Back to skills
SKILL.md
Lin Yuan Monopoly Consumer
ASecurityA股林园垄断+成瘾性消费投资法:只投嘴巴相关的刚需龙头、毛利率>50%、ROE高位、分红高、申万行业过滤+成瘾行业白名单多维打分 | A-share Lin Yuan-style monopoly + addictive consumer investing: mouth-related necessities, gross margin >50%, high ROE, high dividends, SW industry filter + addictive-industry whitelist scoring | A株林園式独占+依存性消費投資:口元関連の必需品、粗利率50%超、高ROE、高配当、申万業種フィルタ+依存業界ホワイトリスト採点
- 19 stars
- 0 votes
- 0 copies
- 0 views
- Added September 26, 2026
Security analysis
96/100- Installs packages at runtime which could introduce malicious dependencies
Pro scans all 7 files and shows the line behind each finding
npx -y skills add Serennity007/awesome-stock-quant-skills --skill lin-yuan-monopoly-consumer --agent claude-codeAre you the author of Lin Yuan Monopoly Consumer?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/serennity007-lin-yuan-monopoly-consumer)---
name: lin-yuan-monopoly-consumer
description: A股林园垄断+成瘾性消费投资法:只投嘴巴相关的刚需龙头、毛利率>50%、ROE高位、分红高、申万行业过滤+成瘾行业白名单多维打分 | A-share Lin Yuan-style monopoly + addictive consumer investing: mouth-related necessities, gross margin >50%, high ROE, high dividends, SW industry filter + addictive-industry whitelist scoring | A株林園式独占+依存性消費投資:口元関連の必需品、粗利率50%超、高ROE、高配当、申万業種フィルタ+依存業界ホワイトリスト採点
author: Serennity007
license: MIT
---
# 🍶 林园垄断+成瘾性消费投资法|4 大铁律锁定“嘴巴上的刚需龙头”
> **“我只投与嘴巴相关的、成瘾的、垄断的、毛利率唯一不骗人的公司。”——林园**
本技能把林园公开访谈/演讲中反复提及的投资框架,在 A 股市场做**机械化初筛**:不追热点、不猜情绪,只看“嘴巴相关刚需 + 垄断定价权 + 高且稳定毛利率 + 高分红”四大硬指标。核心工具是 `scripts/screen.py`——它从沪深300或自定义股票池中,按林园式规则打分排序,输出结构化 CSV,供你进一步做护城河与估值定性分析。
## 4 大筛选铁律(满分 100)
| 维度 | 林园原话 | 代理指标 | 权重 |
|---|---|---|---|
| 1. 垄断定价权 | “毛利率是唯一不骗人的指标” | 近 5 年毛利率均值 >50%,且波动小 | 30 |
| 2. ROE 持续高位 | “买了就不卖,企业一直赚钱” | 连续 5 年 ROE ≥15% 的年数与均值 | 25 |
| 3. 股东回报 | “分红率要高,老板舍得给” | 近 12 个月股息率 + 近 5 年分红持续性 | 20 |
| 4. 成瘾/刚需行业 | “只投嘴巴相关、吃了还想吃” | 白酒/中药/调味品/乳品/啤酒等白名单匹配 | 15 |
| 5. 财务稳健 | “不借钱也能赚钱” | 最新资产负债率 | 10 |
> 注:申万行业分类以 `akshare.stock_industry_change_cninfo` 为准;当该接口因证书/网络失败时,降级使用 `stock_yjbb_em` 的“所处行业”作为行业参考。
## 使用方法
```bash
pip install akshare pandas
# 默认用沪深300成分股作为股票池(消费医药预筛,避免全市场过慢)
python scripts/screen.py --pool hs300 --top 20 --out result.csv
# 或用自定义股票池(推荐先小样本验证)
python scripts/screen.py --codes 600519,000858,600036 --out result.csv
```
参数说明:
- `--pool`: 股票池,目前支持 `hs300`(沪深300)。
- `--codes`: 逗号分隔的自定义股票代码,优先级高于 `--pool`。
- `--top`: 终端展示前 N 名(默认 20)。
- `--out`: CSV 输出路径(默认 `lin_yuan_screen_result.csv`)。
- `--min-gross`: 毛利率硬门槛(默认 50%)。
- `--min-roe`: ROE 硬门槛(默认 15%)。
- `--min-div`: 近 12 个月股息率硬门槛(默认 1.0%)。
- `--sleep`: 每只股票间隔秒数(默认 0.3,用于防接口限流)。
## 输出字段速览
| 字段 | 含义 |
|---|---|
| `code` / `name` | 股票代码 / 简称 |
| `score` | 林园式综合得分(满分 100) |
| `linyuan_pass` | 是否通过硬门槛(毛利率、ROE、股息率、消费医药行业) |
| `sw_industry` / `sw_sector` | 申万行业三级/二级/一级分类 |
| `gross_mean` / `gross_annual` | 近 5 年毛利率均值 / 序列 |
| `roe_mean` / `roe_annual` | 近 5 年 ROE 均值 / 序列 |
| `dividend_yield` / `payout_recent` | 近 12 个月股息率 / 最近一年派息额 |
| `debt_latest` | 最新资产负债率 |
| `addictive_tag` | 成瘾/刚需行业标签 |
| `data_years` | 有效年度数 |
| `source` / `note` | 数据来源与降级说明 |
## 分析流程(配合 AI 使用)
1. **跑初筛**:运行 `screen.py` 得到候选名单与各项得分。
2. **读清单**:对照 `references/lin_yuan_rules.md`,用“只投垄断、只投嘴巴、毛利率不骗人、买了就不卖”做自我检查。
3. **护城河定性**:对高分股票逐一判断——品牌成瘾性、渠道控制力、提价能力、产能稀缺性、管理层对股东回报的态度。
4. **估值与仓位**:只在能力圈内、估值合理或低估时买入;真正看懂的机会敢于重注、长期持有。
## 数据来源与降级策略
- 数据来自 `akshare` 公开接口(东方财富/巨潮/腾讯行情)。
- 脚本启动时默认禁用系统代理,避免 `127.0.0.1:7890` 等本地代理阻断数据源。
- 财务主接口:`akshare.stock_financial_analysis_indicator`;失败时整体降级到新浪三大报表手工计算。
- 估值主接口:`akshare.stock_value_em`;失败时降级到 `stock_zh_a_spot_tx`。
- 行业主接口:`akshare.stock_industry_change_cninfo`(申万);失败时降级到 `stock_yjbb_em` 的“所处行业”。
- 分红主接口:`akshare.stock_dividend_cninfo`;失败时股息率标记为缺失,不影响其他维度打分。
- 所有网络调用均带 3 次指数退避重试,调用间 `time.sleep(0.15)` 防限流。
## 配套文件
- `references/lin_yuan_rules.md` — 林园投资思想整理:垄断、嘴巴相关、毛利率、买了就不卖、能力圈与纪律。
## 免责声明
本技能仅供学习研究,不构成投资建议。历史财务指标不代表未来表现,任何筛选结果都必须经过自己对生意的理解(能力圈)二次确认。林园本人观点以公开访谈、演讲、著作为准,本整理可能存在理解偏差。投资决策应建立在独立研究、充分安全边际与自身风险承受能力之上。
Files in this skill
- README.en.md
- README.ja.md
- README.md
- SKILL.md
- lin_yuan_test_result.csv
- references/lin_yuan_rules.md
- scripts/screen.py
Attribution
Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.