事件驱动分析与情景敏感性工具。分析特定事件(业绩、政策、并购、监管等)对股价的潜在影响,并构建多情景定量分析。 触发词:事件分析、事件驱动、event driven、情景分析、scenario analysis、敏感性分析、sensitivity、催化事件影响、what if、如果...会怎样
Scanned 9/8/2026
Install to Claude Code
npx -y skills add infometa/workbuddyskills --skill event-scenario-analyzer --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Event Scenario Analyzer?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/infometa-event-scenario-analyzer)More formats (shields.io, HTML) on the badges page.
---
name: event-scenario-analyzer
description: |
事件驱动分析与情景敏感性工具。分析特定事件(业绩、政策、并购、监管等)对股价的潜在影响,并构建多情景定量分析。
触发词:事件分析、事件驱动、event driven、情景分析、scenario analysis、敏感性分析、sensitivity、催化事件影响、what if、如果...会怎样
---
# 事件与情景分析(Event & Scenario Analyzer)
## 功能说明
提供两大核心能力:
1. **事件驱动分析**:评估特定事件(如业绩发布、政策变动、并购交易、监管行动等)对标的股价和基本面的潜在影响
2. **情景敏感性分析**:构建多情景假设矩阵,量化不同情景下的估值影响
## 一、事件驱动分析
### 工作流
#### Phase 1:事件识别与分类
| 事件类型 | 示例 | 典型影响时间 |
|---------|------|------------|
| 盈利事件 | 财报发布、盈利预警、指引调整 | 1-5 交易日 |
| 公司行动 | 并购、分拆、回购、增发、管理层变动 | 1-20 交易日 |
| 监管事件 | 政策发布、审批决定、反垄断裁定 | 即时-数月 |
| 行业事件 | 竞争对手动向、技术突破、供需变化 | 数周-数月 |
| 宏观事件 | 利率决议、贸易政策、地缘冲突 | 即时-数月 |
#### Phase 2:历史类比分析
1. 找到 3-5 个历史上类似事件的先例
2. 分析每个先例:
- 股价反应幅度和持续时间
- 基本面实际影响
- 市场预期 vs 实际结果
3. 归纳历史规律和偏差范围
#### Phase 3:当前事件定量评估
1. **前置条件**:事件发生前市场已经定价了什么?
2. **核心变量**:事件将改变哪些关键财务指标?
3. **影响路径**:
- 短期(交易日层面):情绪/仓位调整
- 中期(季度层面):估计修正/倍数重估
- 长期(年度层面):基本面结构性改变
4. **概率评估**:事件各种结果的概率分布
#### Phase 4:交易策略
1. 事前建仓策略(赌事件方向)
2. 事后反应策略(等事件落地再行动)
3. 对冲策略(利用期权等工具限定风险)
4. 不行动的成本(错过机会的代价)
## 二、情景敏感性分析
### 工作流
#### Phase 1:确定关键变量
1. 识别对估值影响最大的 2-4 个变量
2. 典型变量组合:
- 收入增速 × 利润率
- 销量 × 单价
- 市场份额 × 行业增速
- WACC × 终值增长率
- 政策情景 × 执行力度
#### Phase 2:定义情景
对每个关键变量设定:
- 乐观值(牛市情景)
- 基本值(最可能情景)
- 悲观值(熊市情景)
- 极端值(压力测试,可选)
每个值须有数据或逻辑支撑,不是随意拍数。
#### Phase 3:构建敏感性矩阵
1. 单变量敏感性:固定其他变量,逐一改变
2. 双变量敏感性:两个最关键变量交叉
3. 情景组合:命名情景(牛/基/熊)下的全变量组合
4. 蒙特卡洛模拟(如适用):概率分布下的估值分布
#### Phase 4:解读与决策含义
1. 哪些变量对估值最敏感?(弹性排序)
2. 当前价格隐含了什么假设?
3. 盈亏平衡点在哪里?(什么假设下股票不赚钱)
4. 概率加权期望值是多少?
5. 风险回报比如何?
### 输出格式
#### 事件影响评估卡
```
事件: [事件描述]
日期: [确定日期/预期窗口]
类型: [盈利/公司行动/监管/行业/宏观]
┌────────────────────────────────────────────┐
│ 情景 | 概率 | 股价影响 | 基本面影响 │
│------------|-------|---------|------------|│
│ 超预期 | XX% | +XX% | [描述] │
│ 符合预期 | XX% | +/-X% | [描述] │
│ 不及预期 | XX% | -XX% | [描述] │
│ 概率加权 | | +/-X% | │
└────────────────────────────────────────────┘
历史类比:
• [先例1]: 股价反应 +/-XX%,持续 X 天
• [先例2]: ...
交易建议: [事前/事后/对冲/观望]
```
#### 双变量敏感性表
```
目标价敏感性 (¥)
收入增速
利润率 | 10% | 15% | 20% | 25% | 30%
----------|-------|-------|-------|-------|------
18% | ¥XX | ¥XX | ¥XX | ¥XX | ¥XX
20% | ¥XX | ¥XX | [基本] | ¥XX | ¥XX
22% | ¥XX | ¥XX | ¥XX | ¥XX | ¥XX
24% | ¥XX | ¥XX | ¥XX | ¥XX | ¥XX
当前股价: ¥XX (隐含假设: 收入增速 ~XX%, 利润率 ~XX%)
盈亏平衡: 收入增速 >XX% 且利润率 >XX%
```
## 注意事项
- 事件分析的核心是"市场预期差"——不是事件本身好坏,而是相对预期的超预期/不及预期
- 历史类比要谨慎使用,每次事件的背景不同,不能简单套用
- 敏感性分析的变量选择比计算本身重要——选错变量,精确的计算也没意义
- 概率评估必须诚实:不确定就给宽区间,不要伪装精确
- 极端情景不是"不可能"——标注为低概率但高影响
- 所有数据标注来源和截至日期
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!