private-company-research · git:20260705.ef74a22 · 2026-07-05 · sha256 9a59edf38298b3fc
private-company-research git:20260705.ef74a22A
Immutable. This exact content never changes and is served at /api/v1/blob/9a59edf38298b3fc.
No tool to install first
claude plugin marketplace add https://markdownregistry.com/mp/a/art_eamqillfdxdkg5ol/9a59edf38298b3fcc59c885db70c12e11329e7732f76981a519554265f1acf3f.json
Then /plugin install private-company-research@markdownregistry-eamqillfdxdkg5ol in Claude Code. It installs this exact version, the one graded A here, pinned to the commit it was graded at, and leaves it there.
---
name: private-company-research
category: analysis
description: "Deep research framework for pre-IPO / private companies (Ant Group, SpaceX, Stripe, ByteDance...). Six analyst lenses — business model, financial forensics, competitive landscape, risk & governance, tech & IP, alternative-data signals — run in parallel via run_swarm, then cross-validated for signal consistency before any verdict. Built around the core challenge of private-company work: information is scarce, so every data point carries a confidence label (high / medium / low), inference is shown separately from fact, and 'I don't know' is a valid output. Outputs a fair-value range, exit-path analysis, and an information-gap map. Use for any unlisted company where you need to judge what the business is actually worth."
---
# 未上市公司研究:多维度深度研究框架
对一家未上市公司(如蚂蚁、小红书、SpaceX、Stripe)做深度研究。
**最终目标**:在信息天然稀缺的条件下,尽可能还原这家公司的**真实价值**——不是市场给的估值,而是生意本身值多少钱。
## 框架特点
未上市 vs 上市研究的核心差异:无标准化财报(需多源拼凑、交叉验证);估值锚定少(依赖融资轮次、可比公司法、情景推演);信息不对称大(需"拼图式"研究);退出路径不确定(IPO/并购/二级转让均有可能)。
## AI 研究偏见自觉(核心前提)
未上市公司是 AI 研究偏见最严重的领域。警惕:
- **虚假保守**——资料少时 AI 倾向给保守/模糊结论,但资料少 ≠ 公司不好。
- **虚假精确**——为填满模板,AI 可能用"合理推测"伪装成"有据分析"。
- **对标陷阱**——强行与上市公司对标时,继承上市估值逻辑,忽略独特价值。
- **幸存者偏差**——网上能搜到的多是公司主动传播的好消息。
**应对**:宁可留白说"不知道",也不用推测填满表格伪装确定性;每个数据点标注置信度(🟢高/🟡中/🔴低);区分"可验证的事实"与"AI 的推理";信息极度稀缺时切换"第一性原理模式",只回答:① 这门生意解决什么真实问题?② 为什么是这个团队?③ 成功天花板 / 失败死点?④ 当前关键验证节点?
> 反向利用信息不对称:市场对未上市公司信息少 → 定价效率低 → 恰恰可能是超额收益来源。
## 执行编排
六个维度建议**并行**研究(用 `run_swarm`,每个 worker 一个维度;或顺序用 `web_search` / `web_search` 工具族逐维研究):
| 角色 | 核心视角 |
|------|----------|
| business-decoder | 商业模式拆解 + 产品/用户分析:"这门生意的本质是什么" |
| financial-detective | 财务数据拼凑 + 估值推演:"信息缺失下还原真实财务面貌" |
| competitive-mapper | 行业格局 + 竞争 + 替代威胁:"谁在竞争,谁可能颠覆" |
| risk-governance-analyst | 风险全景 + 管理层/治理/投资人:"什么可能出错,谁在掌舵" |
| tech-ip-analyst | 技术栈/专利/研发/护城河:"技术壁垒真假与持久性" |
| signal-miner | 替代数据:招聘/专利/诉讼/App/供应链:"常规信息外的蛛丝马迹" |
team-lead(你自己)负责统筹、信息拼图、交叉验证、输出最终报告。
## 维度 1:商业模式与用户(business-decoder)
- **核心生意定义**:一句话本质(段永平式:用朴素语言讲给聪明但不懂行的人)。解决什么问题?为谁创造价值?公司不存在用户会怎样?需求刚性(下行时会被砍吗)?
- **收入模式**:广告/佣金/订阅/抽成/金融/SaaS/硬件/授权;各线占比与趋势;变现效率(ARPU/Take Rate/转化率);经常性 vs 一次性占比;集中度;收入确认是否激进。
- **单位经济(U E)**:CAC(付费 vs 自然,分渠道,趋势)、LTV、LTV/CAC、回本周期、边际成本、规模经济拐点。
- **产品矩阵与飞轮**:核心+延伸+孵化;网络/数据/规模飞轮如何运转;产品迭代速度。
- **用户分析**:MAU/DAU(从 QuestMobile/Sensor Tower/SimilarWeb 推算)、S 曲线阶段、DAU/MAU、留存(次/7/30 日)、画像、口碑(App Store 评分趋势、社交舆情)。
- **护城河(6 维 ★1-5)**:网络效应、转换成本、品牌心智、数据壁垒、监管牌照、规模经济——每项给证据 + 趋势(加宽/稳定/收窄)+ 持久性。综合评级:宽/中/窄/无。
## 维度 2:财务数据拼凑与估值(financial-detective)
未上市公司没有标准财报,多源拼凑、交叉验证,**每个数据标明来源、时间、置信度、推算方法**。
**数据来源优先级**:🟢 招股书/监管文件、母公司年报关联披露、监管处罚文件、债券/ABS 说明书 → 🟡 工商登记、融资新闻、第三方研报、深度媒体(晚点/The Information/36 氪/Bloomberg)→ 🔴 行业推算、前员工爆料。
**关键指标推算**:收入(规模/增速/结构/量×价分解)、成本(毛利/研发/销售/管理费用率,对标同业)、利润(EBITDA/净利/盈利时间线)、现金流(经营现金流/烧钱速度/现金跑道)、效率(人均收入/资本效率)。
**交叉验证**:同一指标多来源全部列出,不同方法推算检查是否收敛,标注"孤证"数据。
**融资历史**:完整时间线(轮次/金额/估值/领投),分析估值增长曲线健康度、融资间隔、是否 Down Round、老股东是否持续加注、最新轮条款推测(优先清算权/反稀释/对赌)对普通股价值的影响。
**估值(多方法交叉)**:① 最近融资估值法(考虑优先清算权打折 20-40%);② 可比上市公司法(选 3-5 家,对比 PS/PE/EV/EBITDA,加流动性折价 20-30%);③ DCF 情景(悲/中/乐,每假设有论据);④ 终局市值倒推(5/10 年终态 → 倒推当前合理区间 → 隐含年化回报);⑤ 交易对标法(近 2 年同业并购/融资倍数)。
**估值综合**:各方法是否收敛?差异大分析原因。区分"合理估值"和"保守估值(安全边际)"。
## 维度 3:行业与竞争(competitive-mapper)
- **市场**:TAM/SAM/SOM、渗透率、行业阶段(萌芽/成长/成熟/衰退)、增长驱动。
- **产业链全景**(文本图):上游→公司环节(利润池占比)→下游;议价能力;结构性变化。
- **波特五力**(★1-5):行业内竞争、新进入者、替代品、供应商、买方。
- **竞争扫描**:直接/间接/替代/潜在进入者(巨头)——份额、融资、优势、劣势、威胁等级。2-3 个最直接对手多维对比。
- **竞争动态**:近 12 月变化;从招聘/专利/产品推推断对手战略;技术(尤其 AI)与监管对格局的影响;赢家通吃 vs 多寡头。
- **情景推演**:公司胜出 / 均势共存 / 被颠覆,各自条件与概率。
- **全球对标**:海外对标公司的发展路径、估值、上市表现,及对标的局限性。
## 维度 4:风险与治理(risk-governance-analyst)
- **创始人/CEO**:背景、战略眼光(过去 3 年预判准确度)、执行力(承诺兑现)、格局价值观、争议事件。★1-5。
- **核心团队**:高管背景、近 2 年人才流动(谁走/谁来/净流入)、互补性、文化信号(Glassdoor/脉脉,趋势比绝对值重要)、关键人依赖度。
- **股权与治理**:创始人控制权(AB 股/一致行动/VIE)、稀释趋势、员工持股;董事会构成、关联交易、同业竞争、大小股东利益冲突。
- **投资人阵容**:领投品牌背书、产业资本协同、退出压力(基金存续期/二级抛售/对赌到期)、红旗信号(声誉不佳投资人/早期清仓/老股东不跟投)。
- **全维度风险清单**:监管/竞争/技术/人才/融资/IPO/地缘/商业化/治理/合规/宏观/ESG——每项概率×影响×严重度×可对冲性×监控指标。
- **退出路径**:A/港/美 IPO、并购、二级转让、SPAC、长期不退出——可能性、时间窗、估值、前提、障碍。
- **最坏情景(芒格逆向)**:3 种具体失败路径及概率;清算价值;聪明人为什么不投(至少 5 条);类似公司失败案例;"论文已破"的信号。
## 维度 5:技术与知识产权(tech-ip-analyst)
- **技术栈**:从招聘/博客/开源/演讲推断;技术债信号(大量招重构岗、栈切换、故障投诉)。
- **专利**(Google Patents/CNIPA/USPTO):总数/申请中/近 2 年新增/领域分布/引用/国际布局;质量(核心专利?领域匹配?诉讼?);趋势;对手对比。
- **研发**:投入(人数/费用率,对标)、产出(论文/会议/开源/博客)、效率(研发到落地速度、商业转化率)。
- **技术人才**:核心领导者背景、人才密度(顶尖机构占比)、薪酬竞争力、流失信号、招聘方向(反映战略)。
- **技术护城河(★1-5)**:算法/模型、数据、工程、人才、生态——每项持久性。AI 时代技术壁垒半衰期可能很短。
- **AI/新技术影响**:公司是 AI 变革受益者还是被颠覆者?
## 维度 6:替代数据信号(signal-miner)
> 未上市公司常规信息有限,替代数据往往比新闻报道更接近真实经营。
- **招聘**(LinkedIn/Boss/脉脉/Indeed):规模趋势、结构(研发/产品/销售/数据/国际化/合规/IR)——招 IR = IPO 信号;招合规 = 监管或 IPO;岗位 JD 技术栈 = 战略方向。
- **App/产品**(App Store/七麦/SimilarWeb):排名、评分趋势、下载量、更新频率、差评集中点、Web 流量。
- **舆情**(微博/知乎/小红书/X/Reddit):官方互动数据、自发讨论热度情感、KOL 评价、负面事件、内部人爆料。
- **工商法律**(天眼查/企查查):注册资本/实缴/股东变更/子公司(新设=新业务,注销=收缩)/经营范围变更;诉讼/仲裁/处罚/被执行记录。
- **供应链**:核心供应商(上市则查财报披露)、招标采购、合作评价。
- **数字足迹**:注册域名(新域=新业务)、子域名(api/pay 暗示架构)、商标(新品牌)。
- **行业曝光**:高管会议演讲、奖项榜单、政府/协会互动、媒体曝光频率质量。
- **二级交易信号**(如有):SharesPost/EquityZen/微信群老股,隐含估值 vs 最近融资,员工抛售期权。
**反常信号清单(最重要)**:与对外叙事不一致、与行业常识不符、突然变化(招聘急缩/高管密集离职)、无法解释的现象。
## 交叉验证(team-lead 必做)
汇总前,team-lead 必须:
1. **数据冲突仲裁**:同一指标不同来源是否一致?冲突时列出全部,说明采信哪个及理由。
2. **信号一致性检验**(矩阵):业务增长 vs 招聘趋势?技术领先叙事 vs 专利/人才数据?估值水平 vs 竞争地位?管理层叙事 vs 实际行动信号?(矛盾要解释)
3. **信息拼图**:白区(已知)/灰区(有线索不确定)/黑区(完全未知)。
4. **反偏见检查**:是否"正面详、负面略"?每个正面判断是否有反面检验?
## 最终报告结构
1. **一句话结论**(50-100 字):生意值多少钱,为什么。
2. **公司画像速览**(含置信度列)。
3. **六维评分总表**(每维 ★1-5 + 核心判断 + 置信度 + 信息完整度),综合评分。
4. **关键数据拼图**(仅交叉验证后的,含来源数量 + 置信度)。
5. **信号一致性矩阵**。
6. **各维度分析摘要**(每维 3-5 条最重要发现)。
7. **真实价值评估**:生意本质 + 护城河评分卡(7 维)+ 估值(5 方法)+ **综合真实价值区间**(保守/合理/乐观 + 当前市场估值 + 安全边际%)。
8. **投资论点**:看多 5-7 条 vs 看空 5-7 条(每条附来源),哪方更有说服力。
9. **风险矩阵**(Top 3 + 应对)。
10. **退出路径评估**。
11. **投资决策表**(一页纸:核心逻辑 3 句 + 价值区间 + 关键假设与验证节点 + 致命风险与"论文已破"信号 + 结论 + 预期回报/时间)。
12. **信息盲区地图**(维度 / 已知 / 缺失 / 缺失影响 / 获取建议):缺失是否影响核心结论?影响则明确"在 X 缺失下,结论置信度为 Y"。
13. **持续跟踪清单**(事项/频率/来源/指标/预警阈值)。
14. **总结段落**(150-250 字)。
把报告用 `write_file` 写入 `reports/{公司}/{公司}-private-{YYYYMMDD}.md`。可用 `report_audit` 对其中的数字做准出门。
## 数据标注规范(严格执行)
- 每个关键数据标注**来源**(具体到媒体 + 文章)、**时间**(年月)、**置信度**(🟢招股书/官方 / 🟡可信媒体研报 / 🔴推算传闻)。
- 冲突数据**全部列出**并说明差异和采信判断。
- **区分事实与推理**:事实正常字体;推理/推算用*斜体*并标注推算方法。
- 无法获取的信息明确标"数据缺失",不编造。
## 重要原则
1. **6 维度并行**(用 `run_swarm` 同一条消息并行,或顺序)。
2. **推算要透明**——展示计算逻辑和每步假设,不凭空给数字。
3. **交叉验证**——关键数据至少 2 来源,冲突都列出。
4. **信号一致性检验**——汇总阶段必做跨维度一致性检查。
5. **结论要明确**——不回避投资/观望/回避建议,但说明置信度。
6. **中英文搜索**——未上市公司信息分布中英文媒体。
7. **诚实留白**——区分"有据分析"与"推测填充",允许"此维度数据不足,无法给出有意义结论"。
8. **替代数据不是噪音**——招聘/专利/诉讼/App 可能比新闻更接近真实经营。
9. **真实价值导向**——目标是判断生意值多少钱,不是输出好看报告。信息不足以估值时,直接说"信息不足,无法给出可靠估值"。
10. **资料少 ≠ 公司不好**——AI 分析篇幅短 ≠ 投资确定性低;信息极度稀缺时切第一性原理模式。