A Share Thesis

---
name: a-share-thesis
description: A股投资论点建立与追踪/投资逻辑梳理。当用户说"投资论点"、"thesis"、"为什么看好XX"、"为什么看空XX"、"投资逻辑"、"帮我梳理XX的逻辑"、"跟踪一下XX"、"催化剂"、"XX还能不能拿"、"投资论点追踪"、"thesis tracker"时触发。MUST USE when user asks to build/track an investment thesis, articulate bull/bear case, or review catalysts and risk points for a stock position. 帮助建立结构化投资论点（核心论点+支撑论据+风险+催化剂），并追踪论点状态变化。通过 cn-stock-data 获取最新数据验证论点，结合 web 搜索获取事件催化剂。支持机构投研风格（formal）和个人持仓笔记风格（brief）。
---

## 数据源

```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 最新行情（验证价格/估值变化）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

# 财务指标（验证基本面论据）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# K 线（论点建立以来的股价走势）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [论点建立日期]

# 资金流向（市场认可度）
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE] --days 30
```

补充：通过 web 搜索获取最新公告、行业新闻、分析师观点等催化剂信息。

## Workflow

### Step 1: 建立/加载论点

**新建论点**时，收集以下信息：
1. 标的公司（代码 + 名称）
2. 方向：看多(Long) / 看空(Short) / 中性观察(Neutral)
3. 核心论点（1-2 句话，必须可证伪）
4. 支撑论据（3-5 条，每条附数据支撑）
5. 关键风险（3-5 条，每条附触发条件）
6. 催化剂（未来 3-6 个月内可能兑现的事件）
7. 目标价 / 估值区间
8. 止损条件（什么情况下放弃论点）
9. 信心等级：高/中/低

**加载已有论点**：用户提供之前的论点文档或口述核心逻辑。

### Step 2: 数据验证

通过 cn-stock-data 获取最新数据，逐条验证论据：
- 每条论据对应的财务/行情指标是否符合预期
- 标注：✅ 符合预期 / ⚠️ 需要关注 / ❌ 不符合预期

### Step 3: 论点记分卡

构建记分卡表格：

| 论据 | 原始预期 | 当前状态 | 趋势(↑/→/↓) | 信号强度 |
|------|---------|---------|-------------|---------|

综合评估：论点强化 / 维持 / 弱化 / 已失效

### Step 4: 催化剂日历

| 预计日期 | 事件 | 类型 | 预期影响 | 状态 |
|---------|------|------|---------|------|
| 2026-04-xx | Q1 业绩预告 | 财报 | 验证增长论据 | 待兑现 |
| 2026-xx-xx | 行业政策发布 | 政策 | 正面催化 | 待兑现 |

催化剂类型：财报/政策/行业事件/公司公告/宏观经济/技术突破

### Step 5: 输出

#### 风格说明

| 维度 | formal（机构投研） | brief（个人持仓笔记） |
|------|-------------------|---------------------|
| 篇幅 | 2-4 页 | 半页-1 页 |
| 论点结构 | 完整（论据+风险+催化剂各 3-5 条） | 精简（各 2-3 条） |
| 记分卡 | 完整表格 + 趋势分析 | 简化版（仅标注状态） |
| 催化剂 | 完整日历 + 概率评估 | 关键 2-3 个事件 |
| 数据引用 | 每条附具体数字和来源 | 关键数字即可 |
| 结论 | 客观（论点强化/弱化） | 可加主观判断（继续持有/减仓/加仓） |
| 免责声明 | 需要 | 不需要 |

## 关键规则

1. **可证伪性**：每条论据必须有明确的验证标准，模糊的论据（如"公司管理层很优秀"）必须转化为可量化指标
2. **动态追踪**：论点不是一次性的，每次用户提及"跟踪XX"时应加载已有论点并更新
3. **诚实面对反面证据**：当数据不支持论点时必须如实标注，不回避负面信号
4. **分离事实与观点**：数据验证部分纯客观，个人判断仅在 brief 模式的结论部分出现
5. **时间框架**：明确论点的时间框架（短线 1-3 月 / 中线 3-12 月 / 长线 1 年+）
6. **与其他 skill 联动**：建议用 a-share-earnings-analysis 做更深入的财报验证，用 a-share-comps 做估值对标

## 使用示例

### 示例 1: 基本使用

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```