Investment Idea Generator

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

Copy code
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

Copy code
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

Copy code
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

Copy code
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

Copy code
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

Copy code
## 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。