Skip to content
Back to skills

investment--10x-analysis

ASecurity

适用于用户要求分析一家具体公司的投资价值、询问某公司是否有 10 倍上涨空间、对比多家公司作为投资候选、或要求生成公司研究档案的场景。覆盖美股 / A 股 / 港股上市公司及 pre-IPO 未上市公司。不适用于短线技术面分析、单一指标查询(如某公司 PE 是多少)、纯财务审计。

  • 2 stars
  • 0 votes
  • 1 copy
  • 3 views
  • Added May 26, 2026
data-aigovueawsgcpazuregit

Security analysis

A100/100

Pro scans all 2 files and shows the line behind each finding

Scanned May 27, 2026

npx -y skills add zsjunai/claude-skill-10x-analysis --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of investment--10x-analysis?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for investment--10x-analysis
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/zsjunai-investment-10x-analysis/badge)](https://www.skillsdirectory.com/skills/zsjunai-investment-10x-analysis)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

Download with Pro
SKILL.md
---
name: investment--10x-analysis
description: 适用于用户要求分析一家具体公司的投资价值、询问某公司是否有 10 倍上涨空间、对比多家公司作为投资候选、或要求生成公司研究档案的场景。覆盖美股 / A 股 / 港股上市公司及 pre-IPO 未上市公司。不适用于短线技术面分析、单一指标查询(如某公司 PE 是多少)、纯财务审计。
---

# 10-Bagger 深度投研分析法

## Overview

**核心原则**:用事实驱动的概率分布回答"这家公司 5 年和 10 年后值多少钱、有多大概率翻 10 倍"——而非单一目标价。

每份分析必须包含:双时间轴情景(5Y + 10Y)、加权期望市值、敏感度三大变量、Track Record 锁定的 4-6 条可验证假设、vs 被动组合的超额回报。**机会成本不是现金,是被动 ETF**。

## 当该用这个 skill

**适用**:
- 用户要求分析一家具体公司的投资价值("XX 怎么样?"、"值得买吗"、"有 10x 空间吗")
- 建立公司研究档案
- 比较两家或多家公司
- 判断某公司的未来 5-10 年市值区间

**不适用**:
- 短线技术分析(K 线形态、日/周涨跌预测)
- 单一财务指标问答("XX 的 PE 是多少")
- 纯会计审计 / 财报舞弊排查

## 核心问题

> 这家公司 **5 年**和 **10 年**后分别值多少钱?有多大概率翻 10 倍?

所有分析都服务于这一个问题。

## 硬规则(17 条必须 + 14 条禁止 · v3 新增 ★)

### ✓ 必须做

1. **用事实而非故事**:每个论点必须能被某个具体数据验证或证伪
2. **包含反面证据**:看多论点必须伴随等量的看空论点
3. **标注数据时点**:所有结论附 anchor date("基于 YYYY-MM-DD 已披露数据")
4. **情景概率显式化**:不说"可能",只说"~X%";概率加总 = 100%
5. **区分事实与推断**:哪些是公司披露,哪些是主观判断,分别标注
6. **双时间轴并列**:5Y 与 10Y 两个数字一起给,不能只给单边
7. **量化下行风险**:只给期望值是 research theater,必须同时给**情景标准差、P(亏损 X%)、最大回撤估计**
8. **敏感度排序**:找出"最敏感 3 个变量"并明示 —— 每季度追踪这三个,不是股价
9. **仓位用公式推,不用拍脑袋**:用 Kelly / Vol-targeting / Fixed 任一,把输入参数显式列出
10. **评估管理层花钱能力** ✧:不止看团队背景,还要看 ROIIC / 回购节奏 / 股息 / M&A 命中率
11. **对比共识与公司指引** ✧:管理层自己说 +20%、市场定价 +40% 时,gap 就是业绩爆雷的先行指标
12. **锁定可验证假设** ✧:每份报告输出 4-6 条带目标日期的可验证命题,3/6/12 月后回看——没有 track record 就没有校准
13. **对照被动组合定仓位** ✧:比"SPY + 10Y 国债 60/40"超出多少 CAGR 才值得 3-5% 单股仓位——否则拿 ETF
14. **★ Web search 优先于记忆**:任何"自信判断"前必先 search 最新事实——股价 / 市值 / 持仓 / mNAV / 政策。**记忆中的数字默认过时**——不 search 直接用记忆 = 系统性错误
15. **★ 核心宏观假设用主流共识**:BTC / ETH 长期 CAGR 不能拍脑袋"保守 15%"——用 ARK / 摩根 / Bitwise / VanEck 等主流共识中位数(BTC 25-40% / ETH 30-37%)
16. **★ 基准计算一致性**:vs ETF 比较时,**两边用同样的情景假设**——MSTR 用情景加权 BTC 28% 算自己,IBIT 也必须用情景加权 BTC 28% 算(不能用固定 18%)。计算 expected return 用加权 multiplier,不用 CAGR 加权
17. **★ 拆解溢价 / 折价的"结构性 vs 真实低估"**:mNAV 0.74x 不一定是"市场低估"——可能是治理折扣(CEO 兼职)+ 流动性折扣(小盘)+ 赢家通吃折扣(vs 行业龙头)的合理定价。不要简单假设"mNAV < 1 = 必然均值回归"

### ✗ 不能做

1. **PR 话术**:禁用"颠覆性"、"革命性"、"无可替代"
2. **单一目标价**:必须给情景分布,不是点估计
3. **只讲一面**:只看多或只看空 = research theater
4. **回避概率**:不给概率的判断无法事后复盘
5. **堆砌数据**:数据只在推出决策时才有意义
6. **只看 10Y 终局**:忽视 5Y 节奏的持仓建议没人能执行
7. **只报期望不报方差**:平均赢多少 ≠ 最坏输多少
8. **忽略组合视角**:单股分析不够,必须给**相对已有持仓的相关性 + 对冲建议**
9. **只看团队履历不看资本配置** ✧:好管理层 ≠ 好资本配置,要分开评
10. **默认"这家公司 vs 现金"** ✧:真正的机会成本是"这家公司 vs 被动 ETF"
11. **不留可验证假设** ✧:没有 Track Record 记录的预测,事后无法追责
12. **★ 用记忆数据做"自信判断"**:mNAV / 持仓 / 股价 / 政策 / 公司战略**月级别**就过时——不查证就给数字 = 大概率错
13. **★ 用悲观/乐观双重假设**:算自己时用乐观(BTC 30%),算对手时用悲观(IBIT 18%)= 系统性高估超额。**两边必须一致**
14. **★ 涨幅 +50%+ 后还用"基线乐观"假设**:1 年涨 5x 后,未来 10 年再 5x 是几何上更难的——必须 down-bias。Intel 5.8x / Nebius 7.3x / Sungrow 1.64x 都是反弹陷阱案例

## 9 步流程(v3 新增 Step 00)

### 00 · Web Search Pre-Flight ★(v3 新增 · 强制)

**任何分析前必先做 web search**——这是 v3 最重要的新规则。

**必须 search 的 6 项**(按优先级):
1. **当前股价 / 市值 / 流通股**("XXX 当前股价 市值")
2. **最近一次财报**("XXX 2026 Q1 / Q2 财报 营收 净利")
3. **最近 3 个月重大新闻**("XXX 战略 / 收购 / CEO / 监管")
4. **mNAV / 估值倍数**(如果是加密财库股:BTC / ETH 持仓 + 市值 / NAV)
5. **核心宏观假设的主流共识**(BTC / ETH 长期 CAGR / 行业 TAM)
6. **同业对比**(不要假设"#1 地位"——验证 CoreWeave / 其他对手营收)

**禁止行为**:
- ❌ "我以为 X 公司 mNAV 是 Y" → 必须 search 验证
- ❌ "BTC 长期 CAGR 估 15%" → 必须用主流共识
- ❌ "Nebius 是 Neocloud #1" → 必须验证(实际 CoreWeave 是 4x 规模)

**为什么强制**:v2 时代依赖记忆做了 7 次错误判断(详见末尾 v3 校准案例)。Web search 一次成本 < 30 秒,错误一次成本 = 用户信任 - 1。

---

### 01 · 事实锚定(Fact Anchor)
锁定分析日期,输入只允许那天之前的**公开信息**:
- 最新季报 / 年报 / 招股书
- 官方指引与 press release
- 合同披露(SEC 6-K/8-K / 港交所公告 / 巨潮资讯)
- 主流券商研报

不允许传闻、未确认新闻、任何"预测"作为输入(预测只能在 step 05-06 里出现)。

### 02 · 十倍基因体检(10x DNA Check)

对照 5 项核心基因做差距扫描:

| 维度 | 10 倍股该有的表现 | 评级 |
|---|---|---|
| 规模化杠杆 | 软件边际成本 ≈ 0 | red / yellow / green |
| 网络/平台效应 | 用户越多越值钱 | red / yellow / green |
| 数据/资产壁垒 | 独占数据、IP、规模 | red / yellow / green |
| 定价权 | 毛利 60%+ 可持续 | red / yellow / green |
| 再投资空间 | 高 ROIC × TAM 足够大 | red / yellow / green |

### 03 · 合同积压量化(Revenue Floor)
把已签长期合同、战略入股、产能路径图转化为**未来 3-5 年收入地板**。
公式:`合同总额 / 合同年限 = 年均收入地板`

### 04 · 竞品横向对照(Peer Benchmark)
选同赛道最强对手做指标对齐,8 维对比 + **雷达图**可视化(收入规模/增长/盈利/Nvidia 绑定/主权定位/资产负债表/客户分散度/软件栈)。

### 05 · 双时间轴情景推演(5Y + 10Y Scenarios)
构建 **3-4 档情景**,每档同时推到 5 年和 10 年两个时点,显式标概率(加总 = 100%)。

### 06 · 双时间轴加权期望(Weighted Expectation)

```
E[Mcap_5Y]  = Σ Pᵢ × 5Y_Midᵢ
E[Mcap_10Y] = Σ Pᵢ × 10Y_Midᵢ

Multiplier_5Y / 10Y  = E[Mcap] / Current
CAGR_5Y  = Multiplier_5Y ^(1/5)  − 1
CAGR_10Y = Multiplier_10Y ^(1/10) − 1
```

真 10-bagger:5Y 3-4x + 10Y 10x+;假命中:5Y 8x + 10Y 9x+;估值陷阱:5Y 2x + 10Y 3x。

### 07 · 观察指标清单(Tracking Signals)
输出 **5 项季度级可追踪指标**,每项给 10x 轨迹 / 基线 / 落后 三种信号值。

### 08 · Track Record 锁定(Forward Assumptions)✧
写完报告不是结束,而是**校准循环的开始**。每份报告锁定 **4-6 条带目标日期的可验证命题**(例:"Brukinsa 2026 销售 ≥$5B"),3/6/12 月后回看,建立分析师自我命中率。连续 3 份报告命中率 <40% → 系统性校准问题,暂停新报告。

---

## 25 个完整模块(顶级投研报告所需)

按字母分组。**✦ 第一次大升级加入**;**✧ 本次迭代(v2)加入**。

### A · 公司全景
- **A1** 沿革 · 商业模式 · 营收构成
- **A2** 创始人 · 团队 · 股权结构 + **关键人风险表** ✦(4+ 关键人 × 离职概率 × 影响 × 缓释)
- **A3** 管理层资本配置评分 ✧(ROIIC / 回购节奏 / 股息政策 / M&A 命中率 四项 1-5 分打分 + 综合 A-D 等级)

### B · 事实与财务
- **B1** 关键事实锚点
- **B2** 营收与 CapEx 轨迹
- **B3** 盈利能力(损益表 · 利润率演进 · 里程碑 · 单位经济 · FCF)
- **B4** 现金流三张表 ✦(OCF / ICF / FCF / FreeCashFlow 逐年数据 + Cash Conversion Ratio + 现金流关键风险)

### C · 护城河
- **C1** 核心竞争优势(带外部证据)
- **C2** 结构性劣势
- **C2b** 空头剧本 Bear Playbook ✦(悲观情景的完整 ruin 时间线 × 6 步 × 识别信号 × 退出触发器)

### D · 机会
- **D1** 短期催化剂日历(3-18 个月,方向 / 概率 / 幅度)
- **D2** 长期增长驱动(3-10 年)

### E · 风险
- **E1** 分类风险矩阵(7 大类 × 严重度 × 缓释)

### F · 竞争
- **F1** 多空快速简报
- **F1b** 赛道 TAM + 市占率演进 ✦(6 个时间点 × 总 TAM / 子赛道 / 公司营收 / 市占率;对数坐标柱图 + 市占率折线图 + 10x 所需市占门槛线)
- **F2** 竞争格局(全景对照表 + 8 维雷达图 ✦ + 市场份额饼图 + Win-Loss 场景)
- **F2b** vs 头号对手深度对照
- **F3** 十倍基因差距扫描

### G · 情景与估值
- **G1** 双时间轴情景推演
- **G2** 双时间轴加权期望
- **G2b** 下行风险量化 ✦(情景标准差、Sharpe-like、P(5Y 亏 30%+)、最大回撤估计、下行/上行比)
- **G3** 估值框架(多口径 + SOTP)
- **G3b** 历史估值分位 ✦(季度 forward EV/Sales 折线图 + 当前百分位 + cheap/fair/rich 判定)
- **G4** Watchlist · 季度跟踪
- **G5** 敏感度 · Tornado 图 ✦(7 变量 × ±1σ 扰动对 10Y 期望市值的影响,按敏感度排序的水平双向柱图 + 最敏感三变量结论)
- **G6** 共识 vs 指引 Gap ✧(管理层指引 / 卖方共识 / 本分析假设 三列对比;gap >15% 时红标警报;业绩爆雷先行指标)
- **G7** 对照组策略 ✧(与 SPY / QQQ / 60-40 / 10Y 国债被动组合对比,回答"是否真的值得单选")

### H · 决策
- **H1** 结构化投资建议(评级 / 仓位 / 加仓区 / 止损 / 关键假设 / **仓位推导公式 Kelly** ✦)
- **H2** 组合相关性 · 对冲 ✦(与 7+ 参考资产的 Beta + 相关系数 + 对冲价值评级 + 建议组合)
- **H3** Track Record 机制 ✧(锁定 4-6 条关键可验证假设 + 目标日期 + 当前状态 pending/hit/miss;3/6/12 个月后回看建立自我校准数据)

### 附加
- 子公司期权价值 SOTP
- 分析师共识目标价 + 条形图 + 当前股价水平线

---

## 输出格式

### 快速版本(一轮对话)
- 当前股价 + 市值 + anchor date
- 5Y 加权期望 + 10Y 加权期望 + **5Y 情景标准差**
- 3-4 档情景 + 概率
- **最敏感三变量**(from G5 sensitivity)
- **P(5Y 亏损 30%+)**(from G2b downside)
- 一句话评级 + **Kelly 推导的仓位**
- 关键风险(3 条)

### 完整版本(25+ 模块)
按 `CompanyDetail` 接口填充(参考 coin 项目 `src/types/company.ts`)。

**结构化数据要包含**:
- 7 步 × 各自数据
- 25+ 模块 × 各自填充字段
- Chart.js 可视化数据(营收轨迹 · 利润率演进 · 情景概率 · 双时间轴对比 · TAM 增长 · 市占率轨迹 · 8 维雷达 · 历史估值 · Tornado · 分析师目标价)
- 数据 anchor date

---

## 市场差异(US / A 股 / HK)

### 🇺🇸 美股

| 项 | 说明 |
|---|---|
| Ticker | `NASDAQ:XXX` / `NYSE:XXX` |
| 数据源 | SEC EDGAR、Yahoo Finance、Seeking Alpha、券商研报(Goldman / MS / Morgan) |
| 货币 | USD |
| 对标池 | SaaS 巨头、Mag 7、大市值科技股 |
| 特殊规则 | Regulation FD、季报会议、SEC 6-K/8-K 披露 |

### 🇨🇳 A 股

| 项 | 说明 |
|---|---|
| Ticker | `SH:600XXX`(上交所)/ `SZ:000XXX`(深交所)/ `SZ:300XXX`(创业板)/ `SH:688XXX`(科创板)/ `BJ:8XXXXX`(北交所) |
| 数据源 | 巨潮资讯(cninfo)· 东方财富 · 同花顺 · 公司定期报告 |
| 货币 | CNY(元 / 万元 / 亿元) |
| 对标池 | 白马龙头、行业 TOP3 |
| 特殊规则 | 证监会政策窗口、定增 / 限售股解禁、机构持仓披露、A 股涨跌停限制 |

### 🇭🇰 港股

| 项 | 说明 |
|---|---|
| Ticker | `HK:XXXXX`(5 位数,前导零保留) |
| 数据源 | 港交所披露易(hkex.com.hk)· 阿思达克 · 富途 |
| 货币 | HKD(港元) |
| 对标池 | 中概股、H 股 + 红筹、港股通标的 |
| 特殊规则 | 南下资金、互联互通额度、H-A 溢价、同股不同权(WVR)结构 |

---

## 公司名称中文化约定

有公认中文名的英文公司,**正文中统一用中文**(Ticker 保留英文):

| 英文 | 中文 |
|---|---|
| Nvidia | 英伟达 |
| Microsoft | 微软 |
| Oracle | 甲骨文 |
| TSMC | 台积电 |
| Tesla | 特斯拉 |
| Amazon | 亚马逊 |
| Google Cloud | 谷歌云 |

**保留英文**的情况:
- 品牌简写:Meta / Google / Apple
- 无通用中文名:SpaceX / Stripe / Palantir / CoreWeave / Lambda / Crusoe
- 产品缩写:AWS / Azure / GCP / CUDA / GB300
- Ticker:NASDAQ:NVDA / NASDAQ:MSFT 等

**中文排版**:中文名与中文字之间不要有空格("英伟达持股" 不是 "英伟达 持股");与英文/数字之间保留空格("英伟达 GTM")。

---

## 关键量化公式速查

### 1. 加权期望值
```
E[Mcap] = Σ Pᵢ × Midᵢ
Multiplier = E[Mcap] / Current
CAGR = Multiplier^(1/n) − 1
```

### 2. Kelly 公式(保守版,用 1/2 Kelly)
```
f* = (期望回报率 − 无风险利率) / 方差 × 0.5
```
输入:期望 CAGR · 无风险利率(10Y 国债)· 情景标准差。

### 3. 情景标准差(下行风险量化)
```
σ = √(Σ Pᵢ × (Midᵢ − E[Mcap])²)
Sharpe-like = (E[Mcap] − Current) / σ
```

### 4. 敏感度扰动
每个变量独立扰动 ±1σ,其余变量保持基准,计算对 E[Mcap_10Y] 的影响,按 |max(down, up)| 排序。

### 5. 超额回报 vs 被动组合
```
超额 CAGR = 本公司 CAGR - 被动组合基线 CAGR
基线:60% SPY (10%) + 40% 10Y 国债 (4.5%) ≈ 7.8% CAGR

判定:
- 超额 > 5%:justifies 3-5% 单股仓位(yes)
- 超额 2-5%:边缘,仓位 ≤ 3%(marginal)
- 超额 < 2%:直接买 ETF(no)
```

### 6. Track Record 命中率
```
命中率 = hits / (hits + misses + partial × 0.5)

标注:未到目标日期的记为 pending,不计入分母
连续 3 份报告命中率 < 40% → 系统性校准问题,暂停新报告
```

---

## 实现参考

- **类型定义**:coin 项目 `src/types/company.ts` 的 `CompanyDetail` 接口(60+ 字段,TS 严格模式约束)
- **数据模板**:coin 项目 `src/data/nebius.ts`(~970 行完整示例,可直接抄)
- **可视化模板**:coin 项目 `src/views/CompanyView.vue`(Vue 3 + Chart.js,含雷达/折线/双向柱图/环形图)
- **生产示例**:https://coin.puliot.com/company/nebius

### 新增一家公司到 coin 项目

1. 复制 `src/data/nebius.ts` → `src/data/<id>.ts`,按 `CompanyDetail` 接口填(TS 会强制检查每个字段)
2. `src/data/companies.ts` 的 `companyRegistry` 和 `companies` 各加一行(含 market + currency 字段)
3. `git push` → GitHub Actions 自动部署上线

---

## 加密 / 高 β 标的特殊处理 ★(v3 新增)

针对 MSTR / BMNR / SBET 等"加密财库股"或类似 mNAV 飞轮型标的:

### A. mNAV 折价拆解(不要简单假设回归)

```
mNAV 折价来源 = 治理折扣 + 流动性折扣 + 赢家通吃折扣 + 真实低估
```

| 折扣类型 | 典型大小 | 是否会消失 |
|---|---|---|
| **治理折扣**(CEO 兼职 / 关键人风险)| 10-15% | **不会消失(结构性)** |
| **流动性折扣**(小盘 / NASDAQ < $5)| 5-10% | 仅在做大后消失 |
| **赢家通吃折扣**(vs 行业龙头)| 5-10% | 不会消失,反而扩大 |
| **真实低估**(市场情绪 / 短期错配)| 0-15% | **会回归** |

**示例**:SBET mNAV 0.74x(折价 25%):
- 治理 12%(Lubin 兼职 ConsenSys)
- 流动性 7%(NASDAQ 小盘 nano-cap)
- 赢家通吃 8%(vs BMNR)
- 合计 25% = **结构性合理定价**,不是市场错误

→ **mNAV 长期均值预计 0.85x(不会回到 1.0x)**

### B. 加密资产长期 CAGR 主流共识(不拍脑袋)

| 资产 | 主流共识 10Y CAGR | 来源 |
|---|---|---|
| **BTC** | **25-40%** | 历史 84%(10Y)/ ARK 40% / 摩根 25% / Cathie Wood 30% |
| **ETH** | **30-37%** | 历史自 2019 161% / VanEck 2030 $22K = 37.8% / Bitwise $14K = 25% |
| **Stablecoin** | 5-10%(usage 增长,不是币价)| GENIUS Act 后预期 |

**禁止用 BTC 15% / ETH 18% "保守假设"**——会系统性低估所有币股 +20pp。

### C. vs ETF 基准用加权 multiplier(不用固定 CAGR)

错误:
```
MSTR 加权 BTC 28% 算自己 = 35.3% CAGR
IBIT 用固定 18% = 错(BTC 牛市/基线情景占 55% 权重)
→ MSTR vs IBIT = 35.3% - 18% = +17.3pp(虚高)
```

正确:
```
IBIT 加权 multiplier:
  0.15 × 28.9 + 0.40 × 12.0 + 0.30 × 3.11 + 0.12 × 1.0 + 0.03 × 0.349 = 10.2x
  → CAGR 26.1%

MSTR 加权 multiplier = 20.4x → CAGR 35.3%
MSTR vs IBIT = 35.3 - 26.1 = +9.2pp(真实)
```

### D. 飞轮加速度递减

mNAV 飞轮的 BTC/ETH per share 增厚速度**会随规模递减**:
- 早期(市值 < $1B):CAGR 50%+(高 mNAV + 小盘易增发)
- 中期(市值 $5-20B):CAGR 20-30%(mNAV 接近 1)
- 后期(市值 > $50B):CAGR 10-15%(流通股已大)

**不要**用早期 6 年 +200%/年外推 10 年——会过度高估。

---

## 反弹陷阱识别 ★(v3 新增)

**1 年涨幅 +50%+ 的标的需要重新审视估值起点**——这是 Intel / Nebius / Sungrow 三次校准的同源教训。

### 典型反弹陷阱案例

| 标的 | 1Y 涨幅 | 起点市值 | 修正前 vs 被动 | 修正后 vs 被动 |
|---|---|---|---|---|
| Intel | +449% | $551B | (-) | -7.3pp(bearish)|
| Nebius | +630% | $46B | +16.0pp | +9.1pp |
| Sungrow | +64% | ¥2,848 亿 | +9.3pp | -0.8pp |

### 反弹陷阱检测公式

```
反弹陷阱风险 = max(
  (当前股价 / 12月前股价 - 1) × 0.3,   // 涨幅
  (当前 PE / 5Y 历史中位 - 1) × 0.5,    // 估值
  (当前 mNAV / 1Y 平均 - 1) × 0.4       // 加密标的
)

如果 > 0.5:需要 down-bias 期望 5-10pp
如果 > 1.0:需要 down-bias 期望 10-15pp
```

### 反弹陷阱处理步骤

1. **先确认起点市值**(不用 12 月前的)
2. **重新算 forward PE / PS**:当前估值已透支多少年增长?
3. **下调超牛 / 基线情景的市值上限**:1Y +500% 后,未来 10Y 再 +500% 几何上极难
4. **强调"等回调"建仓区间**:不在反弹完成后追高,等估值合理化

---

## v3 校准案例库 ★(避免重复犯错)

7 个具体错误模式 + 可执行教训 → 见 [calibration-cases.md](./calibration-cases.md)

每份新分析前**必须**对照该文件末尾的"自查清单"(6 项)。任一条 ❌ → 不要发布,先 search。

---

## 用户质疑机制 ★(v3 新增)

**用户的质疑是分析师质量的最后防线**。

如果用户问:
- "你确定吗" → 立刻 web search 核实,不要 defensive
- "为什么 X 这么高/低" → 检查是否过时数据 / 拍脑袋假设
- "其它类似标的要不要更新" → 大概率所有同类标的都需要重新 search

**反 pattern**:用户连续 3 次质疑同类问题 → 系统性方法论错误 → 暂停新分析 + 全面校准

---

## 禁用列表

任何时候都不要做:
- 推荐股票、说"建议买入"、建议具体仓位(要给公式和情景分布,让用户自己决定)
- 不加 disclaimer(必须附"本分析不构成投资建议")
- 使用 technical indicator 买卖信号(MACD / RSI / 布林带等)
- 预测下周 / 下月股价(只做 5Y / 10Y 概率分布)
- 把公式里的主观概率说成"客观数据"(情景概率本质是主观判断,要显式声明)
- ★ **不查证用记忆数据做"自信判断"**(v3 新增 · 7 次错误同源根因)
- ★ **vs ETF / 被动组合用不一致基准假设**(双重标准 = 系统性高估超额)
- ★ **涨幅 +50%+ 标的不重新 down-bias**(反弹陷阱)

Files in this skill

  • SKILL.md21 KB
  • calibration-cases.md4.3 KB

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments

Loading comments…

Newsletter

Get the weekly list of safe new skills, and the ones we pulled.