Company-Deep-Analysis

A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定"财务情况/财务分析/公司画像/公司基本面"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面

公司深度分析助手（A 股 / 港股）

输入 A 股/港股公司名称或股票代码，默认执行 6 步分析，输出双产物：

• MD 深度分析报告（{公司名}_深度分析报告_{YYYYMMDD}.md）
• HTML 投研简报（{公司名}_投研简报_{YYYYMMDD}.html）

单步模式：用户说"看一下 XX 的财务情况" / "XX 的公司画像" 时，按 执行模式路由 表只跑对应步骤，输出对应单文件（不要双产物）。

适用场景

• 个人投资者做投前初筛（5 分钟看一家公司基本面）
• 卖方/买方研究员做行业研报的子模块
• 投资经理在投委会前快速过一遍潜在标的
• 跨行业比较 5-10 家可比公司的财务与护城河
• 只想看财务 → 单步模式（输出财务分析单文件，不必出简报）
• 只想看公司画像 → 单步模式（输出公司画像单文件）

执行模式路由

路由表

用户关键词（任一命中）	模式	跑的步骤	输出文件
（默认）/ 没有任何特殊词	full	Step0 + Step1 + Step2 + Step3 + Step4 + Step5	双产物：_深度分析报告.md + _投研简报.html
财务 / 财务情况 / 财务分析 / 看看财务	financial	Step0（数据采集） + Step4（财务四维）	_财务分析.md（单文件）
画像 / 公司画像 / 公司基本面 / 看看公司	profile	Step0（数据采集） + Step1（公司画像）	_公司画像.md（单文件）

关键词优先级（多关键词冲突时）

最具体的优先：financial > profile > full

例：

• "分析 XX 公司的财务情况" → financial（命中"财务情况"）
• "XX 的公司画像怎么样" → profile（命中"公司画像"）
• "帮我分析一下 XX" → full（默认）
• "XX 的财务和公司画像" → financial（最具体的优先，不双跑）

单步模式必跑的前置

• Step0 数据采集必跑：所有模式的输入都依赖 /tmp/{code}_data.json
• 跳过中间步是安全的：Step2（五力）/ Step3（护城河）/ Step5（估值）的产物不喂给 Step1 / Step4，跳过不影响单文件质量
• 代价：单步模式输出文件没有行业竞争 / 护城河 / 估值章节，质量门只检"该模式的章节"

用户提示模板

路由判断完成后，在对话中展示一行：

text

🔍 识别到：{公司全称}（{代码}）· {市场} · 即将进入「{模式}」模式（{跑哪几步}），输出 {单/双} 产物：{文件清单}

执行原则

1. 报告行文按 ai-internal-rules.md §3.1-3.4 硬要求（结论先行 + 主谓宾结构）
2. 所有财务数字标注来源，推算指标列出公式
3. 推断内容标注置信度（高/中/低）
4. full 模式：6 步串行执行，StepN 完成后才能启动 StepN+1。单步模式（financial/profile）：按 执行模式路由 表只跑对应步骤
5. 无法获取的信息标注为信息盲区，不编造

---

Step0：公司识别与数据采集

0.1 公司识别

前置检查：市场范围

支持 A 股 + 港股，拒绝美股：

• 用户明示美股，或代码为字母美股代码（如阿里 BABA、特斯拉 TSLA）→ 回复"本工具仅支持 A 股 / 港股分析。如需分析美股，请使用对应工具。"
• 明确为未上市公司（如华为、字节跳动）→ 回复"该公司尚未上市，无法进行股票分析。"
• 通过后继续下面流程

识别输入类型 + 市场判定

判断用户输入（顺序敏感，先看代码长度/格式）：

输入特征	模式	市场
5 位纯数字（如 00700、09988）	港股代码模式	港股
6 位纯数字（如 600519、000858）	A 股代码模式	A 股
hk00700 / sh600519 / sz000001 / bj430047	带前缀代码模式	按前缀判定
00700.HK / 600519.SH（带 .XX 后缀）	港交所/上交所规范后缀模式	按后缀判定（需规整成 hk00700 / sh600519）
含 5-6 位数字 + 公司名（如"腾讯 00700"）	公司名+代码模式	按代码长度判定
其他	公司名模式	search 后由候选判定

代码规整：所有变体在传给脚本前统一为 hk{5位} / sh{6位} / sz{6位} / bj{6位}，collect_data.py 用 westock_data.market_prefix() 重新识别。

---

情况 A：公司名模式（如"贵州茅台"、"腾讯控股"）

执行 westock-data search <公司名>，取 Top 3 匹配结果（默认含 A 股/港股/美股个股）。

• 唯一匹配：在对话中展示"🔍 识别到：{公司全称}（{代码}）· {市场} · {交易所}"，进入 0.2
• 多候选：用 ①②③ 列出"{公司全称}（{代码}）· {市场标识}"，A 股/港股候选全部展示让用户选；美股候选标注"美股，本工具不支持"排除
• 无结果：提示"未找到匹配的 A 股/港股公司，请手动输入代码。"

---

情况 B：股票代码模式（如"600519" / "00700" / "hk00700" / "00700.HK"）

执行 westock-data quote {full_code}（取 name 字段），反查公司全称和市场。

• 找到匹配：在对话中展示 → 直接进入 0.2
• 代码无效：提示"代码 {代码} 未找到，请检查是否正确。"

---

情况 C：公司名+代码模式（如"贵州茅台 600519"、"腾讯 00700"）

执行 westock-data quote {full_code}（取 name 字段），验证匹配性。

• 匹配 ✓：直接进入 0.2，不弹确认
• 不匹配 ✗：展示搜索结果和用户输入，让用户选择正确的一方

---

确认信息格式（在对话中展示，不弹窗）：

• 唯一匹配：输出"🔍 识别到：{公司全称}（{6位或5位代码}）· {A股/港股} · {交易所}，即将开始 6 步深度分析。如不对请直接告诉我正确代码。"，然后进入 0.2。
• 多候选：用 ①②③ 列出"{公司全称}（{代码}）· {市场} · {交易所}"，等用户选择后进入 0.2。

0.2 结构化数据采集

执行 scripts/collect_data.py {股票代码}，脚本自动采集 10+1 项数据：

模块	数据源	备注
finance	东财主要财务指标	已有
f10	东财 F10 五大类	已有
lrb	westock CLI（默认）/ 新浪（降级）	利润表，westock 失败自动降级
fzb	westock CLI（默认）/ 新浪（降级）	资产负债表，同上
llb	westock CLI（默认）/ 新浪（降级）	现金流量表，同上
quote	腾讯行情	已有
em_info	东财个股信息	已有
blocks	百度概念板块	已有
reports	东财研报	已有
ths_forecast	同花顺一致预期	已有

以上 10 项为数据采集项，外加 1 项衍生：

衍生项	拆解方式	用途
ebitda	westock 三表 → calc_ebitda() 拆解	估值 EV/EBITDA 方法

全部写入 /tmp/{股票代码}_data.json，终端只输出采集摘要。

批量模式（不写文件，stdout 输出 JSON，进度走 stderr）：

模式	命令	输出	用在哪
--quotes	collect_data.py --quotes 600519,000858	多家公司行情（PE/PB/市值/股价）	Step3.2 估值章节竞对 PE/PB
--finances	collect_data.py --finances 600519,000858,002768	多家公司财务比率（毛利率/净利率/ROE/营收/同比/8 期报告期）	Step4 §6 可比公司财务对比（强制走 collect_data.py --finances 直采）

三表数据源说明：默认走 npx -y westock-data-skillhub@1.0.3 finance（一次拿全三表），失败时自动降级到原新浪接口（sina_report()）。环境变量 WESTOCK_TRIPLE=0 强制走新浪。

执行方式：

bash

# 获取 skill 目录路径，然后执行脚本
python3 <skill_dir>/scripts/collect_data.py {CODE}

0.3 定性信息补充（合并搜索）

text

westock-data report <代码> --limit 5    # 券商研报（战略方向、风险因素）
westock-data notice list <代码> --limit 5    # 公司公告（管理层变动、重大事项）

2 次拉取覆盖战略方向、风险因素、管理层变动、商誉减值等定性信息。

0.4 数据质量评级

• A级：10 项数据 + 1 衍生全部成功
• B级：1-3 项失败（记录失败项，用 westock-data 其它命令补充）
• C级：三表 + F10 均失败（仅做定性分析）

报告采集摘要（数据等级 + 获取项 + 缺失项），自动进入Step1。

---

Step1：公司画像

输入：从 /tmp/{股票代码}_data.json 读取 f10.公司概况、f10.股东研究、f10.股本结构、em_info、blocks。

1. 基本信息:公司全称、股票代码、上市交易所、上市日期、注册资本、实际控制人、所属行业(申万)、业务模式标签【互联网/平台/TOC SaaS/TOB SaaS/TOC+TOB 双边/工业品/消费品/金融/医药/地产/强周期/其他】、概念板块(合并到此节最后一行,逗号分隔)
2. 主营业务:主要产品/服务、收入构成、最新业务动态
3. 股权结构:前十大股东(名称/持股比例/性质)、实际控制人持股链路、总股本/流通股本/限售股
4. 用户规模与活跃度(由 §0 业务模式标签决定):
   • 触发条件:见模板 §0.4 表格(基于申万行业 + 主业占比,不用关键词匹配)
   • 触发内容:见模板 §五
     • TOC:MAU/DAU/付费用户/ARPU/留存/LTV/CAC 等核心用户指标
     • TOB:付费客户数/ARR/NDR/续约率/Rule of 40 等 SaaS 指标
     • 两者并存时两节都生成

业务模式标签判定按 templates/company-profile-template.md §0 执行(申万行业 + 主营占比双判定,主业占比 50% 是分水岭),产物作为 Step2 五力框架选择器、Step3 护城河框架选择器、Step4 财务权重调整表的查询键。

输出：使用 templates/company-profile-template.md 生成 {公司名}_公司画像.md。

质量门：

• 公司全称、股票代码、上市交易所已填写
• 业务模式标签已选择（必填）
• 主营业务描述不少于100字
• 前十大股东至少列出5个
• 每个数据项标注来源
• 概念板块已合并到基本信息表,不单独成节
• 触发条件成立时,用户规模章节已生成(否则标注"不适用")

---

Step2：产业链分析

输入：Step1 公司画像中的"业务模式标签" + 从 /tmp/{股票代码}_data.json 读取 f10.行业分析、blocks。

Step2 启动前置检查:Step2 §2.0「行业大盘前置」必须先生成(行业规模/CR3-CR10/生命周期定位),作为五力分析的"行业大盘"基线;若数据等级 C 级,Step2 五力表需标注"行业数据基础薄弱,五力评级置信度降低"。

2.0 行业大盘前置

模板位置:本节产出物写入主报告模板的 §2.1 行业概览(行业定位 + §2.1.1 行业规模 + §2.1.2 市场份额 + §2.1.3 行业生命周期定位)。 数据获取:从 /tmp/{股票代码}_data.json 读取 f10.行业分析 + westock-data sector ranking + westock-data news search <行业>。

• 行业规模:总规模 + 过去 5 年 CAGR + 未来 5 年 CAGR 预测 + 公司占比
• 市场份额:头部 5-10 名 + CR3/CR5/CR10 集中度
• 行业生命周期定位(导入/成长/成熟/衰退 + 核心驱动 + 政策/技术变革)
• 数据缺失时按模板 §6.4 兜底并降级

2.1.0 五力框架选型

按 ai-internal-rules.md §2.0 选五力框架（业务模式标签 → 框架 A/B/C），加载 porter-five-forces-template.md 对应章节执行。

2.1 经典 Porter 五力(框架 A 模板,其他框架按对应章节)

力量	分析要点	数据来源
供应商议价力(上游)	原材料/技术供应方、供应商集中度、切换成本	f10.行业分析 + westock-data report <代码> --limit 5
买方议价力(下游)	客户集中度、产品可替代性、议价能力	f10.财务分析 + westock-data report <代码> --limit 5
现有竞争者威胁	同行数量、市场份额分布、竞争强度	westock-data sector ranking + westock-data sector constituent
新进入者威胁	资金/技术/牌照壁垒	f10.行业分析 + westock-data report <代码> --limit 5
替代品威胁	替代产品/服务、替代趋势	westock-data news search <行业> 替代品

2.2 搜索合并(共用)

五力搜索合并为 2-3 次(互相独立,可并行执行),命令清单按 porter-five-forces-template.md §3 / §4 各力量「数据来源」字段执行。

每项评级：强/中/弱 + 至少 2 条数据支撑。

质量门：

• 所选框架已明确标注(A/B/C/A+B)
• 五力每项都有评级
• 每项至少 2 条数据支撑
• 产业链上下游各列出至少 2 个具体环节
• (框架 B/C 额外) 核心指标(CAC/LTV/留存/MAU)有数据点

---

Step3：竞争格局与护城河分析

输入：Step2 五力分析 + 从 /tmp/{股票代码}_data.json 读取 reports、quote。

3.1 识别竞争对手

从Step2提取同行 + westock-data sector constituent <板块代码>（拿申万成份股列表）+ westock-data report <代码> --limit 5（券商研报里的竞品分析），筛选 5-8 家主要竞对。

竞对选取方法论：

核心原则：从"业务模式"和"产业链位置"双维度匹配。先找同行业（高可比），再找上下游/相似业务（中可比），最后是行业参考（低可比）。

具体步骤：

1. 业务模式拆分：把目标公司按"营收占比"拆成主业（占比最高）+ 次业（如自研/小业务）。可比公司必须对标主业。
2. 三层选取：
   • 🟢 高可比：业务模式相同 + 主营行业相同
   • 🟡 中可比：主营行业不同但业务模式类似
   • 🔴 低可比：业务模式差距大，仅作行业参考
3. 每家公司必须给"可比性"标注（高/中/低），并说明理由
4. 行业基准对比不能替代可比公司对比——这是常见错误

反例警示（必须避免）：

• ❌ 把行业平均毛利率/PE 当作"可比公司"——这是偷懒
• ❌ 把业务模式差距大的公司（如 FPGA 芯片设计 vs 存储分销）放在同一张估值表里比较 PE/PB

最终报告规则：可比公司在双产物中的差异化处理：

• 深度分析报告（MD）：
  • §2.3 行业与竞争分析、§4.1 估值结论 → 只列高可比 2 家（焦点对标）
  • §3.6 财务分析（可比公司财务对比）→ 列出所有收集到的可比公司（高+中+低），用"可比性"列标注等级
• 投研简报（HTML）：由于是 30s 必读卡片，不展开可比公司（KPI 已涵盖核心数据）
• 中/低可比公司在深度报告 §2.3 / §4.1 节仅在分析时作为参考，不进入最终报告这两节。

产物归属：本步骤识别结果作为模板 §2.3 行业与竞争分析的前置输入，不单独占用模板小节。

3.2 竞对业务对比

竞对主营/营收用 westock-data report <竞对代码> --limit 3（研报里覆盖）。竞对 PE/PB/市值用脚本的批量行情入口一次获取：

bash

python3 <skill_dir>/scripts/collect_data.py --quotes {目标代码},{竞对代码1},{竞对代码2},...

该命令直接打印各代码的 name/price/pe_ttm/pb/mcap_yi。整理对比表：公司名/主营/营收/市值/PE/PB/市场份额。

3.3 护城河分析(行业适配型)

方法论升级说明:Porter 1985 经典六类护城河已扩展为按行业适配的 6 套框架, 并引入 Hamilton Helmer 7 Powers、Ben Thompson Aggregation Theory 等现代权威方法论。 加载 references/moat-analysis-framework.md 后,第一步:用 §0 行业适配选择器选定框架,再按该框架的指标体系执行。

按 ai-internal-rules.md §2.5 选护城河框架（业务模式标签 → 框架 A-F），加载 moat-analysis-framework.md 对应章节执行。

三轮反问机制（可复制性 / 周期韧性 / 隐蔽威胁）：按 references/moat-analysis-framework.md §8 执行。

3.3.1 护城河维度评级(所选框架的专属维度,逐项宽/窄/无)

按所选框架(§0 选择器)的核心维度逐项评级(宽/窄/无)。 数据来源：f10.财务分析 + westock-data report <代码> --limit 5(研报观点)。

每轮记录:反问问题 → 分析过程 → 评级是否调整 → 理由。

质量门：

• 至少识别 3 家竞对
• 所选护城河框架已明确标注(A/B/C/D/E/F/经典)
• 护城河反问轮次按数据等级：A 级 ≥ 3 轮，B 级 ≥ 2 轮，C 级 ≥ 2 轮
• 每轮有明确结论

3.4 为什么非它不可（竞争优势综合判断，对应模板 §2.5）

3 问与 §3.3 护城河三轮反问的区分:§3.3 问的是"竞对能不能复制你的护城河"（竞对视角）；§3.4 问的是"客户为什么非选你不可"（客户视角）——两个视角互补，§3.4 必须基于 §3.3 的护城河综合评级输出。

按 §3.3 选定的护城河框架(消费/平台/制造/金融/医药/地产)→ references/moat-analysis-framework.md §11 取对应 Q1/Q2/Q3 指标定义,填到 deep-analysis-report-template.md §2.5 的 3 个 {Q? 指标} 占位符。

• 最终护城河评级有数据支撑
• 护城河类型已明确归类

---

Step4：财务四维 + 穿透分析

输入：从 /tmp/{股票代码}_data.json 读取 lrb(利润表)、fzb(资产负债表)、llb(现金流量表)、finance(主要财务指标)、f10.财务分析。

加载 references/financial-analysis-guide.md,第一步:根据 Step1 的"业务模式标签"选定权重表,再按选定的权重做四维分析。

4.0.0 基准年判定（必做 · 引用 ai-internal-rules.md §0.1）

跑报告第一步：按 references/ai-internal-rules.md §0.1 判定基准年，所有模板列名引用 {基准年} / {基准年-1} 变量，不允许硬编码具体年份。

4.0 行业类型对应权重表(必读)

按 ai-internal-rules.md §3.0 选财务权重（详见 financial-analysis-guide.md §0.1）。报告"摘要"必须说明选用了哪套权重。

4.1 四维分析(按选定的权重)

• 4.1 盈利能力:毛利率、净利率、ROE、ROA
• 4.2 偿债能力:流动比率、速动比率、资产负债率、利息保障倍数
• 4.3 营运能力:存货/应收周转天数、总资产周转率
• 4.4 成长能力:营收/净利润同比增长率、经营现金流增长率

4.5 杜邦三因子分解(所有行业必做,亏损公司用替代公式)

按 ai-internal-rules.md §3.6 执行：ROE = 销售净利率 × 总资产周转率 × 权益乘数。亏损公司不豁免,4 种替代公式任选其一(扣非归母 ROE / ROA / EBIT ROIC / 三年平均)。

输出表(必做):

报告期	销售净利率	总资产周转率	权益乘数	ROE	行业 ROE	驱动因子
4 期						{净利率/周转率/杠杆}

4.6 综合评分

维度	权重(已调整)	得分	加权得分
盈利能力	{选定%}	__/100	__
偿债能力	{选定%}	__/100	__
营运能力	{选定%}	__/100	__
成长能力	{选定%}	__/100	__
合计	100%		__/100

输出:使用 templates/financial-analysis-template.md 生成 {公司名}_财务分析.md。

质量门:

• 权重调整已说明(报告摘要中列出选用的权重表)
• 四维每项至少 4 个指标
• 所有比率列出公式和计算过程
• 每个数字标注来源
• 趋势分析(至少 4 期对比)
• 有行业对比
• 杜邦三因子分解(必做,所有行业,亏损公司用替代公式)
• 综合评分已计算

---

Step5：相对估值

输入：竞对公司 + 从 /tmp/{股票代码}_data.json 读取 quote、reports、ths_forecast。

加载 references/valuation-methods.md。

5.1 相对估值（四步法）

方法选取：按 ai-internal-rules.md §7.1 选 1-3 种估值方法（PE-TTM / PB-MRQ / EV/EBITDA-TTM / PS-TTM / NAV 等），按 §7.2 写估值结论。

自动判定：scripts/valuation.py 的 _classify_industry(data) 已实现上述判定逻辑，输入申万一级行业自动返回首选方法 + 交叉验证方法。

实操流程：

1. 调估值脚本（scripts/valuation.py）：

   bash

   python3 scripts/valuation.py 600519 peers.json
   # peers.json 示例：{"peer_pe_median": 25.0, "peer_pb_median": 8.0}
   

   脚本输出 JSON：行业分类 / 首选方法 / 合理股价 / 上行空间 / 数据完整度

2. 交叉验证（10 个变体中至少 2 个）：

   • 偏差 < 15%：取均值
   • 偏差 15-30%：取均值但标注分歧原因
   • 偏差 > 30%：必须分析分歧（周期性/特殊项目/会计差异），取更保守的估值

3. 数据完整度检查：< 60% 时提示补充行业数据

4. 报告写作：templates/deep-analysis-report-template.md §四估值（只展示数字，公式放 valuation-methods.md）

---

Step6：生成产物与清理

跑完 6 步分析后，输出两份产物（默认行为）：

产物	文件名	模板
深度分析报告	{公司名}_深度分析报告_{YYYYMMDD}.md	templates/deep-analysis-report-template.md
投研简报	{公司名}_投研简报_{YYYYMMDD}.html	templates/briefing-card-template.html

6.1 清理临时文件

分析完成后清理临时数据：

bash

rm -f /tmp/{股票代码}_data.json