agentsclimarketplace

Investment research

Skill aAAaqwq/AGI-Super-Team/skills/investment-research

14 AI executives powered by legendary minds (Musk/Buffett/Simons/Feynman) — deploy your virtual C-Suite in one git clone.

Install
npx -y skills add aAAaqwq/AGI-Super-Team --skill investment-research

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

What its author says it does

Copied from the file, not written here

Perform structured investment research (投研分析) for a company/stock/ETF/sector using a repeatable framework: fundamentals (basic/财务报表与商业模式), technical analysis (技术指标与关键价位), industry research (行业景气与竞争格局), valuation (估值对比/情景), catalysts and risks, and produce a professional research report + actionable plan. Use when the user asks for: equity/ETF analysis, earnings/financial statement breakdown, peer/industry comparison, valuation ranges, bull/base/bear scenarios, technical trend/support-resistance, or a full research memo.

SKILL.md

5.0 KB, as published. Nobody here has run it

Investment Research(投研分析)

目标(Goal)

用"可复盘"的研究框架输出客观、可验证、带风险边界的投研结论;把"事实/数据"和"判断/假设"明确分开。

先问清楚(Intake)

在开写前,优先收集这些最少信息(缺失则在报告里标注假设):

  1. 标的(Ticker/市场/币种)与投资期限(短/中/长)
  2. 风险偏好与约束:是否可承受回撤、是否可用杠杆/期权
  3. 目标:择时交易还是长期配置?是否已有仓位、成本、计划加减仓
  4. 数据偏好:你提供财报/研报,还是我用公开信息检索(可能非实时),默认使用工具获取公开信息

工作流(Workflow)

Step 1 — 数据与事实层(Facts first)

  • 优先用:公司公告/财报、交易所披露、权威统计、主流券商一致预期(如可得)。
  • 获取数据工具:
    1. 推荐qveris-official:当需要股价、财报等结构化数据、专业财经数据或更强的工具聚合能力时使用。
    2. tavily-search:基本信息查询,搜索简单网页数据,并交叉验证,作为补充。
  • 输出时必须:
    • 给出引用来源(URL/机构/报告名)+ 数据日期/口径
    • 多源交叉验证(至少 2 个独立来源)
    • 不确定/无法验证:明确写"未知/待验证",不要脑补。

Step 2 — 基本面(Fundamental / 基本面)

  • 三表(资产负债表/利润表/现金流量表)联动看:增长、盈利质量、现金流、杠杆与偿债。
  • 拆商业模式与护城河(moat):客户是谁、价值主张、成本结构、议价能力、可复制性。
  • 找"反直觉"风险点:一次性项目、会计口径变化、应收/存货异常、资本开支压力。

Step 3 — 行业(Industry / 行业研究)

  • 明确行业口径与产业链位置;给 TAM/SAM/SOM(若无法量化则说明原因)。
  • 竞争格局:核心对手、份额变化、差异化、价格战可能性。
  • 政策/监管/地缘:对收入、成本、准入的影响路径。

Step 4 — 估值(Valuation / 估值)

  • 相对估值:PE/PB/PEG/EV-EBITDA 对比同行与历史分位(注意可比性与会计口径)。
  • 绝对估值:必要时给 DCF/情景区间(Bull/Base/Bear),把关键变量写清楚。
  • 输出估值区间优于单点目标价;注明数据日期与货币。

Step 5 — 技术面(Technical / 技术分析)

  • 只做"时点与风险管理"辅助:趋势(多周期)+ 关键位(支撑/阻力)+ 量价验证。
  • 指标作为证据而非结论:MA、MACD、RSI、KDJ、布林带等(见参考)。
  • 给可执行计划:入场区间、无效点/止损(stop-loss)、目标与跟踪规则。

Step 6 — 结论、催化剂、风险与反证

  • 催化剂(catalysts):未来 3–12 个月可验证事件 + 可能影响方向。
  • 风险:列 Top 3–7,并给"监控指标/触发条件"。
  • 反证(disconfirming evidence):什么发生会推翻你的核心观点。

输出规范(Output Standard)

  • 默认输出:一份《投研分析报告》+ 一段"行动清单"。
  • 明确区分:
    • 事实(Facts):带来源与时间
    • 假设(Assumptions):可被验证/证伪
    • 判断(Judgement):基于事实与假设
  • 避免确定性措辞:用"可能/大概率/条件成立时"。
  • 必须包含风险提示与免责声明。

模板与参考资料(Resources)

  • 生成报告时:优先按 references/report-template.md 的结构输出。
  • 指标口径不确定时:查 references/indicator-cheatsheet.md

快速示例(Prompts that should work)

  • "按基本面+行业+估值分析一下 XX(给 bull/base/bear)"
  • "把 XX 最近 3 年的财务质量拆开讲,看看有没有风险点"
  • "用技术面给一个交易计划:支撑阻力、止损止盈怎么设"
  • "对比 XX 和 YY:谁更值得配置?给关键分歧与跟踪指标"

工具要求(Tool Requirements)

推荐工具

  • qveris-official(首选):用于获取股价、财报等结构化数据和专业财经数据
  • tavily-search(备用):用于基本信息查询和网页数据补充

工具使用策略

  1. 优先使用结构化数据源(qveris-official)
  2. 交叉验证至少 2 个独立来源
  3. 明确标注数据来源、日期和口径
  4. 无法验证的数据明确标注"未知/待验证"

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.