---
name: "investment-idea-generator"
description: "主动式投资想法生成与量化筛选工具。通过量化因子筛选、主题扫描发现新投资标的,识别宏观/行业趋势受益者,生成结构化投资创意列表。Invoke when user wants to discover new investment opportunities, run quantitative screening, or find stocks matching specific themes."
---

# 投资标的创意与筛选

## 技能核心定位

### 核心目标
为主动式投资者提供投资标的发现与筛选服务。通过量化因子筛选、主题扫描、宏观趋势识别等方式，从零开始发现新的投资候选标的，生成结构化的投资创意列表。

### 目标用户
- **主动式投资者**：不满足于被动跟踪指数，希望主动发现投资机会的投资者
- **主题投资者**：关注特定主题（如AI、新能源、消费升级）的投资者
- **量化筛选者**：希望通过因子筛选发现价值、成长、质量等标的的投资者
- **事件驱动者**：关注IPO、分拆、重组、激进投资者介入等事件驱动机会的投资者

### 技能边界

**可提供服务**：
- 量化因子筛选：价值、成长、质量、做空、特殊情况等因子
- 主题投资研究：识别特定主题的受益公司
- 宏观趋势分析：识别宏观因素驱动的行业机会
- 投资创意生成：构建同业对比组，提供相对估值分析
- 做空标的发现：筛选基本面恶化、估值过高的公司

**不可提供服务**：
- 具体买卖指令
- 承诺收益
- 预测涨跌
- 内幕信息

---

## 筛选模式

### 模式一：量化筛选

#### 量化因子体系

**价值因子**：
- 低市盈率（PE 处于自身近 10 年月频分位 30% 以下，PE-TTM 整体法、负 PE 剔除，标注数据基准日）
- 低市净率（PB 处于自身近 10 年月频分位 30% 以下）
- 高股息率（对照自身历史股息率区间处于高位；yield_basis：近 12 个月 DPS 年度化，若单期×4 须显式注明；不套用统一绝对阈值如「>3%」）
- 低PEG（PEG < 1 为经典经验参考，须标注增速 G 口径并对照自身/同业 PEG 分布）
- 企业价值倍数（EV/EBITDA）低于行业平均

**成长因子**：
- 营收增长率（近3年复合增速 > 15%）
- 净利润增长率（近3年复合增速 > 20%）
- 毛利率稳定或上升
- 研发支出占比（适合科技公司）
- 现金流增长趋势

**质量因子**：
- 高ROE（ROE > 15%）
- 低负债率（资产负债率 < 50%）
- 高经营现金流（经营现金流/净利润 > 80%）
- 资产周转率稳定
- 净利润现金含量高

**做空因子（负面筛选）**：
- 高负债率（资产负债率 > 70%）
- 经营现金流持续为负
- 毛利率持续下降
- 存货周转天数大幅增加
- 商誉占净资产比例过高
- 审计意见非标准

> 校准注释：成长/质量/做空因子中的数值（如 ROE、负债率、增速阈值）为**初始筛选参数**，非全市场一刀切的绝对标准；使用时须按行业特性与标的**自身**历史分布校准（标注窗口 + 算法 + 数据基准日），并在输出中说明参数调整原因。估值类条件一律对照自身历史分位/区间，不套用统一绝对阈值。

**特殊情况因子**：
- IPO后限售股即将解禁
- 分拆上市事件
- 资产重组预案
- 激进投资者进入（前十大股东变化）
- 股权激励行权
- 业绩反转信号

#### 量化筛选示例

**示例1：A股价值股筛选**
```
筛选条件：
- PE 处于自身近 10 年月频分位 < 30%（PE-TTM 整体法、负 PE 剔除，标注数据基准日）
- PB 处于自身近 10 年月频分位 < 30%
- 股息率对照自身历史股息率区间处于高位（yield_basis 标注；不套用统一绝对阈值如「>3%」）
- 近3年净利润复合增速 > 5%（筛选参数，按行业校准）
- 资产负债率 < 60%（筛选参数，按行业校准）
```

**示例2：成长股筛选**
```
筛选条件：
- 近3年营收复合增速 > 20%
- 净利润复合增速 > 25%
- 毛利率 > 30%且稳定或上升
- ROE > 15%
- 研发支出占比 > 5%
```

**示例3：做空标的筛选**
```
筛选条件：
- PE > 行业平均2倍
- 经营现金流连续2年为负
- 资产负债率 > 80%
- 商誉占净资产 > 50%
- 股价处于历史高位
```

---

### 模式二：主题扫描

#### 常见投资主题

**科技主题**：
- AI人工智能：芯片、算法、应用
- 半导体：设备、材料、设计
- 云计算：SaaS、IaaS、大数据
- 物联网：传感器、边缘计算
- 区块链：数字货币、金融科技

**消费主题**：
- 消费升级：高端白酒、医美、新能源汽车
- 国货崛起：国产替代、品牌消费
- 老龄化：医药、医疗器械、养老服务
- Z世代：潮玩、社交电商、新式茶饮

**新能源主题**：
- 光伏：硅料、组件、逆变器
- 风电：海风、叶片、主轴
- 储能：电池材料、系统集成
- 新能源汽车：电池、整车、充电桩
- 氢能源：制氢、储氢、燃料电池

**周期主题**：
- 通胀受益：资源品、农产品
- 利率敏感：银行、保险、券商
- 汇率敏感：出口型企业
- 地产链：建材、家电、家具

**政策主题**：
- 国产替代：半导体、设备、材料
- 专精特新：细分行业龙头
- 一带一路：基建、物流、海外业务
- 碳中和：新能源、碳交易、环保

#### 主题扫描示例

**示例：AI主题受益公司扫描**
```
筛选逻辑：
1. 业务相关性：AI收入占比 > 30%或AI为核心业务
2. 产业链位置：基础层（芯片/算力）or 应用层
3. 竞争壁垒：技术优势、数据优势、生态优势
4. 商业化进程：已有收入或明确商业化路径

输出格式：
- 基础层：芯片公司、云计算公司
- 应用层：垂直应用公司（金融AI、医疗AI等）
```

---

### 模式三：组合模式

#### 组合构建逻辑

**同业对比组构建**：
- 同一行业内筛选3-5家主要公司
- 对比核心财务指标
- 计算相对估值（相对行业平均PE/PB）
- 识别被低估/高估的标的

**示例：银行业同业对比**
```
对比标的：招商银行、兴业银行、平安银行、宁波银行

对比指标：
- 净息差
- 不良贷款率
- 拨备覆盖率
- 资产增速
- ROE
- 估值（PE/PB）

结论：识别相对低估的标的
```

---

## 投资创意结构

### 每个投资创意的标准格式

```
## 创意1：[标的名称] [代码]

### 基本信息
- 所属行业：
- 主营业务：
- 上市地：

### 错误定价逻辑
- 当前估值：
- 合理估值：
- 定价错误原因：

### 非共识洞察
- 市场共识：
- 非共识观点：
- 差异化认知：

### 价值催化剂
- 短期催化剂（3个月内）：
- 中期催化剂（6-12个月）：
- 长期催化剂（1-3年）：

### 关键风险
- 业务风险：
- 财务风险：
- 市场风险：
- 退场策略：

### 空方论点与证伪条件（必填）
- 预期差方向（市场定价 vs 研究判断）：
- 多方论点：
- 空方论点（论点 + 关键依据）：
- 看空情景（可证伪：触发条件 → 影响路径 → 对估值/盈利的冲击）：
- 触发证伪的观察指标（指标 + 跟踪频率 + 阈值/信号 → 触发后动作）：
- 配置参考（研究判断下的配置含义）：

### 估值锚定
- 目标价位：
- 上涨空间：
- 止损位：
```

> 注：投资建议统一按「预期差方向 + 正反双方论点 + 配置参考」输出；目标价位/止损位须标注**估值方法 + 口径 + 数据基准日**（对照自身历史分位/区间，标注窗口与算法）；若以股息率反推价格锚，须标 yield_basis，DPS 增长时价格锚**自动上移**。上述点位为**分析参考位**（反弹减仓/持有参考），非回本位、非买卖指令。

---

## 使用示例

### 示例1：A股价值股筛选
**用户**："帮我找一些A股市场的价值股"
**Agent**：
1. 确定筛选条件：低PE、低PB、高股息、稳定盈利
2. 执行量化筛选
3. 输出不超过10只股票
4. 优选3-5个核心创意
5. 构建同业对比分析

### 示例2：成长股筛选
**用户**："筛选出成长性好的医药股"
**Agent**：
1. 确定筛选条件：营收增速、净利润增速、研发投入、毛利率
2. 在医药行业内筛选
3. 区分创新药、仿制药、医疗器械、医疗服务
4. 输出核心创意列表

### 示例3：主题投资
**用户**："有哪些AI主题的受益公司？"
**Agent**：
1. 识别AI产业链结构
2. 区分基础层和应用层
3. 筛选各层代表性公司
4. 分析业务相关性
5. 输出主题受益标的

### 示例4：做空标的
**用户**："找一些适合做空的高估值股票"
**Agent**：
1. 确定负面筛选条件
2. 筛选高估值、负现金流的标的
3. 分析做空逻辑
4. 提示做空风险和成本

### 示例5：事件驱动
**用户**："近期有哪些分拆上市的投资机会？"
**Agent**：
1. 扫描有分拆预案的公司
2. 分析分拆逻辑和潜在价值
3. 评估母公司与子公司的关系
4. 给出投资建议

### 示例6：行业标的筛选
**用户**："在新能源行业找几个投资标的"
**Agent**：
1. 区分新能源细分行业：光伏、风电、储能、新能源汽车
2. 在各细分行业中筛选龙头
3. 构建组合对比分析
4. 给出各细分行业的投资逻辑

### 示例7：质量因子筛选
**用户**："筛选ROE高、负债率低的优质公司"
**Agent**：
1. 确定质量因子：ROE > 15%、资产负债率 < 50%
2. 结合稳定性：ROE稳定或上升
3. 结合现金流：经营现金流为正
4. 输出优质公司列表

### 示例8：跨市场筛选
**用户**："美股市场有哪些被低估的科技股？"
**Agent**：
1. 确定筛选条件：PE低于行业平均、营收增速 > 15%
2. 在科技行业内筛选
3. 区分软件、硬件、互联网
4. 分析汇率风险
5. 输出投资创意

---

## 筛选注意事项

### 数据质量
- 使用最新财务数据（季报、半年报、年报）
- 注意数据时效性
- 结合行业特点调整筛选标准

### 筛选误区
- 单一因子陷阱：不要只看PE低就认为是价值股
- 线性外推：过去增长不代表未来增长
- 忽略风险：低估值可能隐含风险
- 过度拟合：筛选条件过于复杂可能导致过拟合

### 估值陷阱检查（筛选入池前必做）
- 低 PE = 盈利顶部（周期股陷阱）：强周期股盈利顶部 PE 最低，须用 PB 分位/产品价格分位交叉验证
- 回撤大 ≠ 估值低：对照自身历史估值分位，不以涨跌幅替代估值判断
- 概念/主题辨真伪：核验相关业务收入占比与商业化进度，警惕蹭热点
- 高股息可持续性：核验分红率与经营现金流对分红的覆盖，警惕一次性特别分红
- 增长质量：核验增长来源、现金流含量与可持续性，警惕低质量增长

### 风控措施
- 分散筛选：不同因子组合多次筛选
- 交叉验证：多数据源交叉验证
- 动态跟踪：定期更新筛选结果
- 仓位控制：单个标的不超过组合5-10%

> 仓位口径：单只个股 ≤ 总资金 10%；单只高风险/行业 ETF ≤ 总资金 5%（hard constraint）；高弹性组合避免同一成长风格重复暴露。三者是**不同层级约束**（个股上限 / 高风险ETF上限 / 组合风格去重），非同一口径，须分别校验。

---

## 重要提醒

1. **合规性**：所有分析仅供参考，不构成投资建议
2. **风险提示**：筛选结果仅供研究，不构成买卖推荐
3. **量化局限**：量化筛选不能替代基本面研究
4. **动态变化**：市场变化快，需定期更新筛选结果
5. **分散投资**：不要将所有资金投入单一标的
6. **能力圈**：优先在自己熟悉的行业和领域筛选

---

## 数据获取与口径

- **获取方式**：优先本地 CLI `bun run main.ts`（实时行情/净值/股息率/K线）；估值分位、宏观/行业/财报数据用 WebSearch 补充
- **官方口径优先**：券商实际到账、交易所/公司公告 > 第三方平台；数据冲突以官方为准
- **禁止编造**：取不到的数据标「不可得」，不得臆测填充；预测值须标来源或「作者假设」
- **数据基准日**：所有数值标注取数日期；跨期对比须同一基准日

数据来源参考：公司财报数据、交易所公告、行业研究数据、宏观经济数据、财经媒体信息。

---

## 持续优化

根据用户反馈和市场变化，持续优化筛选因子和主题库，提升筛选的准确性和实用性。