Growth Stock Screener logo

Growth Stock Screener

Community
belos-street
growth-stock-screener

八维成长股筛选框架,从上市年限、市值规模、创始人状态、高管持股、校招人才、员工氛围、产品吸引力、股价趋势八个维度筛选具备高成长潜力的A股标的。Invoke when user shares multi-dimensional screening criteria, wants to find high-growth small-cap stocks with founder-led teams and attractive products, or asks to screen stocks by qualitative dimensions like founder leadership, team youth, or product virality.

Overview

Publisherbelos-street
Repositorystock-analytics-agent
Skill namegrowth-stock-screener
Stars
57
Forks
9
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by belos-street on GitHub. Read the source before you install it.

Installation

Install the Growth Stock Screener AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/belos-street/stock-analytics-agent/tree/main/.agents/skills/growth-stock-screener
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/belos-street/stock-analytics-agent.git /tmp/stock-analytics-agent
mkdir -p .claude/skills
cp -r /tmp/stock-analytics-agent/.agents/skills/growth-stock-screener .claude/skills/growth-stock-screener
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Growth Stock Screener in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Growth Stock Screener on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Growth Stock Screener is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

八维成长股筛选

技能核心定位

核心目标

通过 「企业活力八维考察」 框架,筛选A股市场中最具成长爆发潜力的标的。该框架聚焦企业的创始人基因、团队活力、产品生命力和市场关注度,是从「人的质量」和「产品的质量」出发的成长股发现体系。

目标用户

  • 成长股投资者:相信「小市值 + 创始人驱动 + 爆款产品」组合的复利效应
  • 选美式投资者:认同「投资如同选美,对潮流敏感,提前找到大众认可的优质标的」
  • 定性研究者:不满足于PE/PB等定量指标,强调对人的判断和产品力的感知

技能边界

可提供服务:

  • 按八维框架筛选A股候选标的
  • 对候选标的逐维度评分和交叉验证
  • 输出结构化筛选报告(含评分排名和综合结论)
  • 识别每个维度的风险点和尽调方向

不可提供服务:

  • 具体买卖指令
  • 承诺收益
  • 预测涨跌幅
  • 内幕信息
  • 标的未来必定成长的保证

八维考察框架

维度一:上市年限

核心逻辑:优先关注上市 5 年以内的公司。这类公司利用资金扩张业务的空间更大。

评分标准:

上市年限评价说明
1-2年⭐⭐⭐ 优秀刚完成IPO,募资弹药充足,业务扩张空间最大
2-5年⭐⭐ 良好上市磨合期已过,募资仍有余力
5-8年⭐ 勉强增长空间可能受限,关注是否进入平台期
8年以上❌ 失分传统成熟企业,成长性存疑

例外条款:「二次创业型」老公司——上市 5 年以上、但推出了全新产品线并实现快速增长(如转型自有品牌、切入新赛道),可视为满足此条件。

验证方法:

  • 查阅招股书中的募投项目进展
  • IPO募资使用率(低使用率 = 弹药充足)
  • 上市后是否有再融资(定增、可转债)

维度二:市值规模

核心逻辑:市值体量越大,股价翻倍所需创造的价值量级越高。优先选择市值较小的公司。

评分标准:

市值区间评价说明
30-80亿⭐⭐⭐ 优秀小盘股翻倍空间大,10亿利润即可支撑300亿+市值
80-200亿⭐⭐ 良好中盘成长,仍有可观的向上弹性
200-500亿⭐ 勉强翻倍需要更大业绩支撑
500亿以上❌ 失分巨无霸,成长难度显著提升

例外条款:对处于爆发式赛道(如AI算力、创新药)、且估值匹配高增速的公司,可放宽市值上限。

注意事项:

  • 规避日均成交额过低(<5000万)的标的,防止流动性风险
  • 警惕小市值但高负债、现金流为负的公司

维度三:创始人状态

核心逻辑:创始人(社长)仍在一线履职的公司更具优势。创始人对公司的责任感、决心和行业影响力远强于职业经理人。

评分标准:

创始人状态评价说明
创始人担任董事长+CEO/总经理⭐⭐⭐ 满分权力集中、决策高效,企业家精神最强
创始人担任董事长(不兼CEO)⭐⭐ 良好战略把控仍在,但日常经营权已下放
创始人退居幕后/仅任董事⭐ 一般影响力减弱,需评估接班团队
创始人已出售股份/退出❌ 一票否决坚决回避,创始人已不看好公司未来

需要甄别的创始人信号:

  • ✅ 正向信号:持续增持、自愿锁定不减持承诺、年薪合理
  • ❌ 负向信号:上市后即减持套现、质押比例过高、年薪畸高

验证方法:

  • 查阅年报「董事、监事、高级管理人员」章节,确认创始人职务
  • 查看持股变动公告,判断创始人增减持方向
  • 搜索创始人公开访谈,感受其企业家气质和理念

维度四:高管持股情况

核心逻辑:社长和核心高管为大股东,与股东利益高度一致。

评分标准:

持股情况评价说明
实控人持股>30% + 核心团队合计>50%⭐⭐⭐ 理想利益高度绑定,团队稳定
实控人持股20-30% + 团队合计>40%⭐⭐ 良好持股合理,激励充分
实控人持股10-20%⭐ 一般利益绑定偏弱
实控人持股<10% / 无实控人❌ 风险决策权分散,出问题无人负责

加分信号:

  • CEO和高管自愿签署不减持承诺
  • 分红后用于增持公司股份
  • 核心技术人员持有大量股份
  • 股权激励覆盖广、行权条件高

负分信号:

  • 大股东频繁减持
  • 股权质押比例过高
  • 高管离职率高
  • 管理层薪酬增速远超利润增速

维度五:校招人才结构

核心逻辑:团队中高学历校招毕业生占比高,典型行业如IT、游戏、生物科技等。

评分标准:

人才特征评价说明
研发人员占比>50%、硕士以上>30%⭐⭐⭐ 优秀AI/半导体/生物科技典型画像
研发人员占比30-50%、本科以上>80%⭐⭐ 良好技术密集型,研发驱动
研发人员占比15-30%⭐ 一般技术属性中等
研发人员占比<15%❌ 失分非技术驱动型(但不一定差)

天然高学历密度的行业:

  • AI/大模型/计算机视觉 → 硕博占比极高
  • 半导体设计/EDA → 微电子硕博聚集
  • 创新药/生物科技 → 博士比例行业最高
  • 游戏引擎/图形学 → 数学/物理/CS精英
  • 量化金融 → 数学/物理PhD集中营

验证方法:

  • 年报「员工情况」章节:学历构成、专业构成
  • 研发费用率(>10%为高研发密度)
  • 招聘网站校招规模和要求
  • 脉脉/看准网员工自述学历背景

维度六:员工年龄与氛围

核心逻辑:员工平均年龄较小,能灵活捕捉新技术、行业趋势和市场偏好;团队目标一致、无复杂办公室政治。

评分标准:

氛围特征评价说明
平均年龄<30岁 + 扁平化管理 + 创业氛围浓厚⭐⭐⭐ 优秀新陈代谢快,能快速响应市场变化
平均年龄30-35岁 + 管理规范 + 文化健康⭐⭐ 良好成熟与活力平衡
平均年龄>35岁 + 层级分明⭐ 一般活力有所下降
派系斗争、高管内讧、员工频繁维权❌ 一票否决内耗严重,回避

正向信号:

  • 创始人公开信中强调年轻化战略
  • 内部晋升通道畅通,90后总监/VP不在少数
  • 员工股权激励覆盖面广
  • 办公环境开放、远程/弹性工作政策友好

负向信号:

  • 脉脉/知乎上员工负面爆料
  • 劳动仲裁/维权新闻频发
  • 高管层亲戚关系网复杂(家族企业病)
  • 裁员赔偿纠纷

验证方法:

  • 脉脉公司圈氛围观察
  • 知乎「在XX工作是一种怎样的体验」
  • 企查查劳动纠纷案件数
  • 社交平台员工自述

维度七:产品吸引力(重点关注)

核心逻辑:产品是大众普遍愿意选择、付费甚至主动推荐的。核心类比——「投资如同选美,对潮流敏感,提前找到大众认可的优质标的」。

评分标准:

产品力等级评价典型画像
⭐⭐⭐⭐⭐全民级爆款如微信、抖音、扫描全能王——人人都在用,人人都在推荐
⭐⭐⭐⭐赛道热门如绽家洗衣液、斐萃抗衰——小红书/抖音种草密度高,消费者主动UGC
⭐⭐⭐有口碑行业内有一定知名度,但未破圈
⭐⭐普通产品同质化,消费者无主动推荐意愿
⭐B端/无感知产品面向企业客户,终端用户无感知

验证「产品吸引力」的方法:

  • 社交平台口碑:小红书上主动种草帖数量、抖音话题播放量
  • App排行榜:App Store/Google Play 品类排名
  • 复购率/NPS:如果公开披露,高复购率/高NPS 是产品力强信号(非买卖信号)
  • 用户评价:看看真实用户在说什么——比财报更真实
  • 你自己会不会用?:如果你/你的朋友愿意付费使用,这就是最直接的验证
  • 线下门店密度/排队情况:消费品牌最直观的产品力指标

特别关注的品类:

  • 热门游戏 → 流水排名、玩家社区活跃度
  • 消费品牌 → 社交平台搜索量、电商评价
  • AI工具应用 → 月活增速、付费转化率
  • 生物科技 → 管线进展、适应症市场规模

维度八:股价与关注度

核心逻辑:股价呈上升趋势,同时伴随成交量放大(成交量提升代表市场关注度变高)。

评分标准:

趋势状态评价说明
上升趋势 + 成交量放大⭐⭐⭐ 最佳资金持续流入,市场关注度上升
上升趋势 + 成交量萎缩⭐⭐ 需警惕动力减弱,可能即将拐头
横盘 + 成交量萎缩⭐ 等待市场遗忘,等待催化剂
下降趋势❌ 等待企稳不接飞刀,等待趋势反转信号

技术面参考信号(非必需,辅助验证):

  • 股价站上MA50/MA200 → 中期趋势转多
  • 周线MACD金叉 + 成交量放大 → 动能增强信号
  • 机构调研次数增加 → 关注度提升
  • 券商研报覆盖频率增加 → 市场开始注意

注意事项:

  • 放量下跌 = 出货,不是买入信号
  • 低位放量 = 吸筹可能性,关注后续确认
  • 缩量上涨:初升/低位多为惜售(健康);连续缩量上攻、累计涨幅已大则动力衰减(结合上表「上升趋势+成交量萎缩」警惕)

选股流程

第一步:理解用户需求

确认:

  • 是否所有8个维度都需要满足?(通常是「大多数满足即可」)
  • 是否有行业偏好?(IT、游戏、消费、生物科技优先)
  • 是否限定A股/港股/美股?
  • 需要输出多少只标的?

第二步:赛道初筛

八维框架天然指向以下赛道:

赛道天然匹配维度代表性标的特征
AI/C端工具软件①②③④⑤⑥⑦高学历研发、产品全球化、创始人技术背景
消费品牌①③④⑥⑦⑧产品力可感知、创始人亲力亲为、团队年轻
游戏/互动娱乐⑤⑥⑦⑧产品力直观、年轻用户、现金流好
生物科技①⑤⑥博士比例最高、科学家创业
半导体设计⑤⑥高学历硬科技,产品偏B端

第三步:候选标的搜索与验证

  1. WebSearch 搜索各赛道的近期IPO/次新股
  2. 针对每个候选标的,查找:创始人信息、持股比例、产品口碑、员工数据、股价走势
  3. 按8个维度逐项评分

第四步:交叉验证

  • 创始人薪酬 vs 利润增速:薪酬增速远超利润增速是负分
  • 研发费用率 vs 同行均值:高于同行且持续增长是加分
  • 产品口碑 vs 销售费用率:口碑好 + 费用率低 = 有机增长;口碑一般 + 费用率极高 = 营销驱动
  • 股价趋势 vs 业绩趋势:股价与业绩背离需深究原因

第五步:输出结构化报告

按以下格式输出:

markdown
## 候选标的排名

| 排名 | 标的 | 代码 | ①年限 | ②市值 | ③创始人 | ④持股 | ⑤人才 | ⑥氛围 | ⑦产品 | ⑧趋势 | 综合⭐ |
|------|------|------|-------|-------|----------|--------|--------|--------|--------|--------|---------|

## 各标的深度分析

### 🥇 标的名称(代码)

| 考察点 | 评价 | 详情 |
|--------|------|------|
| ①上市年限 | ... | ... |
| ②市值规模 | ... | ... |
| ... | ... | ... |

> **核心逻辑**:一句话总结投资核心逻辑

## 🎯 最终建议

- 最优先关注、次优选、观察名单
- 各标的核心风险点
- 需要深度尽调的维度

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

---

## 筛选注意事项

### 维度权重

8个维度并非等权重。以下为建议权重分配:

| 维度 | 权重 | 理由 |
|------|------|------|
| ⑦ 产品吸引力 | **25%** | 最重要的维度,产品力是成长的本源 |
| ③ 创始人状态 | **20%** | 人是企业的灵魂,创始人决定上限 |
| ④ 高管持股 | **15%** | 利益一致性决定长期价值兑现 |
| ② 市值规模 | **10%** | 小市值是成长的必要条件但非充分条件 |
| ① 上市年限 | **10%** | 新股/次新股天然有扩张优势 |
| ⑤ 校招人才 | **8%** | 团队质量影响执行力和创新力 |
| ⑧ 股价趋势 | **7%** | 技术面辅助,不决定基本面 |
| ⑥ 员工氛围 | **5%** | 定性判断,数据获取难度高 |

> 校准注释:上表权重与各维度评分档位(市值区间、持股比例、研发人员占比等)为本框架的**初始设定参数**,非全市场一刀切的绝对估值阈值;使用时须按行业特性与市场环境校准并注明调整原因。若输出中涉及估值高低判断,一律对照标的**自身**历史估值分位/区间(近 10 年月频收盘,PE-TTM 整体法、负 PE 剔除,标注数据基准日),不套用统一绝对倍数。

### 一票否决项

以下情况直接排除,不需要继续评估其他维度:
- ③ 创始人已出售控股权或退出公司
- ⑥ 公司存在严重的劳动纠纷或管理层内讧
- 财报被出具非标准审计意见
- 上市公司被证监会立案调查
- 大股东质押比例 > 80%

### 估值陷阱检查(入池前必做)

- 低 PE = 盈利顶部(周期股陷阱):强周期标的盈利顶部 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判断,不以涨跌幅替代估值
- 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(小市值+高增速组合尤须复核)

### 数据获取优先级

1. **WebSearch**(优先):搜索结果中的财经媒体、年报摘要、雪球/东方财富信息(行情/净值类数值优先本地 CLI `bun run main.ts` 获取)
2. **年报/招股书**(关键验证):员工数据、创始人持股、研发费用等硬数据
3. **社交平台**(定性感知):小红书、抖音、脉脉、知乎的UGC内容
4. **券商研报**(专业参考):行业对比、盈利预测

---

## 常见问题解答

### Q1:八维都满足的标的多吗?

**A**:极少。同时命中8个维度的标的是市场中的「稀有物种」,我们的目标是找到满足5-7个维度的公司,其中第③和第⑦维度是核心,基本不能妥协。

### Q2:维度之间有冲突怎么办?

**A**:正常现象。例如半导体公司产品力极强(芯片技术全球领先),但产品是B端(终端消费者感知不到)。此时根据投资偏好做取舍:如果偏向「看得见摸得着的产品力」,就舍弃半导体;如果认同硬科技逻辑,可以弱化第⑦维度。

### Q3:如何验证「员工氛围」这类主观维度?

**A**:看脉脉公司圈、知乎员工评价、劳动纠纷案件数。虽然无法精确量化,但大方向可判断——频繁裁员赔偿纠纷就是红灯,员工自发好评就是绿灯。

---

## 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**:成长股投资波动大,可能出现大幅回撤
3. **分散投资**:单个成长股持仓不超过总仓位的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。

4. **动态跟踪**:每个季度重新评估一次,基本面变化时果断调整
5. **能力圈**:优先在自己能理解产品的行业筛选(你能亲自体验/感知产品力的行业)
6. **定性局限**:第⑤⑥维度数据获取难度大,评分存在主观性

---

## 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:公司年报/招股书、东方财富/同花顺/雪球、财经媒体(证券时报、每日经济新闻、21世纪经济报道)、社交平台用户口碑(小红书、抖音、脉脉、知乎)、券商研究报告。

---

## 持续优化

根据市场变化和用户反馈,持续优化维度权重和筛选标准,提升框架的实用性和命中率。

Frequently asked questions

What does the Growth Stock Screener AI skill do?

八维成长股筛选框架,从上市年限、市值规模、创始人状态、高管持股、校招人才、员工氛围、产品吸引力、股价趋势八个维度筛选具备高成长潜力的A股标的。Invoke when user shares multi-dimensional screening criteria, wants to find high-growth small-cap stocks with founder-led teams and attractive products, or asks to screen stocks by qualitative dimensions like founder leadership, team youth, or product virality.

Why use Growth Stock Screener on TypingMind?

Because you install it once and use it with any model. Growth Stock Screener is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Growth Stock Screener in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/belos-street/stock-analytics-agent/tree/main/.agents/skills/growth-stock-screener. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Growth Stock Screener?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Growth Stock Screener?

As many as you like. As long as a model supports skills, you can use Growth Stock Screener with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Growth Stock Screener AI skill free?

Yes. It is published on GitHub by belos-street under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇