需数据取不到时立即终止本次估值,不得继续生成数据卡或投资结论。
> **报告期口径(最容易算错的一处)**:中报 / 季报的营收、净利润、ROE 都是**年初至今的累计数**,不能直接当年报数用。TTM = 上年年报 − 上年同期 + 本期;杜邦拆解、ROE 趋势、股息率的分母只用**年度**数据,用中报时必须换算并标注口径。
> **港股与 A 股不能用同一套行情字段下标**:腾讯 `qt.gtimg.cn` 的港股返回值第 46 位是英文名(A 股表里这一位是 PB),PE / PB 在 57 / 58 位。取 H 股数据前先看 [references/联网取数.md](references/联网取数.md) 的港股字段表,不要套 A 股下标。
### 第二步:质地判断
会计质量、资产负债表、ROE 杜邦拆解、护城河、生存能力 —— 逐项判断并给出 ✓ / ⚠️ / ✗。
详细标准见 [references/粗筛与质地.md](references/粗筛与质地.md)。
**质地结论:** ✅ 优质 / ⚠️ 有瑕疵但可接受 / ❌ 排除。质地不过关的标的,估值再低也不进入下一步。
### 第三步:产业周期定位 + 估值路径分类
先定产业周期阶段(见上方「适用边界」),再按下表选路径,并在报告中明确写出分类与依据:
| 特征 | 稳定增长型 | 周期型 | 金融型 | ETF |
|:---|:---|:---|:---|:---|
| 利润波动 | < 15% | > 30% | — | — |
| 行业 | 消费/医药/公用 | 钢铁/化工/航运/养殖/建材 | 银行/保险/券商 | 名称含「ETF」 |
| 核心方法 | Gordon 反推 + PEG | 正常化 PE + PB + EV/EBITDA | PB-ROE / P-EV | 估值分位 + 定投 |
标的名含「ETF」直接走 ETF 路径:不做杜邦拆解,重点看底层指数估值分位与行业周期。
### 第四步:分路径估值
按分类读取对应参考文档,照其中的公式与阈值执行:
**跨市场校正(A+H 两地上市标的先做这一步):** 名义 A/H 溢价 ≠ 便宜/贵的幅度。先算比价 = A 价 ÷ (H 价 × HKD/CNY),再逐项扣除股息税差(税负等价比价 = (1−t_A)/(1−t_H))、贴现率差(美元 vs 人民币无风险利率)、市场分割与筹码稀缺,得到「结构性合理溢价」;只有残余部分才是真实的相对贵贱。要给分投资者类型(个人长期 / 个人短期 / 机构 / 企业)的结论,因为税负不同、结论可能相反。A 股与 H 股的估值必须分市场各成一章、各给合理区间与本章小结,不要在同一张表里混排两地数据(跨市场对比只在溢价分解章出现)。方法见 [references/AH与跨市场估值.md](references/AH与跨市场估值.md)。
- 稳定增长型 → [references/稳定型估值.md](references/稳定型估值.md)
- 周期型 → [references/周期型估值.md](references/周期型估值.md)
- 金融型 → [references/金融型估值.md](references/金融型估值.md)
- ETF → [references/ETF估值.md](references/ETF估值.md),并按 `etf_metrics` 契约复算组合 PB 与净值折溢价
输出保守 / 中性 / 乐观三档情景,每档写明核心假设与对应股价。周期型要求至少两个指标同向共振才下结论。
### 第五步:建仓节奏
不估计账户总仓位,也不计算基础仓位、目标仓位或单标的最大仓位。只描述计划买入内部的分批节奏:
1. 第 1 笔 `valuation`:价格进入合理买入区,占计划买入的 30%。
2. 第 2 笔 `evidence`:新财报或行业数据确认逻辑未恶化,占计划买入的 30%。
3. 第 3 笔 `stabilization`:价格止跌或安全边际继续扩大,占计划买入的 25%。
4. 第 4 笔 `catalyst` 或 `reserve`:基本面催化剂得到验证,占计划买入的 15%。
5. 四档 `allocation_pct` 合计必须为 100,但它们只表示计划内比例,不表示占总资产比例。
6. 每档必须写 `trigger_type` 与 `condition`;不能只用“下跌 X%”代替证据确认。逻辑破坏后后续批次全部取消。
7. 周期型使用相同事件节奏,但 evidence/catalyst 必须换成对应的周期数据与反转信号。
同时给出止盈规则、认错线(逻辑破坏而非股价下跌)以及该标的在组合中的角色。仓位数量由用户自行决定,不在本 skill 输出。
### 第六步:生成 `presentation` 数据区块
按 [references/报告区块规范.md](references/报告区块规范.md) 生成 `presentation.sections[]`。section 使用固定 `role` 表达布局,block 是稳定的语义控件;渲染器决定具体样式。
单市场固定 role 顺序:`dashboard`、`quality`、`cycle`、`model_analysis`、`valuation`、`position`、`expected_return`、`risks`、`conclusion`、`sources`、`disclaimer`。`model_analysis` 可有多个,并必须从对应 `path` 的注册模块中选择。
A+H 标的使用固定 section 契约:
1. `dashboard-a` / `dashboard-h`:各自四个仪表盘,`role: "dashboard"`,`market` 分别为 `A` / `H`。
2. `quality` / `cycle`:公司与行业共用章节,`market: "common"`;结论需注明「A/H 共用」。
3. `cross_market`:`market: "common"`,只允许溢价计算、税负比较、`premium_donut`、成因表和残余结论。
4. `valuation-a` / `valuation-h`:`role: "valuation"`,各自估值表、情景和合理区间。
5. `position-a` / `position-h`:`role: "position"`,各自仓位计算与 `position_tiers`。
6. `expected-return-a` / `expected-return-h`:`role: "expected_return"`,各自 `return_stack` 与收益明细。
7. `risks-a` / `risks-h`:`role: "risks"`,各自 `risk_cards` 与最大回撤;共同风险可在两章重复,不得用 common 混排。
8. `conclusion-a` / `conclusion-h`:`role: "conclusion"`,各自操作结论。
9. `sources` / `disclaimer`:`market: "common"`。
除 `quality`、`cycle`、`cross_market`、`sources`、`disclaimer` 外,A+H 数据卡不得创建其他 `market: "common"` 业务 section。
约束:
- 所有数值用 number,不在百分比字段里写 `"40%"` 字符串;百分比字段统一存数值 `40`。
- 百分比必须写清基准:`allocation_pct` 是计划买入内部比例,不是占总资产比例;`contribution_pct` 是收益年化贡献。
- 情景价格、区间上下限、现价、仓位档位使用独立数值字段,不依赖自然语言解析。
- 表格正文可以是字符串,但禁止 `rowspan`、颜色、tooltip、图表尺寸等表现层 HTML。
- 除 `dashboard`、`sources`、`disclaimer` 外,每个业务 section 的最后一项都是 `{"type":"callout","summary":true,...}`。
- `cross_market` 禁止出现 `valuation_scenarios`、`range_position`、`position_tiers`、`return_stack`。
- 不输出 CSS、SVG、HTML 或组件名;颜色由 Web 主题决定,只有 `premium_donut` 的系列颜色可显式提供。
写完 JSON 后运行 `python3 scripts/scorecard.py validate data/{标的名}_{YYYY-MM-DD}.json`,必须无 error。
## 风格要求
- 面向实际操作:最终必须落到「买不买、买多少、什么价位买、什么时候认错」。
- 关键结论用强调块突出,不要把结论埋在段落里。
- 数字保留一位小数;合理估值给区间。
- 有分歧或不确定的地方直接标注置信度,不要假装确定。
- 报告全部中文,术语与用户保持一致。
## 参考文档
按需读取,不要一次全读:
- [references/粗筛与质地.md](references/粗筛与质地.md) — 会计质量、杜邦拆解、护城河判断
- [references/稳定型估值.md](references/稳定型估值.md) — Gordon 反推、PEG、股息率
- [references/周期型估值.md](references/周期型估值.md) — 周期位置、正常化 PE、PB、EV/EBITDA
- [references/金融型估值.md](references/金融型估值.md) — 银行 PB-ROE、保险 P-EV、券商
- [references/ETF估值.md](references/ETF估值.md) — 宽基/行业/金融类 ETF 的估值分位与定投策略
- [references/速查卡.md](references/速查卡.md) — 逐项填写的检查清单与决策矩阵
- [references/报告区块规范.md](references/报告区块规范.md) — `presentation.sections[].blocks[]` 控件契约、质量评分五维表、仓位档位和图表数值口径
- [references/联网取数.md](references/联网取数.md) — 取数环境、可复制 curl 命令、接口与字段对照、常见报错
- [references/本地数据缓存.md](references/本地数据缓存.md) — `common/` 缓存目录、字段格式、24 小时判定与 cache.py 用法
- [references/数据卡规范.md](references/数据卡规范.md) — `data/` 数据卡 schema、字段口径、与排序 skill 的对接契约、scorecard.py 用法
- [references/安装指南.md](references/安装指南.md) — 本地安装、验证、修改与常见问题
- [references/AH与跨市场估值.md](references/AH与跨市场估值.md) — A+H 两地上市标的的溢价分解、税后股息比较与选市场
Pliki w paczce (17)
- SKILL.md 18 KB
- agents/openai.yaml 1 KB
- references/AH与跨市场估值.md 12 KB
- references/ETF估值.md 10 KB
- references/card-v1.2.schema.json 37 KB
- references/周期型估值.md 5 KB
- references/安装指南.md 1 KB
- references/报告区块规范.md 9 KB
- references/数据卡规范.md 9 KB
- references/本地数据缓存.md 5 KB
- references/稳定型估值.md 4 KB
- references/粗筛与质地.md 5 KB
- references/联网取数.md 11 KB
- references/速查卡.md 4 KB
- references/金融型估值.md 4 KB
- scripts/cache.py 6 KB
- scripts/scorecard.py 20 KB
Wersje
W bazie nie ma innych skilli o nazwie value-investing.
Migawka bazy z 13.11.2026 · wersja paczki 7fc2aad87177 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100investment-ranking
Porównuje wycenione akcje i ETF-y pod kątem ryzyka i zwrotu, układa ich ranking w trzech profilach ryzyka i zapisuje wynik w JSON. - 96etf-net-value
Pobiera historię wartości aktywów netto ETF, w tym wartość jednostki, wartość skumulowaną i stopy zmian. - 96etf-share
Pobiera historię liczby jednostek ETF: stany końcowe, zmiany netto i wskaźnik zmian w czasie. - 96quant-etf-review
Przeprowadza wieloagentowy przegląd strategii ETF: ekspozycję funduszy, błąd śledzenia i płynność istniejącego backtestu. - 90etf-arbitrage
Analizuje wycenę ETF na rynku pierwotnym i wtórnym, ekonomię tworzenia i odkupu jednostek oraz arbitraż koszyków i zabezpieczenia. - 96quant-etf-review
Ocenia strategię ETF w kilku agentach: ekspozycję na fundusze, błąd śledzenia i płynność w istniejącym backteście.