17.4 多维分析：Skill 驱动的深度评估

面向经管学生、研究者与从业者的 AI 智能体设计教材

作者

李学恒、林建浩、严翊歆

发布于

2026-05-11

信息采集完成后，raw_data/ 里有了财报指标、研报观点和新闻舆情三份结构化材料。下一步是分析。投研分析的核心挑战是：同一家公司，从不同维度看可能得出截然不同的结论。盈利能力优秀不等于估值合理，行业前景好不等于个股值得买。

本节设计三个分析 Skill，分别覆盖基本面、估值和行业三个维度。每个 Skill 读取采集阶段的产出，独立运行分析逻辑，产出带有明确信号（bullish / bearish / neutral）的结构化报告。三个维度并行执行，由各自的分析 agent 在独立窗口中完成。

基本面分析 Skill

fundamental Skill 从四个维度评估公司的财务质量：盈利能力、成长性、财务健康、估值合理性。每个维度独立打分，产出 bullish / bearish / neutral 信号，最终用多数投票（Majority Vote）决定总信号。

这套设计的关键在于量化。每个指标都有明确的阈值和计分规则，不允许出现”盈利能力较强”“增长尚可”这类主观判断词。AI 执行 Skill 时，只需逐条比对数值与阈值，机械产出结论。

完整的 SKILL.md 如下：

▶ Skill

---
name: fundamental
description: 从财务报表角度评估公司质量。当需要判断基本面、盈利能力、财务健康度时使用。
---

# 基本面分析

## 输入

读取 raw_data/earnings/ 下的财报指标文件。

## 方法论

四个子分析并行执行，各自产出 bullish / bearish / neutral 信号。

### 子分析一：盈利能力

评估公司将收入转化为利润的能力。

| 指标 | 阈值 | 达标得 1 分 |
|:---|:---|:---|
| ROE | >= 15% | 股东回报健康 |
| 净利润率 | >= 20% | 利润水平充足 |
| 经营利润率 | >= 15% | 运营效率良好 |

- 得分 >= 2 → bullish
- 得分 = 0 → bearish
- 其他 → neutral

### 子分析二：成长性

评估公司的增长动力。

| 指标 | 阈值 | 达标得 1 分 |
|:---|:---|:---|
| 收入增长率 | >= 10% | 收入有意义扩张 |
| 盈利增长率 | >= 10% | 盈利跟上收入 |
| 账面价值增长率 | >= 10% | 内在价值在积累 |

- 得分 >= 2 → bullish
- 得分 = 0 → bearish
- 其他 → neutral

### 子分析三：财务健康

评估资产负债表强度和现金流质量。

| 指标 | 阈值 | 达标得 1 分 |
|:---|:---|:---|
| 流动比率 | >= 1.5 | 短期流动性充足 |
| D/E | <= 0.5 | 负债水平保守 |
| FCF / 净利润 | >= 0.8 | 盈利有现金流支撑 |

- 得分 >= 2 → bullish
- 得分 = 0 → bearish
- 其他 → neutral

### 子分析四：估值合理性

评估当前价格是否合理。此维度逻辑反转：高倍数 = bearish。

| 指标 | 阈值 | 超过阈值得 1 分（偏贵信号） |
|:---|:---|:---|
| P/E | >= 25 | 盈利估值偏高 |
| P/B | >= 3 | 资产估值偏高 |
| P/S | >= 5 | 收入估值偏高 |

- 偏贵信号 >= 2 → bearish
- 偏贵信号 = 0 → bullish（全部在合理范围）
- 其他 → neutral

## 信号生成

1. 统计四个子信号中 bullish 和 bearish 的数量
2. bullish 多 → overall bullish
3. bearish 多 → overall bearish
4. 相等 → neutral

信心度 = max(bullish 数量, bearish 数量) / 4 × 100

## 输出格式

产出 Markdown 文件至 analysis/fundamental.md，包含：
- 每个子分析的指标值、阈值、达标情况
- 四个子信号和最终信号
- 信心度百分比

Skill 设计三原则：量化、无歧义、可验证

量化：每个评判标准必须有明确的数值阈值，不允许”较好”“一般”等主观判断词。AI 执行时只做数值比较，不做语义判断。

无歧义：阈值的边界行为必须显式标注。“ROE >= 15%”表示 15% 达标，“ROE > 15%”表示 15% 不达标。一个符号的差异会改变最终信号。

可验证：任何人拿到同一份财报数据和同一份 Skill，应该得出相同的结论。如果两个 agent 执行同一个 Skill 产出不同结果，说明 Skill 的定义存在歧义。

估值分析 Skill

valuation Skill 回答一个核心问题：当前市场价格相对于内在价值，是高估、低估还是合理？它用多种估值方法交叉验证，避免单一模型的盲区。

估值 Skill 的结构与基本面 Skill 不同。基本面用多数投票，估值用加权平均。每种方法各自计算内在价值与市值的偏差（gap），然后按权重合成：

▶ Skill

---
name: valuation
description: 评估股票内在价值，判断当前价格是否高估或低估。当需要做估值分析、判断安全边际时使用。
---

# 估值分析

## 输入

读取 raw_data/earnings/ 下的财报指标文件，取当前市值和股价。

## 方法论

三种估值方法并行计算，加权合成最终判断。

### 方法一：DCF 自由现金流折现（权重 40%）

- WACC 计算：股权成本 + 税后债务成本，按市值和净债务加权
- 三阶段增长：高增长期（1-3 年）、过渡期（4-7 年）、终值期
- 基础 FCF：取当期 FCF 与 3 年均值中的保守值
- 情景分析：悲观（20%）、基准（60%）、乐观（20%）概率加权

### 方法二：可比公司法（权重 35%）

- 选取 3-5 家同行业可比公司
- 取 P/E、EV/EBITDA 中位数
- 用中位数倍数乘以目标公司对应指标，得出隐含价值
- 施加 15% 折价（流动性和规模差异）

### 方法三：所有者收益法（权重 25%）

- 所有者收益 = 净利润 + 折旧摊销 - 资本支出 - 营运资本变动
- 折现率 15%，预测期 5 年
- 终值增长率：min(盈利增长率, 3%)
- 施加 25% 安全边际折扣

## 信号生成

每种方法计算 gap = (内在价值 - 市值) / 市值。

加权 gap = Σ(方法权重 × 方法 gap) / Σ(有效方法权重)

仅内在价值 > 0 的方法参与加权。

| 条件 | 信号 |
|:---|:---|
| 加权 gap >= 15% | bullish（低估） |
| 加权 gap <= -15% | bearish（高估） |
| 其他 | neutral |

信心度 = min(|加权 gap| / 30% × 100, 100)

## 输出格式

产出 Markdown 文件至 analysis/valuation.md，包含：
- 每种方法的内在价值和 gap
- 加权 gap 和最终信号
- 信心度百分比

两个 Skill 之间存在一处交叉：基本面 Skill 的子分析四（估值合理性）用 P/E、P/B、P/S 做快速筛选，属于”倍数在不在合理区间”的粗判断；估值 Skill 用 DCF、可比公司、所有者收益三种方法计算内在价值，属于深度定价。两者视角不同，同时出现在分析报告中不矛盾，反而构成交叉验证。

行业分析 Skill

industry Skill 从竞争格局和 SWOT 两个维度评估目标公司所在行业的态势。与前两个 Skill 不同，行业分析包含更多定性判断，因此 Skill 的设计重点是把定性判断结构化。

行业分析的输出分两部分。第一部分是竞争格局评估，参考 Porter 五力模型的简化版，从供应商议价能力、客户议价能力、新进入者威胁、替代品威胁四个方面打分（高 / 中 / 低）。第二部分是 SWOT 结构化输出，要求每个象限列出 3-5 条具体事项，每条附带数据来源。

行业分析 Skill 的 SKILL.md 结构与前两个类似，篇幅所限不再展开。核心设计要点是：即便是定性分析，也要求评级标准可复现。“客户议价能力高”的判断标准是”前五大客户占收入比 >= 50%“，而不是”客户集中度较高”。

从干跑测试中学到的教训

Skill 写完不等于能用。在实际部署前，一个有效的验证方法是干跑（Dry Run）：选一家信息公开的上市公司（如 Apple），手动走一遍 Skill 的全部步骤，检查每条规则是否产出预期结果。

一次针对 Apple 的干跑暴露了两类问题。

干跑教训：边界值处理的陷阱

第一类是边界值歧义。基本面 Skill 最初把成长性阈值写成”> 10%“（严格大于），Apple 的盈利增长率恰好约 10%，按严格大于不达标。一个符号的差异（> 还是 >=）导致成长性子信号从 neutral 变成 bearish，进而影响最终判断。修复方法是统一用 >=，并在 Skill 中显式注明”等于阈值视为达标”。

第二类是信心度公式的语义缺陷。某个 Skill 的信心度公式设计为”得分 / 满分 × 100”，当所有指标都不达标时得分为 0，信心度也是 0%。但 0% 信心度的语义是”完全不确定”，这与”所有指标都指向 bearish”应有的高确信度矛盾。修复方法是让信心度与信号方向关联：bearish 信号下，信心度 = (满分 - 得分) / 满分 × 100。

干跑是 Skill 设计的必要环节。写 Skill 的人容易陷入”规则看起来合理就够了”的心态，但只有拿真实数据跑一遍，才能发现边界值处理、数据缺失、公式语义这些藏在细节里的问题。建议每个分析 Skill 至少用两家不同行业的公司做干跑验证。

从专业教材中提取分析框架

基本面、估值、行业分析的指标体系不需要从零设计。CFA 教材（尤其是 Equity Analysis 和 Corporate Finance 部分）、Damodaran 的估值著作、Porter 的竞争战略都提供了成熟的分析框架。把这些框架”翻译”成 Skill 的核心工作是量化：把教材中的定性描述转化为带阈值的计分规则。例如 Damodaran 建议”用 WACC 折现自由现金流”，但 Skill 需要写明 WACC 的计算公式、各参数的取值范围和约束条件。

延伸阅读：Persona Skill 与多视角分析

三个基础分析 Skill 覆盖了基本面、估值和行业三个维度。更进阶的做法是引入投资者视角（Persona）分析：模拟不同投资风格的决策逻辑，看同一家公司在不同框架下的判断是否一致。例如：

价值投资视角：侧重安全边际和护城河，核心指标为 DCF gap 和所有者收益
成长投资视角：侧重增长动力和市场空间，核心指标为营收增速和 TAM
逆向投资视角：侧重市场恐慌和超跌信号，核心指标为新闻情绪和内部人交易

每种视角可封装为独立的 Persona Skill，产出并列呈现，帮助分析师识别共识和分歧。Persona 分析是本章系统的可选扩展，读者在掌握基础三维分析后可根据自身投资风格添加。

分析阶段的产出

三个分析 agent 完成后，analysis/ 目录包含三份结构化报告：

analysis/
├── fundamental.md   # 基本面分析：四维评分 + 信号 + 信心度
├── valuation.md     # 估值分析：三种方法 + 加权 gap + 信号
└── industry.md      # 行业分析：竞争格局 + SWOT

每份报告末尾有一行标准化的信号摘要，格式固定：

signal: bearish | confidence: 75% | method: majority_vote

下游的 report-writer agent 只需读取这三行信号摘要，就能快速判断三个维度的方向是否一致，然后在投资备忘录中给出综合判断。

--- title: "17.4 多维分析：Skill 驱动的深度评估" --- 信息采集完成后，`raw_data/` 里有了财报指标、研报观点和新闻舆情三份结构化材料。下一步是分析。投研分析的核心挑战是：同一家公司，从不同维度看可能得出截然不同的结论。盈利能力优秀不等于估值合理，行业前景好不等于个股值得买。本节设计三个分析 Skill，分别覆盖基本面、估值和行业三个维度。每个 Skill 读取采集阶段的产出，独立运行分析逻辑，产出带有明确信号（bullish / bearish / neutral）的结构化报告。三个维度并行执行，由各自的分析 agent 在独立窗口中完成。 ## 基本面分析 Skill `fundamental` Skill 从四个维度评估公司的财务质量：盈利能力、成长性、财务健康、估值合理性。每个维度独立打分，产出 bullish / bearish / neutral 信号，最终用多数投票（Majority Vote）决定总信号。这套设计的关键在于量化。每个指标都有明确的阈值和计分规则，不允许出现"盈利能力较强""增长尚可"这类主观判断词。AI 执行 Skill 时，只需逐条比对数值与阈值，机械产出结论。完整的 SKILL.md 如下： ```skill --- name: fundamental description: 从财务报表角度评估公司质量。当需要判断基本面、盈利能力、财务健康度时使用。 --- # 基本面分析 ## 输入读取 raw_data/earnings/ 下的财报指标文件。 ## 方法论四个子分析并行执行，各自产出 bullish / bearish / neutral 信号。 ### 子分析一：盈利能力评估公司将收入转化为利润的能力。 | 指标 | 阈值 | 达标得 1 分 | |:---|:---|:---| | ROE | >= 15% | 股东回报健康 | | 净利润率 | >= 20% | 利润水平充足 | | 经营利润率 | >= 15% | 运营效率良好 | - 得分 >= 2 → bullish - 得分 = 0 → bearish - 其他 → neutral ### 子分析二：成长性评估公司的增长动力。 | 指标 | 阈值 | 达标得 1 分 | |:---|:---|:---| | 收入增长率 | >= 10% | 收入有意义扩张 | | 盈利增长率 | >= 10% | 盈利跟上收入 | | 账面价值增长率 | >= 10% | 内在价值在积累 | - 得分 >= 2 → bullish - 得分 = 0 → bearish - 其他 → neutral ### 子分析三：财务健康评估资产负债表强度和现金流质量。 | 指标 | 阈值 | 达标得 1 分 | |:---|:---|:---| | 流动比率 | >= 1.5 | 短期流动性充足 | | D/E | <= 0.5 | 负债水平保守 | | FCF / 净利润 | >= 0.8 | 盈利有现金流支撑 | - 得分 >= 2 → bullish - 得分 = 0 → bearish - 其他 → neutral ### 子分析四：估值合理性评估当前价格是否合理。此维度逻辑反转：高倍数 = bearish。 | 指标 | 阈值 | 超过阈值得 1 分（偏贵信号） | |:---|:---|:---| | P/E | >= 25 | 盈利估值偏高 | | P/B | >= 3 | 资产估值偏高 | | P/S | >= 5 | 收入估值偏高 | - 偏贵信号 >= 2 → bearish - 偏贵信号 = 0 → bullish（全部在合理范围） - 其他 → neutral ## 信号生成 1. 统计四个子信号中 bullish 和 bearish 的数量 2. bullish 多 → overall bullish 3. bearish 多 → overall bearish 4. 相等 → neutral 信心度 = max(bullish 数量, bearish 数量) / 4 × 100 ## 输出格式产出 Markdown 文件至 analysis/fundamental.md，包含： - 每个子分析的指标值、阈值、达标情况 - 四个子信号和最终信号 - 信心度百分比 ``` ::: {.callout-important} ## Skill 设计三原则：量化、无歧义、可验证 **量化**：每个评判标准必须有明确的数值阈值，不允许"较好""一般"等主观判断词。AI 执行时只做数值比较，不做语义判断。 **无歧义**：阈值的边界行为必须显式标注。"ROE >= 15%"表示 15% 达标，"ROE > 15%"表示 15% 不达标。一个符号的差异会改变最终信号。 **可验证**：任何人拿到同一份财报数据和同一份 Skill，应该得出相同的结论。如果两个 agent 执行同一个 Skill 产出不同结果，说明 Skill 的定义存在歧义。 ::: ## 估值分析 Skill `valuation` Skill 回答一个核心问题：当前市场价格相对于内在价值，是高估、低估还是合理？它用多种估值方法交叉验证，避免单一模型的盲区。估值 Skill 的结构与基本面 Skill 不同。基本面用多数投票，估值用加权平均。每种方法各自计算内在价值与市值的偏差（gap），然后按权重合成： ```skill --- name: valuation description: 评估股票内在价值，判断当前价格是否高估或低估。当需要做估值分析、判断安全边际时使用。 --- # 估值分析 ## 输入读取 raw_data/earnings/ 下的财报指标文件，取当前市值和股价。 ## 方法论三种估值方法并行计算，加权合成最终判断。 ### 方法一：DCF 自由现金流折现（权重 40%） - WACC 计算：股权成本 + 税后债务成本，按市值和净债务加权 - 三阶段增长：高增长期（1-3 年）、过渡期（4-7 年）、终值期 - 基础 FCF：取当期 FCF 与 3 年均值中的保守值 - 情景分析：悲观（20%）、基准（60%）、乐观（20%）概率加权 ### 方法二：可比公司法（权重 35%） - 选取 3-5 家同行业可比公司 - 取 P/E、EV/EBITDA 中位数 - 用中位数倍数乘以目标公司对应指标，得出隐含价值 - 施加 15% 折价（流动性和规模差异） ### 方法三：所有者收益法（权重 25%） - 所有者收益 = 净利润 + 折旧摊销 - 资本支出 - 营运资本变动 - 折现率 15%，预测期 5 年 - 终值增长率：min(盈利增长率, 3%) - 施加 25% 安全边际折扣 ## 信号生成每种方法计算 gap = (内在价值 - 市值) / 市值。加权 gap = Σ(方法权重 × 方法 gap) / Σ(有效方法权重) 仅内在价值 > 0 的方法参与加权。 | 条件 | 信号 | |:---|:---| | 加权 gap >= 15% | bullish（低估） | | 加权 gap <= -15% | bearish（高估） | | 其他 | neutral | 信心度 = min(|加权 gap| / 30% × 100, 100) ## 输出格式产出 Markdown 文件至 analysis/valuation.md，包含： - 每种方法的内在价值和 gap - 加权 gap 和最终信号 - 信心度百分比 ``` 两个 Skill 之间存在一处交叉：基本面 Skill 的子分析四（估值合理性）用 P/E、P/B、P/S 做快速筛选，属于"倍数在不在合理区间"的粗判断；估值 Skill 用 DCF、可比公司、所有者收益三种方法计算内在价值，属于深度定价。两者视角不同，同时出现在分析报告中不矛盾，反而构成交叉验证。 ## 行业分析 Skill `industry` Skill 从竞争格局和 SWOT 两个维度评估目标公司所在行业的态势。与前两个 Skill 不同，行业分析包含更多定性判断，因此 Skill 的设计重点是把定性判断结构化。行业分析的输出分两部分。第一部分是竞争格局评估，参考 Porter 五力模型的简化版，从供应商议价能力、客户议价能力、新进入者威胁、替代品威胁四个方面打分（高 / 中 / 低）。第二部分是 SWOT 结构化输出，要求每个象限列出 3-5 条具体事项，每条附带数据来源。行业分析 Skill 的 SKILL.md 结构与前两个类似，篇幅所限不再展开。核心设计要点是：即便是定性分析，也要求评级标准可复现。"客户议价能力高"的判断标准是"前五大客户占收入比 >= 50%"，而不是"客户集中度较高"。 ## 从干跑测试中学到的教训 Skill 写完不等于能用。在实际部署前，一个有效的验证方法是干跑（Dry Run）：选一家信息公开的上市公司（如 Apple），手动走一遍 Skill 的全部步骤，检查每条规则是否产出预期结果。一次针对 Apple 的干跑暴露了两类问题。 ::: {.callout-note} ## 干跑教训：边界值处理的陷阱第一类是边界值歧义。基本面 Skill 最初把成长性阈值写成"> 10%"（严格大于），Apple 的盈利增长率恰好约 10%，按严格大于不达标。一个符号的差异（> 还是 >=）导致成长性子信号从 neutral 变成 bearish，进而影响最终判断。修复方法是统一用 >=，并在 Skill 中显式注明"等于阈值视为达标"。第二类是信心度公式的语义缺陷。某个 Skill 的信心度公式设计为"得分 / 满分 × 100"，当所有指标都不达标时得分为 0，信心度也是 0%。但 0% 信心度的语义是"完全不确定"，这与"所有指标都指向 bearish"应有的高确信度矛盾。修复方法是让信心度与信号方向关联：bearish 信号下，信心度 = (满分 - 得分) / 满分 × 100。 ::: 干跑是 Skill 设计的必要环节。写 Skill 的人容易陷入"规则看起来合理就够了"的心态，但只有拿真实数据跑一遍，才能发现边界值处理、数据缺失、公式语义这些藏在细节里的问题。建议每个分析 Skill 至少用两家不同行业的公司做干跑验证。 ::: {.callout-tip} ## 从专业教材中提取分析框架基本面、估值、行业分析的指标体系不需要从零设计。CFA 教材（尤其是 Equity Analysis 和 Corporate Finance 部分）、Damodaran 的估值著作、Porter 的竞争战略都提供了成熟的分析框架。把这些框架"翻译"成 Skill 的核心工作是量化：把教材中的定性描述转化为带阈值的计分规则。例如 Damodaran 建议"用 WACC 折现自由现金流"，但 Skill 需要写明 WACC 的计算公式、各参数的取值范围和约束条件。 ::: ::: {.callout-note collapse="true"} ## 延伸阅读：Persona Skill 与多视角分析三个基础分析 Skill 覆盖了基本面、估值和行业三个维度。更进阶的做法是引入投资者视角（Persona）分析：模拟不同投资风格的决策逻辑，看同一家公司在不同框架下的判断是否一致。例如： - **价值投资视角**：侧重安全边际和护城河，核心指标为 DCF gap 和所有者收益 - **成长投资视角**：侧重增长动力和市场空间，核心指标为营收增速和 TAM - **逆向投资视角**：侧重市场恐慌和超跌信号，核心指标为新闻情绪和内部人交易每种视角可封装为独立的 Persona Skill，产出并列呈现，帮助分析师识别共识和分歧。Persona 分析是本章系统的可选扩展，读者在掌握基础三维分析后可根据自身投资风格添加。 ::: ## 分析阶段的产出三个分析 agent 完成后，`analysis/` 目录包含三份结构化报告： ```txt analysis/ ├── fundamental.md # 基本面分析：四维评分 + 信号 + 信心度 ├── valuation.md # 估值分析：三种方法 + 加权 gap + 信号 └── industry.md # 行业分析：竞争格局 + SWOT ``` 每份报告末尾有一行标准化的信号摘要，格式固定： ```txt signal: bearish | confidence: 75% | method: majority_vote ``` 下游的 report-writer agent 只需读取这三行信号摘要，就能快速判断三个维度的方向是否一致，然后在投资备忘录中给出综合判断。