Trade crypto, manage a multi-chain wallet, and query an AI analyst from one CLI.
by lowesyang162 installs109 stars
Coding
asset-analysis
Try it个股及 ETF 标的基本面与技术面综合分析 SOP（支持 A 股、港股及美股）。融合真实 EPS 核算、多模型目标市值测算、财务三大表、20+ 项确定性技术指标及大势环境校准，输出标准化《标的量化投研报告》。当用户需要深度分析个股、评估公司基本面估值、计算目标价、分析财报或量化技术面时触发（包含触发词：个股分析, 基本面研究, 估值测算, 财报透视, 目标市值, asset analysis, valuation, DCF, PEG, EPS）。
What it does
本技能作为投研流水线的第二步（标的深分析）。核心原则：**基本面定质地、多模型定市值、技术面定点位、大势定权值**。
The skill document
Asset Analysis — 标的基本面与技术面量化分析
本技能作为投研流水线的第二步（标的深分析）。核心原则：基本面定质地、多模型定市值、技术面定点位、大势定权值。
零虚构与数据真实性铁律（Zero-Fabrication Data Gate）
- 真实数据唯一原则：报告中引用的 OHLC 价格、成交量额、最新 EPS、净利润、净资产、营收及 20+ 项技术指标必须 100% 为真实数据。
- 多级真实数据获取路径：
- 第一优先：调用
market技能（参见market/SKILL.md）获取确定性行情、财务与技术面数据； - 第二优先：若港美股特定财报字段缺少或命令暂时不可用，必须使用
search_web/read_url_content/tencent-news/agent-browser检索官方财报或交易所权威数据。
- 第一优先：调用
- 缺失即阻断（Fail-Fast）：若通过上述所有途径均无法获取到标的的关键真实财务（EPS/净利润）或行情数据，必须立即终止研报生成，直接告知用户：“由于无法获取 [标的代码] 的真实财报/行情数据，研报已安全阻断，拒绝提供未经证实的伪分析”。绝对禁止凭空捏造 EPS 或假设虚构市值！
真实数据采集（调用 market 技能）
本技能作为投研深分析，所有底层量化事实统一依赖 market 技能提供。执行时遵循渐进式披露原则，直接查阅 market/SKILL.md 调用对应能力：
| 分析维度 | market 对应指令与能力 | 获取的关键真实字段 |
|---|---|---|
| 实时行情与市值 | quote 命令 | 最新价（close）、涨跌幅（pct_chg）、换手率、总市值、PE(TTM)、PB |
| 多周期 K 线历史 | kline 命令 | 日/周/月/分钟 K 线（默认 120 条前复权日线，支撑中长期趋势判断） |
| 确定性技术面诊断 | technical 命令 | 20+ 项指标（MA5/10/20/60/120/250、MACD、RSI_6/14、KDJ、布林带、ATR） |
| 真实财务三大表 | financials 命令 | 利润表（income：扣非 EPS、归母净利润、营业收入及同比增速）、资产负债表（balance_sheet：净资产、负债率、ROE）、现金流量表（cashflow：经营活动净现金流） |
| 筹码分布与资金流 | chips / stock-flow 命令 | 获利盘比例、平均成本、70%/90% 集中度及 1/3/5 日主力资金净流入 |
基本面 EPS 与多模型市值估值体系
必须基于真实财报基数，使用不少于 3 种主流估值模型对标的进行理论目标市值测算：
1. 核心每股收益（EPS）与盈利基数
- 基本每股收益 (Basic EPS)：从利润表直接提取最新季度/半年/年报数据；
- TTM 每股收益 (EPS_TTM)：滚动 12 个月累计 EPS，作为市盈率核算基准；
- 总股本与基准市值：当前总市值 = 当前股价 × 总股本。
2. 多模型目标市值测算方法
| 估值模型 | 适用企业类型 | 核心计算公式 | 关键假定依据 |
|---|---|---|---|
| PE 相对估值法 | 盈利稳定、商业模式成熟的企业（如白酒、家电、公用事业） | $\text{目标市值} = \text{净利润 (EPS} \times \text{总股本)} \times \text{合理 PE}$ | 参考行业历史 3/5 年估值中位数或同业头部对标 |
| PEG 成长估值法 | 高成长且业绩增速可预期的成长股（如消费电子、高端制造） | $\text{目标市值} = \text{净利润} \times (g \times 100 \times \text{基准 PEG})$ | 假定基准 PEG=1.0（合理），以净利润复合增速 $g$ 修正 PE |
| PB-ROE 资产估值法 | 周期性、重资产、金融地产及公用事业等依靠资产驱动的企业 | $\text{目标市值} = \text{归母净资产} \times \text{合理 PB}$ | 根据 ROE 水平测算合理 PB 溢价（$\text{合理 PB} \approx \text{ROE} / (\text{COE} - g)$） |
| PS 市销率法 | 处于高研发、高扩张期、微利或尚未实现大额盈利的新兴科技/SaaS/创新药 | $\text{目标市值} = \text{营业收入} \times \text{合理 PS}$ | 参考同类业务 SaaS 续约率或创新药商业化倍数 |
| 简化 DCF / 自由现金流折现 | 现金流充沛且资本开支稳定的成熟价值股 | $\text{内在价值} = \sum \frac{\text{FCF}_t}{(1+\text{WACC})^t} + \frac{\text{TV}}{(1+\text{WACC})^n}$ | 基于自由现金流、WACC（如 8%~10%）及永续增长率（2%~3%） |
3. 三档情景分析（Scenario Analysis）
综合多种模型，给出不同市场情绪与业绩兑现预期下的市值与股价区间：
- 🔴 悲观情景（Downside）：估值乘数按历史低位（20% 分位）测算；
- 🟡 中性情景（Base Case）：估值乘数按行业合理中位数测算；
- 🟢 乐观情景（Upside）：估值乘数按景气高位（75%~80% 分位）测算。
四维技术量化解析体系
利用 technical 数据集输出的确定性数值，从四个维度进行客观评价：
| 维度 | 指标项 | 研判重点 |
|---|---|---|
| 趋势层 | SMA (5/10/20/60/120/250), EMA, MACD (DIF/DEA/Bar) | 多空排列状态、均线支撑/压力、MACD 零轴上下金叉/死叉 |
| 动量层 | RSI (6/12/24), KDJ (K/D/J), CCI, WR | 超买（RSI>70/J>100）与超跌（RSI<30/J<0）、顶背离/底背离信号 |
| 波动层 | 布林带 (BOLL_MID/UP/LB), ATR | 带状通道收口/开口、价格越界、ATR 波动真实振幅 |
| 量能层 | VWMA (量加权均线), MFI (资金流量指标) | 量价配合度（增量上涨/缩量回调）及资金沉淀状态 |
大势环境校准（Market Regime Calibration）
相同的技术信号在不同大势下含义截然不同，必须结合当前市场状态校准权重：
- 牛市 / 强势阶段：技术超买降权，趋势突破升权；
- 震荡 / 盘整阶段：维持标准权重，重视高抛低吸与布林带边界；
- 熊市 / 弱势阶段：所有看多信号降权，严禁盲目抄底，阻力位预警升权。
输出规范：标的量化投研报告（Asset Analysis Profile）
# [标的量化投研报告] {代码} ({名称})
## 1. 标的基础画像与价格概览
- **标的代码/市场**：{CODE} ({EXCHANGE})
- **最新价格**：{LAST} ({CHANGE_PCT}%)
- **当日 OHLC**：今开 {OPEN} / 最高 {HIGH} / 最低 {LOW} / 昨收 {PRE_CLOSE}
- **成交量额**：成交量 {VOLUME} / 成交额 {TURNOVER}
- **总股本与当前市值**：总股本 [N] 亿股，当前总市值 [N] 亿元
## 2. 基本面核心指标与 EPS 核算
- **最新每股收益 (Basic EPS)**：{BASIC_EPS} 元/股 [E01]
- **归母净利润**：{PARENT_NETPROFIT} 亿元 (同比增速: {PARENT_NETPROFIT_YOY}%) [E02]
- **营业总收入**：{TOTAL_OPERATE_INCOME} 亿元 (同比增速: {TOTAL_OPERATE_INCOME_YOY}%) [E03]
- **净资产与 ROE**：归母净资产 {PARENT_EQUITY} 亿元，当前年化/加权 ROE {ROE}%
- **筹码结构 (A股)**：平均成本 {AVG_COST}，90% 集中度 {CONC_90}
## 3. 多模型目标市值估算与情景测算
| 估值模型 | 关键参数/乘数假定 | 测算目标市值 (亿元) | 折合目标股价 (元) | 空间/折溢价 |
|---|---|---|---|---|
| **模型一：PE 相对估值法** | 行业合理 PE=[N] 倍 | [计算值] | [计算值] | [相对现价 %] |
| **模型二：PEG 成长估值法** | 预期增速 g=[N]%, PEG=1.0 | [计算值] | [计算值] | [相对现价 %] |
| **模型三：PB-ROE / PS 法** | 合理 PB=[N] 倍 / PS=[N] 倍 | [计算值] | [计算值] | [相对现价 %] |
### 综合情景目标区间
- 🔴 **悲观预期 (Downside)**：目标市值 {VAL_LOW} 亿元，对应目标价 {PRICE_LOW} 元
- 🟡 **中性预期 (Base Case)**：目标市值 {VAL_MID} 亿元，对应目标价 {PRICE_MID} 元
- 🟢 **乐观预期 (Upside)**：目标市值 {VAL_HIGH} 亿元，对应目标价 {PRICE_HIGH} 元
## 4. 技术面四维量化解析
- **趋势维度**：均线排列 [多头/空头/缠绕]，MACD DIF={DIF}, DEA={DEA}
- **动量维度**：RSI_6={RSI_6}, KDJ_J={KDJ_J}，处于 [正常/超买/超卖] 区域
- **波动维度**：BOLL 上轨 {BOLL_UP} / 下轨 {BOLL_LB}，当前位置 {POSITION_PCT}%
- **量能维度**：VWMA={VWMA}，量价呈现 [配合/背离]
## 5. 关键技术点位与大势校准
- **强支撑位**：[如 SMA_20 或前低点位]
- **核心压力位**：[如 BOLL 上轨或前高点位]
- **环境校准结论**：当前大势处于 [{REGIME}]，综合估值与技术形态评价：[总结]
Related skills
Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.
by fly0pants4.3k installs296 stars
Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.
by johnpatternai21 installs8 stars
Save, search, and manage personal notes and knowledge bases in Get笔记 on explicit request.
by iswalle763 installs66 stars
Site audit, content writing, and competitor analysis for organic search rankings.
by Iván572 installs31 stars
Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.
by Iván854 installs69 stars
More from fize
Browse all skills多 Agent 并行投研与风控决策流水线。输入标的代码与日期，并发调度多个专业 Subagent 全面透视基本面 EPS 与多模型市值、筹码资金与机构热度、全网消息舆情，结合大势环境进行量化风控核验（一票否决门禁），最终交付综合决策研报。各专员 Prompt 独立存放于 agents/ 目录下，践行渐进式披露直接调用 market 技能获取底层数据，数据缺失时严格终止阻断。当用户需要启动多智能体对个股进行全流程深度透视、并行流水线分析或产出多维研报时触发（包含触发词：投研流水线, 多Agent分析, 并行深研, 标的透视, ticker pipeline）。
by fize2 installs
End-to-end brand visual identity (VI) design methodology — a six-stage workflow from brand soul discovery to visual identity system building and multi-touchpoint brand manual delivery. Covers core concept, logo design, color strategy, typography, graphic language, and touchpoint application. Use when: designing brand identity, visual identity systems (VI), logo design, brand guidelines, or brand manuals. Keywords: brand identity, VI设计, 品牌视觉系统, 品牌VI, logo design, 品牌设计, 品牌手册, brand guidelines.
by fize2 installs
Graphic design deep research: automatically collects design references across domestic and international platforms (Behance, Dribbble, Pinterest, Zcool, Huaban), performs cluster analysis on aesthetic trends, and outputs visual HTML research reports with reusable exploratory prompts. Use when: researching design directions, analyzing visual trends, gathering inspiration moodboards, or exploring visual styles. Keywords: 设计调研, 灵感调研, 风格调研, 视觉参考, 情绪板, design research, aesthetic trends, moodboard.
by fize1 installs
A股交易标准操作程序（SOP）总编排。从用户的自然语言输入出发，识别当前交易意图（盘前准备、盘中复盘、盘后复盘、个股深度研究、首板隔夜），按需编排调用现有技能流水线，最终输出可操作的决策建议。当用户提出日常交易操作、盘前准备、盘中复盘、盘后总结、全流程投研或个股深研请求时触发（包含触发词：今天怎么操作, 帮我做盘前, 复盘一下, 研究一下, 首板今晚要不要留, 当前市场适合买吗, 给我一套完整分析, 全流程分析, SOP, 操作建议, 我要开始做功课了, trading sop）。
by fize2 installs
Frontend interaction resilience & defense SOP for engineering implementation. Covers 7-step pre-coding interaction checklist: user intent & task friction reduction, P0/P1/P2 information hierarchy triage, 4-state resilience (empty, loading, error, destructive confirmation), perceived performance (optimistic UI, skeletons), power user shortcuts, and layout resilience trade-offs. Use when: implementing UI views/forms/dashboards in code, designing component interaction logic, handling edge cases and states, or conducting frontend UX resilience reviews. Keywords: 交互细节, 状态设计, 边界情况, 异常处理, 交互审查, 骨架屏, 乐观更新, 防错设计, interaction design, edge cases, error state, empty state, loading state, UI review, UI resilience.
by fize
Commercial and e-commerce image generation methodology — three-layer prompt engineering framework (subject-scene / style-texture / technical-constraints) covering both global cross-border platforms (Amazon, Shopify, SHEIN, TikTok, Instagram) and domestic Asian markets (Taobao, JD, Xiaohongshu, WeChat). Includes multi-platform templates and iterative optimization strategies. Use when: generating product photos, marketing posters, e-commerce covers, or commercial AI visuals. Keywords: e-commerce image, product photography, commercial prompts, SHEIN, Amazon, Shopify, 淘宝主图, 营销海报, 小红书封面, 生图提示词.
by fize