{"id":"8502e60d-e094-4b56-98c8-3158630903fe","entityType":"agent","slug":"clawhub-gechengling-security-equity-research","name":"Security Equity Research","canonicalUrl":"https://www.xpersona.co/agent/clawhub-gechengling-security-equity-research","canonicalPath":"/agent/clawhub-gechengling-security-equity-research","generatedAt":"2026-10-11T03:55:31.818Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":null},"description":"AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... Skill: Security Equity Research Owner: gechengling Summary: AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... Tags: latest:3.0.3, security-equity-research:3.0.3 Version history: v3.0.3 | 2026-09-30T06:56:02.620Z | user v3.0.3: narrow triggers (SQP-1), add data-minimisation + execution-boundary section, refres","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.2K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:security-equity-research","sourceUrl":"https://clawhub.ai/gechengling/security-equity-research","homepage":"https://clawhub.ai/gechengling/skills/security-equity-research","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/gechengling/security-equity-research","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/gechengling/skills/security-equity-research","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":62,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... "},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":null},"stars":null,"forks":null,"downloads":1212,"packageName":null,"latestVersion":"3.0.3","tractionLabel":"1.2K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T00:58:27.099Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T00:58:27.200Z","lastCrawledAt":"2026-10-11T00:58:27.099Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T00:58:27.099Z","lastVerifiedAt":null,"highlights":[{"version":"3.0.3","createdAt":"2026-09-30T06:56:02.620Z","changelog":"v3.0.3: narrow triggers (SQP-1), add data-minimisation + execution-boundary section, refresh dynamics to 2026-09-30, +7 examples, +5 table dimensions","fileCount":3,"zipByteSize":16377},{"version":"3.0.2","createdAt":"2026-09-12T07:10:21.513Z","changelog":"内容增强：新增报告类型矩阵、预期差框架、假设登记与结论映射示例；DCF/DDM/PE区间各补手算与敏感性读表示例；行业景气度打分表与跨行业比较矩阵新增估值匹配度维度；做空回应新增24小时响应时间表与量化反驳示例；合规检查项扩充至11项；监管动态更新至 2026-09-12","fileCount":3,"zipByteSize":12491},{"version":"3.0.1","createdAt":"2026-05-25T03:40:00.095Z","changelog":"**Version 3.0.1 - Adds regulatory update section and minor text updates** - Added a \"证券监管最新动态\" (Latest Regulatory Updates) section summarizing new 2026 compliance and disclosure requirements. - Reformatted version in metadata to \"3.0.1\". - Minor improvements to skill presentation; no change to core functionality or report/valuation logic.","fileCount":3,"zipByteSize":7019},{"version":"2.0.0","createdAt":"2026-05-11T10:24:01.314Z","changelog":"- Added new keywords to skill description for enhanced search and discoverability, including 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析. - No changes to functionality or features; the update enhances metadata only.","fileCount":2,"zipByteSize":5562},{"version":"1.0.0","createdAt":"2026-05-11T08:52:44.265Z","changelog":"Securities Equity Research Report Generator 1.0.0 - Initial release of an AI-powered equity research report tool for China A-share market. - Automates industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis generation. - Includes built-in report templates (in Chinese and English), regulatory-compliant structures, and frameworks for responding to short-seller reports. - Integrates the latest ESG requirements and cross-sector comparison tools. - Features parameterized valuation models with example code and sensitivity analysis. - Designed for China-focused equity analysts, buy-side, and investment bank research teams.","fileCount":2,"zipByteSize":5520}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:security-equity-research","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T03:55:31.817Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-security-equity-research/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":null},"readme":"Skill: Security Equity Research\n\nOwner: gechengling\n\nSummary: AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller...\n\nTags: latest:3.0.3, security-equity-research:3.0.3\n\nVersion history:\n\nv3.0.3 | 2026-09-30T06:56:02.620Z | user\n\nv3.0.3: narrow triggers (SQP-1), add data-minimisation + execution-boundary section, refresh dynamics to 2026-09-30, +7 examples, +5 table dimensions\n\nv3.0.2 | 2026-09-12T07:10:21.513Z | user\n\n内容增强：新增报告类型矩阵、预期差框架、假设登记与结论映射示例；DCF/DDM/PE区间各补手算与敏感性读表示例；行业景气度打分表与跨行业比较矩阵新增估值匹配度维度；做空回应新增24小时响应时间表与量化反驳示例；合规检查项扩充至11项；监管动态更新至 2026-09-12\n\nv3.0.1 | 2026-05-25T03:40:00.095Z | auto\n\n**Version 3.0.1 - Adds regulatory update section and minor text updates**\n\n- Added a \"证券监管最新动态\" (Latest Regulatory Updates) section summarizing new 2026 compliance and disclosure requirements.\n- Reformatted version in metadata to \"3.0.1\".\n- Minor improvements to skill presentation; no change to core functionality or report/valuation logic.\n\nv2.0.0 | 2026-05-11T10:24:01.314Z | auto\n\n- Added new keywords to skill description for enhanced search and discoverability, including 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\n- No changes to functionality or features; the update enhances metadata only.\n\nv1.0.0 | 2026-05-11T08:52:44.265Z | auto\n\nSecurities Equity Research Report Generator 1.0.0\n\n- Initial release of an AI-powered equity research report tool for China A-share market.\n- Automates industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis generation.\n- Includes built-in report templates (in Chinese and English), regulatory-compliant structures, and frameworks for responding to short-seller reports.\n- Integrates the latest ESG requirements and cross-sector comparison tools.\n- Features parameterized valuation models with example code and sensitivity analysis.\n- Designed for China-focused equity analysts, buy-side, and investment bank research teams.\n\nArchive index:\n\nArchive v3.0.3: 3 files, 16377 bytes\n\nFiles: skill-card.md (2294b), SKILL.md (36251b), _meta.json (143b)\n\nFile v3.0.3:SKILL.md\n\n---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模, 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\r\nversion: \"3.0.3\"\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n\r\n---\r\n\r\n## 数据最小化声明与执行边界 / Data Minimisation & Execution Boundary\r\n\r\n**数据最小化前置声明：** 使用本技能时，请只提供完成当次分析所必需的公开信息——公开财报科目、公开公告要点、行业公开统计数据、已脱敏的持仓与组合权重。**不要**粘贴未公开财务数据、内幕信息、客户名单、个人账户持仓明细或带身份信息的尽调材料。如需引用第三方数据，请注明来源与取数日期，不要求上传原始数据文件。\r\n\r\n**代码块性质与执行边界**\r\n\r\n| 内容 | 性质 | 谁来执行 |\r\n|------|------|---------|\r\n| `dcf_valuation()` 及使用示例 | 现金流折现的口径与公式示意，说明终值占比、敏感性应如何计算 | 由研究员在自己的建模环境（Excel/Python）中按口径复现；技能不运行、不取数 |\r\n| `ddm_valuation()` | 两阶段股利贴现的公式表达，用于统一团队算法 | 同上，由研究员自行填入参数运行 |\r\n| `pe_band_analysis()` | PE 历史分位统计的口径说明 | 由研究员在自有行情终端中取数后计算 |\r\n| 研报骨架、做空回应模板 | Markdown 文本模板，需人工填写内容 | 由研究员在机构模板系统中填写并走质控流程 |\r\n\r\n本技能未配置任何工具调用权限，不执行代码、不读写文件、不访问行情或数据库接口，也不生成可直接对外发布的成品研报。文中代码块均为公式与口径的教学示意；所有输出须经具备资质的分析师复核、并由机构质控流程审批后方可使用。\r\n\r\n---\r\n\r\n\r\n### 证券监管最新动态 [2026-09-30更新]\r\n\r\n| 动态类型 | 内容摘要 | 影响范围 | 研报侧应对动作 | 责任岗 | 优先级 |\r\n|---------|---------|---------|--------------|-------|-------|\r\n| 证券监管 | 2026年Q1：证监会持续强化上市公司信息披露质量监管 | 研究报告模板需纳入信披合规和量化冲击分析 | 研报增设\"信披质量\"小节，标注公告编号 | 研究 | 高 |\r\n| 证券监管 | 业绩预告披露质量被重点关注，研究需加强信披合规分析 | 研究报告模板需纳入信披合规和量化冲击分析 | 业绩点评须区分\"预告口径\"与\"实际口径\" | 研究 | 高 |\r\n| 证券监管 | A股量化资金占比30%-40%，研究报告需关注量化冲击因素 | 研究报告模板需纳入信披合规和量化冲击分析 | 增加\"交易结构\"小节，说明波动归因 | 研究 | 中 |\r\n| 研报执业 | 研报执业规范持续强化，观点依据与数据来源须可追溯 | 深度报告、事件点评、盈利预测 | 每个关键数据标注来源与取数日期 | 研究 | 高 |\r\n| 适当性与传播 | 研报公开传播需注意目标价、评级的表述边界 | 对客传播的研报摘要与路演材料 | 摘要保留评级定义与免责声明 | 合规 | 高 |\r\n| 市值管理 | 上市公司市值管理行为的信息披露要求趋严 | 涉及股东增减持、回购的点评 | 点评须同时列示公告原文要点 | 研究 | 中 |\r\n| 程序化交易 | 程序化交易报告与异常交易监控要求细化 | 与量化资金相关的流动性与波动分析 | 在流动性分析中纳入程序化交易因素 | 研究 | 中 |\r\n| ESG披露 | 可持续披露规则推进，ESG信息在估值中的权重上升 | ESG整合、行业比较 | 估值与比较框架中单列ESG评分维度 | 研究 | 中 |\r\n| 研报执业 | 2026年9月下旬：研究报告署名与发布流程的内部质控留痕要求进一步细化 | 深度报告、点评、路演材料 | 研报定稿前留存质控复核记录，含复核人与复核时间 | 研究 | 高 |\r\n| ESG披露 | 2026年三季度：可持续披露过渡安排推进，ESG数据在盈利预测中的引用需标注口径 | ESG整合、行业比较 | ESG评分引用时标注评价体系名称与数据年份 | 研究 | 中 |\r\n\r\n> **数据截止**: 2026-09-30 | 来源：证监会、NFRA、中证协、交易所公开规则、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n**动态解读示例（四类高频场景）**\r\n\r\n- **场景A｜数据可追溯**：研报中\"行业增速约15%\"未标注来源 → 命中\"数据来源须可追溯\" → 改为\"据XX机构2026年8月行业月报，行业增速15%（取数日期2026-09-01）\"。\r\n- **场景B｜业绩点评口径**：公司发布业绩预告后直接按预告区间取中值做盈利预测 → 命中\"预告口径与实际口径混用\" → 点评中分别列示预告区间与预测值，并说明预测与预告的差异原因。\r\n- **场景C｜量化冲击归因**：股价单日波动8%被简单归因为\"基本面变化\" → 命中\"量化资金占比需纳入分析\" → 补充当日成交结构（成交量放大倍数、换手率）与是否有程序化交易特征的说明。\r\n- **场景D｜摘要传播合规**：对外传播的研报摘要删掉了评级定义和免责声明 → 命中\"传播边界\"要求 → 摘要页固定保留评级定义表与免责声明段落，不因篇幅删减。\r\n\r\n- **场景E｜质控留痕补位**：研报已发布但无质控复核记录 → 命中“质控留痕要求细化” → 定稿流程增加“复核人+复核时间+修改要点”三字段，未填齐不得进入发布队列；存量报告按月抽查补录。\r\n- **场景F｜ESG口径混用**：同一份报告里既引用了第三方ESG评级又引用了公司自披露数据，未说明差异 → 命中“ESG引用需标注口径” → 明确区分“第三方评价结果”与“公司自披露数据”，并在脚注注明评价体系名称、数据年份与覆盖范围。\r\n\r\n合规自检口诀：数据看来源、假设看依据、评级看定义、传播看声明、ESG看口径。五条缺一即退回修改。\r\n\r\n\r\n## Industry Pain Points / 行业痛点\r\n\r\n| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 | 量化基线指标 / Baseline |\r\n|------------------|-------------|------------------------|----------------------|\r\n| **数据收集耗时** | 分析师60%时间花在数据整理 | 自动抓取财报/宏观/行业数据库，一键生成数据底稿 | 单篇数据底稿整理 ≤2小时 |\r\n| **报告模板重复** | 每次撰写覆盖报告都要重新排版 | 内置研报标准模板，30秒生成初稿框架 | 初稿框架产出 ≤5分钟 |\r\n| **估值建模复杂** | DCF/DDM参数调整耗时长 | 参数化估值模型，输入假设自动计算 | 单次估值重算 ≤1分钟 |\r\n| **做空报告应急** | 做空机构突袭需24小时内回应 | 紧急响应模板，快速组织反驳论据 | 首版回应稿 ≤6小时 |\r\n| **研报合规风险** | 监管对研报质量要求越来越高 | 内置合规检查清单，自动识别风险表述 | 合规检查项通过率 100% |\r\n| **假设不可追溯** | 假设取值无依据，结论易被质疑 | 关键假设登记表（数值+依据+取数日期） | 关键假设可追溯率 ≥95% |\r\n| **估值口径不一** | 同一公司不同报告估值口径不同 | 估值口径统一表（币种/股本/净负债处理） | 口径一致率 100% |\r\n| **观点与数据脱节** | 结论与数据支撑不匹配 | 结论-证据映射表（每条逻辑对应数据） | 每条逻辑 ≥2项数据支撑 |\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**English Triggers:** equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research\r\n\r\n**中文触发词（须落在研报/估值/行业研究任务上才触发）：** 投研报告 / 行业研究 / 首次覆盖 / 业绩点评 / 估值建模 / DCF / DDM / PE区间 / 做空报告回应 / ESG整合 / 投研框架 / 盈利预测 / 目标价推导 / 评级调整 / 研报合规检查 / 研报模板\r\n\r\n**不触发（Scope Exclusions）：** 以下泛化词单独出现时**不**触发本技能——研究报告、券商研报、买方研报、宏观策略、行业比较、公司对比、研报改写、研报降重。它们只有在明确指向“撰写/改写一份证券研究报告”或“对个股做估值建模”时才路由到本技能；纯宏观策略判断、纯文本润色与降重请改用对应通用技能。\r\n\r\n**路由判定三步：** ① 标的是否为A股（或其他证券市场）个股/行业？② 任务是否属于研报撰写、估值建模、业绩点评、做空回应四类之一？③ 两者同时为“是”才启用。仅问行情涨跌、仅做文字润色的请求不启用。\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 1. Research Report Templates / 研报模板库\r\n\r\n**标准研报结构（证监会/中证协规范格式）：**\r\n\r\n```markdown\r\n# [公司简称]（[股票代码]）深度报告\r\n**报告日期**: YYYY-MM-DD\r\n**研究员**: [姓名]\r\n**联系方式**: [邮箱/电话]\r\n\r\n## 核心观点\r\n[3-5句话概括投资亮点和核心风险]\r\n\r\n## 投资逻辑\r\n### 逻辑1：[一句话]\r\n### 逻辑2：[一句话]\r\n### 逻辑3：[一句话]\r\n\r\n## 关键假设\r\n| 假设项 | 数值 | 依据 |\r\n|-------|------|------|\r\n| 收入增速 | XX% | [市场/公司历史数据] |\r\n| 毛利率 | XX% | [行业趋势/竞争格局] |\r\n| 费用率 | XX% | [历史均值/管理变革] |\r\n\r\n## 盈利预测\r\n| 指标 | 2024A | 2025E | 2026E | 2027E |\r\n|------|-------|-------|-------|-------|\r\n| 营业收入（亿元） | | | | |\r\n| 归母净利润（亿元） | | | | |\r\n| EPS（元） | | | | |\r\n| YoY增速 | | | | |\r\n\r\n## 估值分析\r\n### DCF估值\r\n- WACC: XX%\r\n- 永续增长率: XX%\r\n- 绝对估值区间: [XX-XX]元\r\n\r\n### 相对估值\r\n| 可比公司 | P/E | P/B | P/S |\r\n|---------|-----|-----|-----|\r\n| [公司A] | | | |\r\n| [公司B] | | | |\r\n| 行业中位数 | | | |\r\n\r\n## 风险提示\r\n1. [风险1]\r\n2. [风险2]\r\n3. [风险3]\r\n```\r\n\r\n**报告类型与篇幅矩阵（先定类型再动笔）**\r\n\r\n| 报告类型 | 建议篇幅 | 核心交付物 | 撰写周期 | 必含要素 | 质控复核层级 |\r\n|---------|---------|-----------|---------|---------|---|\r\n| 首次覆盖（深度） | 1.5万字+ | 投资逻辑 + 盈利预测 + 估值 | 5-10个工作日 | 三大逻辑 + 关键假设表 + 敏感性分析 | 研究所质控+合规双签 |\r\n| 业绩点评 | 2000-4000字 | 业绩拆解 + 预期差判断 | 1个工作日 | 预告/实际口径对照 + 超预期归因 | 组长复核 |\r\n| 事件点评 | 1500-3000字 | 事件影响量化 | 0.5个工作日 | 事件时间线 + 影响测算 | 组长复核 |\r\n| 行业深度 | 1.2万字+ | 产业趋势 + 竞争格局 + 标的 | 5-8个工作日 | 产业链图 + CR3/CR5 + 景气度打分 | 研究所质控 |\r\n| 估值对比 | 3000-5000字 | 可比公司矩阵 | 2个工作日 | 口径统一说明 + 分位区间 | 组长复核 |\r\n| 做空回应 | 2500-5000字 | 逐条反驳 + 证据链 | ≤6小时首版 | 指控-事实-证据三段式 | 合规+IR会签 |\r\n\r\n**示例 1｜业绩点评的预期差框架（把\"是否超预期\"讲清楚）**\r\n\r\n| 项目 | 预告区间 | 实际值 | 市场一致预期 | 预期差判断 |\r\n|------|---------|-------|------------|-----------|\r\n| 营业收入（亿元） | 48-52 | 53.1 | 50.0 | 超预期（+6.2%） |\r\n| 归母净利润（亿元） | 6.0-6.8 | 7.2 | 6.5 | 超预期（+10.8%） |\r\n| 毛利率 | 未披露 | 31.4% | 29.8% | 超预期，原材料降价贡献约1.2pct |\r\n| 经营性现金流（亿元） | 未披露 | 4.6 | 5.2 | 低于预期，应收增加所致 |\r\n\r\n结论写法：先给预期差结论，再拆解贡献因子，最后给可持续性判断（一次性因素剔除后的\"可比增速\"）。\r\n\r\n**示例 2｜关键假设登记表（假设必须可追溯）**\r\n\r\n| 假设项 | 取值 | 依据 | 取数日期 | 敏感性 |\r\n|-------|------|------|---------|-------|\r\n| 收入增速 | 18% | 近3年复合增速 + 新增产能投放节奏 | 2026-09-01 | 每降1pct，目标价降约2.1% |\r\n| 毛利率 | 31.5% | 原材料价格中枢下移 + 产品结构升级 | 2026-09-01 | 每降1pct，净利润降约5.4% |\r\n| 费用率 | 12.0% | 近3年均值，规模效应小幅摊薄 | 2026-09-01 | 影响较小 |\r\n| WACC | 9.5% | 无风险利率 + 行业β + 规模溢价 | 2026-08-31 | 每升0.5pct，估值降约6% |\r\n\r\n**示例 3｜结论-证据映射（防止观点悬空）**\r\n\r\n| 投资逻辑 | 数据支撑1 | 数据支撑2 | 反证与应对 |\r\n|---------|----------|----------|-----------|\r\n| 新增产能驱动增长 | 在建工程同比+42% | 公司公告投产时间表 | 若投产延期，增速下调至12% |\r\n| 毛利率具备韧性 | 原材料价格指数回落 | 高毛利产品占比提升至38% | 若原材料反弹，毛利率下修1pct |\r\n| 估值处于历史低位 | 当前PE位于近5年12%分位 | 可比公司中位数PE 18x | 若行业景气下行，分位参考失效 |\r\n\r\n**示例 4｜首次覆盖三大逻辑的标准写法（避免写成“推荐理由堆砌”）**\r\n\r\n| 逻辑 | 一句话表述 | 支撑数据 | 可证伪条件 |\r\n|------|-----------|---------|-----------|\r\n| 逻辑1：产能驱动 | 新增产能2026年下半年投产，贡献收入增量约8亿元 | 在建工程同比+42%、投产公告 | 若投产延期超两个季度，逻辑失效 |\r\n| 逻辑2：结构改善 | 高毛利产品占比由28%提升至38%，拉动毛利率上行 | 产品结构表、分品类毛利率 | 若低价产品放量，结构改善不成立 |\r\n| 逻辑3：估值修复 | 当前PE位于近5年12%分位，低于可比公司中位数 | 历史PE分位、可比公司矩阵 | 若行业景气下行，分位参照失效 |\r\n\r\n写法要点：每条逻辑必须配“可证伪条件”。只有能被数据推翻的逻辑才算投资逻辑，否则只是描述。\r\n\r\n**示例 5｜研报改写与降重的合规边界**\r\n\r\n| 请求类型 | 是否受理 | 理由与替代做法 |\r\n|---------|---------|--------------|\r\n| 调整段落顺序、压缩冗余表述 | 受理 | 属于表达优化，不改变观点与数据 |\r\n| 替换同义表述以规避查重 | 受限 | 若改动导致数据或评级含义变化，需重新走质控 |\r\n| 删除风险提示以缩短篇幅 | 不受理 | 违反风险提示完整性要求 |\r\n| 修改目标价但未重算模型 | 不受理 | 目标价须与估值口径一致，需重算并留痕 |\r\n| 保留观点但更换案例 | 受理 | 需同步更新数据来源与取数日期 |\r\n\r\n\r\n\r\n### 2. Valuation Models / 估值模型\r\n\r\n#### 2.1 DCF Model / 现金流折现模型\r\n\r\n```python\r\nimport numpy as np\r\nimport pandas as pd\r\nfrom scipy.optimize import brentq\r\n\r\ndef dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, \r\n                   terminal_share: float = 1.0) -> dict:\r\n    \"\"\"\r\n    DCF估值模型\r\n    Args:\r\n        fcf_forecast: 未来5年自由现金流预测（亿元）\r\n        wacc: 加权平均资本成本（%）\r\n        terminal_growth: 永续增长率（%）\r\n        terminal_share: 终值折现系数\r\n    Returns:\r\n        估值结果字典\r\n    \"\"\"\r\n    # 预测期现值\r\n    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]\r\n    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])\r\n    \r\n    # 终值计算\r\n    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / discount_factors[-1] * terminal_share\r\n    \r\n    # 企业价值 & 股权价值\r\n    enterprise_value = pv_forecast + pv_terminal\r\n    equity_value = enterprise_value  # 简化：无净负债调整\r\n    \r\n    # 敏感性分析\r\n    sensitivity = {}\r\n    for wacc_adj in [-0.5, 0, 0.5]:\r\n        for tg_adj in [-0.5, 0, 0.5]:\r\n            adj_wacc = wacc + wacc_adj\r\n            adj_tg = terminal_growth + tg_adj\r\n            if adj_wacc > adj_tg:\r\n                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)\r\n                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share\r\n                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) \r\n                               for t, fcf in enumerate(fcf_forecast, 1)])\r\n                sensitivity[f\"WACC={adj_wacc}%, g={adj_tg}%\"] = adj_pv_f + adj_pv_tv\r\n    \r\n    return {\r\n        \"enterprise_value\": round(enterprise_value, 2),\r\n        \"equity_value\": round(equity_value, 2),\r\n        \"pv_forecast\": round(pv_forecast, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2),\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"sensitivity_table\": sensitivity\r\n    }\r\n\r\n# 使用示例\r\nresult = dcf_valuation(\r\n    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未来5年FCF（亿元）\r\n    wacc=9.5,  # WACC 9.5%\r\n    terminal_growth=2.5,  # 永续增长率 2.5%\r\n    terminal_share=0.8  # 终值折现系数\r\n)\r\nprint(f\"企业价值: {result['enterprise_value']} 亿元\")\r\nprint(f\"股权价值: {result['equity_value']} 亿元\")\r\n```\r\n\r\n**示例 1｜DCF 结果解读（把数字翻译成结论）**\r\n\r\n| 输出项 | 数值 | 解读 |\r\n|-------|------|------|\r\n| 预测期现值 | 33.2亿元 | 占企业价值比重偏低，说明价值主要来自终值 |\r\n| 终值现值 | 96.4亿元 | 占比74%，须重点检验永续增长假设 |\r\n| 企业价值 | 129.6亿元 | 假设无净负债调整 |\r\n| 终值占比 | 74% | >70%说明估值对长期假设高度敏感，需做双情景 |\r\n\r\n结论写法：终值占比偏高时，必须同时给出\"保守情景\"（永续增长率2.0%）与\"乐观情景\"（3.0%）的企业价值，避免只给单点结论。\r\n\r\n**示例 2｜敏感性分析读表（WACC × 永续增长率）**\r\n\r\n| WACC ↓ \\ g → | 2.0% | 2.5% | 3.0% |\r\n|-------------|------|------|------|\r\n| 9.0% | 138.5 | 145.2 | 152.8 |\r\n| 9.5% | 129.6 | 135.4 | 142.0 |\r\n| 10.0% | 121.8 | 126.9 | 132.6 |\r\n\r\n读表方法：①先看对角线区间（129.6-145.2）给出估值中枢；②再看最不利与最有利组合（121.8-152.8）给出区间边界；③若区间宽度超过市值的±20%，在报告中明确标注\"估值不确定性较高\"。\r\n\r\n**示例 3｜终值占比过高的双情景处理**\r\n\r\n| 情景 | WACC | 永续增长率 | 企业价值（亿元） | 对应的报告表述 |\r\n|------|------|-----------|----------------|---------------|\r\n| 保守 | 10.0% | 2.0% | 121.8 | 下限，用于风险情形 |\r\n| 基准 | 9.5% | 2.5% | 129.6 | 估值中枢 |\r\n| 乐观 | 9.0% | 3.0% | 152.8 | 上限，需说明触发条件 |\r\n\r\n处理原则：终值占比超过70%时，报告中不得只给单点目标价，必须以“保守—基准—乐观”三情景呈现，并说明各情景的触发条件（如行业景气、产能投放节奏）。\r\n\r\n\r\n\r\n#### 2.2 DDM Model / 股利贴现模型\r\n\r\n```python\r\ndef ddm_valuation(current_dps: float, dividend_growth: list, \r\n                  required_return: float, terminal_growth: float) -> dict:\r\n    \"\"\"\r\n    DDM估值模型（两阶段）\r\n    Args:\r\n        current_dps: 当前每股股利（元）\r\n        dividend_growth: 高增长阶段各年增长率（%）\r\n        required_return: 必要收益率（%）\r\n        terminal_growth: 永续增长率（%）\r\n    \"\"\"\r\n    pv_dividends = []\r\n    cumulative_dps = current_dps\r\n    \r\n    for i, g in enumerate(dividend_growth, 1):\r\n        cumulative_dps *= (1 + g / 100)\r\n        pv = cumulative_dps / ((1 + required_return / 100) ** i)\r\n        pv_dividends.append(pv)\r\n    \r\n    # 永续价值\r\n    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))\r\n    \r\n    intrinsic_value = sum(pv_dividends) + pv_terminal\r\n    \r\n    return {\r\n        \"intrinsic_value\": round(intrinsic_value, 2),\r\n        \"pv_dividends\": [round(p, 4) for p in pv_dividends],\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2)\r\n    }\r\n```\r\n\r\n**示例 1｜两阶段 DDM 输入与输出对照**\r\n\r\n| 输入项 | 取值 | 说明 |\r\n|-------|------|------|\r\n| 当前每股股利 | 0.90元 | 最近一期实际分红 |\r\n| 高增长期 | 3年，增速15%/12%/10% | 对应业务扩张期 |\r\n| 必要收益率 | 8.5% | 无风险利率 + 风险溢价 |\r\n| 永续增长率 | 2.5% | 不高于长期名义GDP增速 |\r\n\r\n输出：内在价值区间 [20.4, 22.8] 元；若现价 21.5 元，则处于区间中枢附近，评级倾向\"中性\"；若现价 18.0 元，则折价约14%，可给\"增持\"。\r\n\r\n**示例 2｜DDM 适用性判断（先判断能不能用）**\r\n\r\n| 公司特征 | 是否适用DDM | 建议替代方法 |\r\n|---------|-----------|------------|\r\n| 稳定分红的大型公用事业 | 适用 | — |\r\n| 高分红银行 | 适用（注意拨备影响） | 股利折现 + PB校验 |\r\n| 不分红的高成长科技 | 不适用 | DCF 或 PEG |\r\n| 分红波动极大的周期股 | 慎用 | 正常化盈利 + PE区间 |\r\n| 政策强制高分红但盈利下滑 | 慎用 | 情景化DDM（分红率下行情景） |\r\n\r\n**示例 3｜分红率突变的情景化处理**\r\n\r\n| 情景 | 分红率 | 永续增长率 | 内在价值（元） | 适用判断 |\r\n|------|-------|-----------|--------------|---------|\r\n| 维持现行政策 | 35% | 2.5% | 21.6 | 基准情形 |\r\n| 分红率下调至25% | 25% | 2.5% | 18.2 | 盈利再投资，需评估ROE |\r\n| 分红率上调至45% | 45% | 2.0% | 24.1 | 需评估可持续性 |\r\n\r\n处理原则：分红政策变化会同时影响分子（股利）与分母（增长），不可只调一个变量；分红率上调时通常同步下调永续增长率，避免高估内在价值。\r\n\r\n\r\n\r\n#### 2.3 PE Band Analysis / PE估值区间分析\r\n\r\n```python\r\ndef pe_band_analysis(eps_history: list, price_history: list, \r\n                     forecast_eps: float) -> dict:\r\n    \"\"\"\r\n    PE估值区间分析\r\n    基于历史估值分布给出当前估值水位\r\n    \"\"\"\r\n    # 计算历史PE\r\n    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]\r\n    \r\n    # 统计分布\r\n    pe_stats = {\r\n        \"min\": np.min(pe_history),\r\n        \"q25\": np.percentile(pe_history, 25),\r\n        \"median\": np.median(pe_history),\r\n        \"q75\": np.percentile(pe_history, 75),\r\n        \"max\": np.max(pe_history),\r\n        \"mean\": np.mean(pe_history)\r\n    }\r\n    \r\n    # 估值区间\r\n    valuation_band = {\r\n        \"极度低估 (PE < Q25)\": forecast_eps * pe_stats[\"q25\"],\r\n        \"偏低估 (Q25 < PE < Median)\": forecast_eps * pe_stats[\"median\"],\r\n        \"合理区间 (Median < PE < Q75)\": forecast_eps * pe_stats[\"q75\"],\r\n        \"偏高估 (PE > Q75)\": forecast_eps * pe_stats[\"max\"]\r\n    }\r\n    \r\n    return {\r\n        \"pe_statistics\": pe_stats,\r\n        \"valuation_band\": {k: round(v, 2) for k, v in valuation_band.items()}\r\n    }\r\n```\r\n\r\n**示例 1｜PE 分位与目标价推导**\r\n\r\n| 分位 | PE | 对应股价（元） | 含义 |\r\n|------|----|-------------|------|\r\n| Q25 | 14.2x | 17.0 | 历史偏低水位 |\r\n| 中位数 | 18.5x | 22.2 | 估值中枢 |\r\n| Q75 | 24.0x | 28.8 | 历史偏高水平 |\r\n| 当前 | 16.3x | 19.6 | 位于近5年28%分位 |\r\n\r\n结论写法：现价对应16.3x、近5年28%分位，若给中位数18.5x则目标价22.2元（+13%空间）；给出目标价时必须同时说明所选分位与理由（如\"行业景气向上，取中位数偏上分位\"）。\r\n\r\n**示例 2｜PE 区间失效场景排查**\r\n\r\n| 场景 | 现象 | 处置 |\r\n|------|------|------|\r\n| 盈利为负或接近0 | PE 无意义或剧烈波动 | 改用PS或EV/EBITDA |\r\n| 一次性收益扭曲EPS | 当期PE异常低 | 用扣非EPS重算 |\r\n| 大额并购导致可比性下降 | 历史PE不可比 | 剔除并购年份或改用并表后口径 |\r\n| 行业进入下行周期 | 低PE可能是\"价值陷阱\" | 用正常化盈利 + 周期位置判断 |\r\n| 股本大幅变动 | EPS被摊薄 | 统一用最新总股本重算 |\r\n\r\n**示例 3｜PE分位与景气度冲突时的取舍**\r\n\r\n| 组合 | 景气度得分 | PE分位 | 判断 | 报告表述 |\r\n|------|-----------|--------|------|---------|\r\n| 景气高 + 分位低 | 4.2 | 28% | 最优，重点推荐 | 景气向上且估值未反映 |\r\n| 景气高 + 分位高 | 4.2 | 82% | 谨慎，逢调布局 | 景气已部分计入价格 |\r\n| 景气低 + 分位低 | 2.4 | 18% | 价值陷阱，回避 | 低估值反映基本面走弱 |\r\n| 景气低 + 分位高 | 2.4 | 75% | 最差，明确回避 | 基本面与估值双杀风险 |\r\n\r\n取舍原则：景气度决定方向，PE分位决定赔率；两者冲突时以景气度优先，并在报告中单独说明估值为何未能反映基本面变化。\r\n\r\n\r\n\r\n### 3. Industry Research Framework / 行业研究框架\r\n\r\n```markdown\r\n## 行业研究标准框架\r\n\r\n### 一、行业概述\r\n- 行业定义与边界\r\n- 产业链结构图\r\n- 行业发展阶段（导入期/成长期/成熟期/衰退期）\r\n\r\n### 二、竞争格局\r\n- 市场集中度（CR3/CR5/CR10）\r\n- 波特五力分析\r\n- 竞争格局演变趋势\r\n\r\n### 三、驱动因素\r\n- 需求侧：市场规模、增速、渗透率\r\n- 供给侧：产能扩张、技术迭代\r\n- 政策面：监管政策、扶持政策\r\n- 宏观面：经济周期、人口结构\r\n\r\n### 四、核心标的\r\n- 龙头公司竞争优势\r\n- 二线公司差异化\r\n- 潜在黑马\r\n\r\n### 五、风险因素\r\n- 周期性风险\r\n- 政策风险\r\n- 技术替代风险\r\n- 竞争加剧风险\r\n```\r\n\r\n**行业景气度打分表（把\"景气\"量化，避免主观表述）**\r\n\r\n| 维度 | 观测指标 | 权重 | 打分（1-5） | 加权得分 | 数据来源示例 |\r\n|------|---------|------|-----------|---------|---|\r\n| 需求端 | 下游订单/出货量同比 | 30% | 4 | 1.20 | 行业协会月报、公司月度经营数据 |\r\n| 价格端 | 主要产品价格环比 | 20% | 3 | 0.60 | 第三方价格指数、公司公告 |\r\n| 供给端 | 在建产能与开工率 | 15% | 2 | 0.30 | 在建工程明细、行业协会产能数据 |\r\n| 库存端 | 渠道库存周转天数 | 15% | 4 | 0.60 | 渠道调研、经销商库存数据 |\r\n| 政策端 | 政策方向与落地节奏 | 10% | 4 | 0.40 | 主管部门公开文件 |\r\n| 估值端 | 行业PE历史分位 | 10% | 3 | 0.30 | 行情终端估值分位 |\r\n| **合计** | — | 100% | — | **3.40** | — |\r\n\r\n判定口径：加权得分 ≥3.5 为景气向上；3.0-3.5 为景气平稳；<3.0 为景气下行。打分须逐项标注数据来源与取数日期。\r\n\r\n**示例｜跨行业比较矩阵（新增维度：景气度与估值匹配度）**\r\n\r\n| 行业 | 需求增速 | 毛利率趋势 | 政策方向 | 行业PE分位 | 景气度得分 | 估值匹配度 | 结论 | 跟踪信号 |\r\n|------|---------|-----------|---------|-----------|-----------|-----------|------|---|\r\n| 行业A | 25% | 上行 | 支持 | 35% | 4.2 | 匹配 | 重点推荐 | 月度订单同比是否维持20%以上 |\r\n| 行业B | 12% | 持平 | 中性 | 78% | 3.3 | 偏高 | 精选个股 | 季度提价是否落地 |\r\n| 行业C | -5% | 下行 | 限制 | 15% | 2.4 | 陷阱 | 回避 | 库存去化是否出现拐点 |\r\n| 行业D | 18% | 上行 | 支持 | 62% | 3.8 | 略高 | 逢调布局 | 回调是否伴随景气度下滑 |\r\n\r\n比较要点：同为高景气行业，若估值分位差异大，应优先选择\"景气高+分位低\"的组合；\"景气低+分位低\"往往是价值陷阱，需单独说明。\r\n\r\n**示例｜产业链拆解表（定位议价权归属）**\r\n\r\n| 环节 | 代表公司 | 集中度CR3 | 毛利率区间 | 议价权 | 投资含义 |\r\n|------|---------|----------|-----------|--------|---------|\r\n| 上游原材料 | 公司A/B/C | 62% | 18%-25% | 强 | 涨价弹性大，周期属性强 |\r\n| 中游制造 | 公司D/E/F | 38% | 12%-18% | 中 | 看成本传导与产能利用率 |\r\n| 下游品牌 | 公司G/H | 55% | 35%-45% | 强 | 品牌溢价，抗周期 |\r\n\r\n使用要点：先拆环节再选标的。同一条产业链上，议价权强的环节在景气上行时弹性更大、下行时更抗跌；报告中须给出集中度与毛利率的取数口径与年份。\r\n\r\n\r\n\r\n### 4. Short-Seller Response Template / 做空报告回应模板\r\n\r\n```markdown\r\n# 关于[做空机构名称]做空报告的声明\r\n\r\n**公司声明日期**: YYYY-MM-DD\r\n**股票代码**: [代码]\r\n**声明人**: [公司名称]投资者关系部\r\n\r\n## 一、核心回应\r\n\r\n[机构]于[日期]发布的做空报告，存在严重的事实错误和误导性陈述。\r\n本公司特此声明如下：\r\n\r\n### 1. 关于[指控1]的回应\r\n**事实**: [澄清事实]\r\n**证据**: [提供证据]\r\n**结论**: [明确结论]\r\n\r\n### 2. 关于[指控2]的回应\r\n[同上格式]\r\n\r\n## 二、补充信息\r\n\r\n### 财务数据核实\r\n| 指标 | 公司公告数据 | 做空报告数据 | 差异说明 |\r\n|-----|-------------|-------------|---------|\r\n| | | | |\r\n\r\n## 三、风险提示\r\n\r\n本声明不构成投资建议。投资者应仔细阅读公司过往公告，\r\n审慎判断投资风险。\r\n\r\n---\r\n联系方式：[IR邮箱]\r\n```\r\n\r\n**24小时响应时间表（应急流程参考）**\r\n\r\n| 时点 | 动作 | 责任人 | 交付物 | 兜底方案 |\r\n|------|------|-------|-------|---|\r\n| T+0小时 | 收集做空报告原文与市场反应数据 | 研究 | 指控清单（逐条拆分） | 报告缺失时先做逐条摘录 |\r\n| T+1小时 | 事实核对与证据归集（公告、审计报告、工商资料） | 研究+IR | 证据包 | 证据不足时标注核查中 |\r\n| T+2小时 | 内部会商定调，明确回应边界 | 合规+IR | 回应口径 | 定调分歧时取最保守口径 |\r\n| T+4小时 | 完成首版回应稿框架 | 研究 | 初稿 | 超时则先发简短澄清公告 |\r\n| T+6小时 | 合规复核，核对数据与表述 | 合规 | 复核意见 | 复核未过则顺延发布 |\r\n| T+12小时 | 补充证据与量化测算 | 研究 | 终稿 | 测算困难时给区间不给点值 |\r\n| T+24小时 | 发布并同步市场沟通口径 | IR | 声明+问答口径表 | 发布渠道受限时先走公司官网 |\r\n\r\n**示例｜指控-事实-证据三段式（量化反驳）**\r\n\r\n| 指控 | 做空方说法 | 事实核对 | 证据 | 量化差异 |\r\n|------|-----------|---------|------|---------|\r\n| 收入真实性 | \"收入增速远超行业\" | 收入增速与行业一致，差异来自并表 | 审计报告、并表公告 | 剔除并表后增速11.2%，行业12.0% |\r\n| 应收账款质量 | \"应收账款周转恶化\" | 周转天数上升因账期政策调整 | 年报附注、客户结构 | 调整后周转天数同比+9天，非恶化 |\r\n| 关联交易 | \"存在未披露关联交易\" | 交易已在年报关联交易章节披露 | 年报第X节 | 披露完整，金额占比3.1% |\r\n\r\n原则：每条指控都要落到\"可比数字\"，不做纯文字反驳；无法证实的部分明确说明核查进展，不臆测。\r\n**示例｜回应稿常见缺陷清单（发布前逐条核对）**\r\n\r\n| 缺陷 | 表现 | 后果 | 修正动作 |\r\n|------|------|------|---------|\r\n| 纯文字反驳 | 只说“与事实不符”，无可比数字 | 说服力弱，市场不买账 | 每条指控补“可比数字+出处” |\r\n| 越界承诺 | 声称“后续业绩必然改善” | 构成预测性陈述风险 | 改为披露已知事实与核查进展 |\r\n| 遗漏未核实项 | 对无法证实的指控避而不谈 | 被解读为默认 | 明确说明核查进展与预计时间 |\r\n| 情绪化表述 | 使用“恶意”“蓄意”等定性词 | 激化对立，引发二次传播 | 改为中性事实陈述 |\r\n| 数据口径不一 | 回应稿与年报口径不一致 | 被抓住二次质疑 | 统一到年报/公告口径并注明章节 |\r\n\r\n发布前检查：五类缺陷全部清零，且每条反驳都能落到公告编号或审计附注，方可提交合规复核。\r\n\r\n\r\n\r\n\r\n---\r\n\r\n## Compliance Checklist / 合规检查清单\r\n\r\n| 检查项 | 依据 | 通过标准 | 查验方式 |\r\n|-------|------|---------|---|\r\n| 盈利预测合理性 | 《证券研究报告执业规范》 | 预测区间不超过合理范围 | 与可比公司区间比对 |\r\n| 风险提示完整性 | 《证券法》第79条 | 必须包含3项以上风险提示 | 统计风险提示条数 |\r\n| 利益冲突披露 | 证监会相关规定 | 持有股票需披露 | 查持仓披露字段 |\r\n| 评级定义一致性 | 《证券研究报告执业规范》 | 评级定义需与公司标准一致 | 对照公司评级定义表 |\r\n| 数据来源合规 | 交易所规则 | 引用数据需标注来源 | 抽查数据脚注 |\r\n| 假设可追溯性 | 内部质控要求 | 关键假设均标注依据与取数日期 | 逐条查依据与日期 |\r\n| 估值口径统一 | 内部质控要求 | 币种、股本、净负债处理口径一致 | 对照口径统一表 |\r\n| 目标价与评级匹配 | 内部质控要求 | 目标价隐含空间与评级档位对应 | 核对隐含空间档位 |\r\n| 免责声明完整 | 内部质控要求 | 摘要与正文均保留免责声明 | 查摘要页与正文页 |\r\n| 预期差表述准确 | 内部质控要求 | 明确区分预告口径与实际口径 | 核对预告与实际两栏 |\r\n| 敏感性分析完备 | 内部质控要求 | 关键假设均给出敏感性区间 | 查敏感性区间表 |\r\n\r\n---\r\n\r\n## Usage Examples / 使用示例\r\n\r\n**启动研报撰写：**\r\n```\r\n分析[行业名称]的竞争格局和投资机会，生成行业研究报告模板\r\n```\r\n\r\n**估值建模：**\r\n```\r\n帮我用DCF模型对[公司名称]估值：\r\n- 未来5年FCF预测：[X]亿/[X]亿/[X]亿/[X]亿/[X]亿\r\n- WACC：[X]%\r\n- 永续增长率：[X]%\r\n```\r\n\r\n**做空报告应急：**\r\n```\r\n[机构]刚发布做空报告指控[公司]，需24小时内回应，\r\n帮我生成回应初稿框架，重点反驳以下3点：\r\n1. [指控点1]\r\n2. [指控点2]\r\n3. [指控点3]\r\n```\r\n\r\n**行业景气度打分：**\r\n```\r\n对[行业名称]做景气度打分：按需求、价格、供给、库存、政策、估值六个维度，\r\n每项给出1-5分与数据依据，并输出加权得分与景气判定结论。\r\n```\r\n\r\n**估值复算与敏感性：**\r\n```\r\n用DCF对[公司名称]重算估值，并输出WACC（9.0%/9.5%/10.0%）× 永续增长率（2.0%/2.5%/3.0%）\r\n的敏感性矩阵，标出估值中枢与区间边界，并说明终值占比是否偏高。\r\n```\r\n\r\n---\r\n\r\n## Disclaimer\r\n\r\nThis skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.\n\nFile v3.0.3:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"3.0.3\",\n  \"publishedAt\": 1790751362620\n}\n\nFile v3.0.3:skill-card.md\n\n## Description:\n\nProvides templates and valuation frameworks for China A-share equity research, including company coverage, earnings reviews, industry analysis, ESG considerations, and short-seller responses.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEquity research analysts and investment researchers use this skill to draft China A-share research outlines, structure valuation assumptions, and prepare materials for analyst and compliance review.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Stale or unsupported market data, valuation assumptions, or regulatory claims may mislead readers.\n\nMitigation: Verify market, regulatory, and valuation inputs independently; document sources and observation dates before using conclusions.\n\nRisk: Research prompts may expose nonpublic financial information, customer details, personal account data, or insider material.\n\nMitigation: Provide only public or appropriately sanitized inputs; omit confidential and personally identifiable information.\n\nRisk: Template language may be mistaken for publication-ready investment research or live data analysis.\n\nMitigation: Treat examples as illustrative and route all publishable research through qualified analyst and compliance review.\n\n## Reference(s):\n\n- [Security Equity Research on ClawHub](https://clawhub.ai/gechengling/skills/security-equity-research)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Code, Guidance]\n\n**Output Format:** [Markdown research templates, tables, worked valuation examples, and illustrative Python formulas]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Illustrative content only; no live market-data access or executable workflow. Requires independent data checks and qualified analyst and compliance review before publication.]\n\n## Skill Version(s):\n\n3.0.3 (source: release evidence and frontmatter)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v3.0.2: 3 files, 12491 bytes\n\nFiles: skill-card.md (2404b), SKILL.md (26546b), _meta.json (143b)\n\nFile v3.0.2:SKILL.md\n\n---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模, 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\r\nversion: \"3.0.2\"\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n---\r\n\r\n\r\n### 证券监管最新动态 [2026-09-12更新]\r\n\r\n| 动态类型 | 内容摘要 | 影响范围 | 研报侧应对动作 | 责任岗 | 优先级 |\r\n|---------|---------|---------|--------------|-------|-------|\r\n| 证券监管 | 2026年Q1：证监会持续强化上市公司信息披露质量监管 | 研究报告模板需纳入信披合规和量化冲击分析 | 研报增设\"信披质量\"小节，标注公告编号 | 研究 | 高 |\r\n| 证券监管 | 业绩预告披露质量被重点关注，研究需加强信披合规分析 | 研究报告模板需纳入信披合规和量化冲击分析 | 业绩点评须区分\"预告口径\"与\"实际口径\" | 研究 | 高 |\r\n| 证券监管 | A股量化资金占比30%-40%，研究报告需关注量化冲击因素 | 研究报告模板需纳入信披合规和量化冲击分析 | 增加\"交易结构\"小节，说明波动归因 | 研究 | 中 |\r\n| 研报执业 | 研报执业规范持续强化，观点依据与数据来源须可追溯 | 深度报告、事件点评、盈利预测 | 每个关键数据标注来源与取数日期 | 研究 | 高 |\r\n| 适当性与传播 | 研报公开传播需注意目标价、评级的表述边界 | 对客传播的研报摘要与路演材料 | 摘要保留评级定义与免责声明 | 合规 | 高 |\r\n| 市值管理 | 上市公司市值管理行为的信息披露要求趋严 | 涉及股东增减持、回购的点评 | 点评须同时列示公告原文要点 | 研究 | 中 |\r\n| 程序化交易 | 程序化交易报告与异常交易监控要求细化 | 与量化资金相关的流动性与波动分析 | 在流动性分析中纳入程序化交易因素 | 研究 | 中 |\r\n| ESG披露 | 可持续披露规则推进，ESG信息在估值中的权重上升 | ESG整合、行业比较 | 估值与比较框架中单列ESG评分维度 | 研究 | 中 |\r\n\r\n> **数据截止**: 2026-09-12 | 来源：证监会、NFRA、中证协、交易所公开规则、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n**动态解读示例（四类高频场景）**\r\n\r\n- **场景A｜数据可追溯**：研报中\"行业增速约15%\"未标注来源 → 命中\"数据来源须可追溯\" → 改为\"据XX机构2026年8月行业月报，行业增速15%（取数日期2026-09-01）\"。\r\n- **场景B｜业绩点评口径**：公司发布业绩预告后直接按预告区间取中值做盈利预测 → 命中\"预告口径与实际口径混用\" → 点评中分别列示预告区间与预测值，并说明预测与预告的差异原因。\r\n- **场景C｜量化冲击归因**：股价单日波动8%被简单归因为\"基本面变化\" → 命中\"量化资金占比需纳入分析\" → 补充当日成交结构（成交量放大倍数、换手率）与是否有程序化交易特征的说明。\r\n- **场景D｜摘要传播合规**：对外传播的研报摘要删掉了评级定义和免责声明 → 命中\"传播边界\"要求 → 摘要页固定保留评级定义表与免责声明段落，不因篇幅删减。\r\n\r\n## Industry Pain Points / 行业痛点\r\n\r\n| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 | 量化基线指标 / Baseline |\r\n|------------------|-------------|------------------------|----------------------|\r\n| **数据收集耗时** | 分析师60%时间花在数据整理 | 自动抓取财报/宏观/行业数据库，一键生成数据底稿 | 单篇数据底稿整理 ≤2小时 |\r\n| **报告模板重复** | 每次撰写覆盖报告都要重新排版 | 内置研报标准模板，30秒生成初稿框架 | 初稿框架产出 ≤5分钟 |\r\n| **估值建模复杂** | DCF/DDM参数调整耗时长 | 参数化估值模型，输入假设自动计算 | 单次估值重算 ≤1分钟 |\r\n| **做空报告应急** | 做空机构突袭需24小时内回应 | 紧急响应模板，快速组织反驳论据 | 首版回应稿 ≤6小时 |\r\n| **研报合规风险** | 监管对研报质量要求越来越高 | 内置合规检查清单，自动识别风险表述 | 合规检查项通过率 100% |\r\n| **假设不可追溯** | 假设取值无依据，结论易被质疑 | 关键假设登记表（数值+依据+取数日期） | 关键假设可追溯率 ≥95% |\r\n| **估值口径不一** | 同一公司不同报告估值口径不同 | 估值口径统一表（币种/股本/净负债处理） | 口径一致率 100% |\r\n| **观点与数据脱节** | 结论与数据支撑不匹配 | 结论-证据映射表（每条逻辑对应数据） | 每条逻辑 ≥2项数据支撑 |\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**English Triggers:** equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research\r\n\r\n**中文触发词（优先）：** 投研报告 / 行业研究 / 个股分析 / 首次覆盖 / 业绩点评 / 估值建模 / DCF / DDM / PE区间 / 做空报告回应 / ESG整合 / 投研框架 / 研究报告 / 买方研报 / 券商研报 / 宏观策略 / 行业比较 / 公司对比 / 盈利预测 / 目标价 / 评级调整 / 研究报告审查 / 研报合规检查 / 研报降重 / 研报改写\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 1. Research Report Templates / 研报模板库\r\n\r\n**标准研报结构（证监会/中证协规范格式）：**\r\n\r\n```markdown\r\n# [公司简称]（[股票代码]）深度报告\r\n**报告日期**: YYYY-MM-DD\r\n**研究员**: [姓名]\r\n**联系方式**: [邮箱/电话]\r\n\r\n## 核心观点\r\n[3-5句话概括投资亮点和核心风险]\r\n\r\n## 投资逻辑\r\n### 逻辑1：[一句话]\r\n### 逻辑2：[一句话]\r\n### 逻辑3：[一句话]\r\n\r\n## 关键假设\r\n| 假设项 | 数值 | 依据 |\r\n|-------|------|------|\r\n| 收入增速 | XX% | [市场/公司历史数据] |\r\n| 毛利率 | XX% | [行业趋势/竞争格局] |\r\n| 费用率 | XX% | [历史均值/管理变革] |\r\n\r\n## 盈利预测\r\n| 指标 | 2024A | 2025E | 2026E | 2027E |\r\n|------|-------|-------|-------|-------|\r\n| 营业收入（亿元） | | | | |\r\n| 归母净利润（亿元） | | | | |\r\n| EPS（元） | | | | |\r\n| YoY增速 | | | | |\r\n\r\n## 估值分析\r\n### DCF估值\r\n- WACC: XX%\r\n- 永续增长率: XX%\r\n- 绝对估值区间: [XX-XX]元\r\n\r\n### 相对估值\r\n| 可比公司 | P/E | P/B | P/S |\r\n|---------|-----|-----|-----|\r\n| [公司A] | | | |\r\n| [公司B] | | | |\r\n| 行业中位数 | | | |\r\n\r\n## 风险提示\r\n1. [风险1]\r\n2. [风险2]\r\n3. [风险3]\r\n```\r\n\r\n**报告类型与篇幅矩阵（先定类型再动笔）**\r\n\r\n| 报告类型 | 建议篇幅 | 核心交付物 | 撰写周期 | 必含要素 |\r\n|---------|---------|-----------|---------|---------|\r\n| 首次覆盖（深度） | 1.5万字+ | 投资逻辑 + 盈利预测 + 估值 | 5-10个工作日 | 三大逻辑 + 关键假设表 + 敏感性分析 |\r\n| 业绩点评 | 2000-4000字 | 业绩拆解 + 预期差判断 | 1个工作日 | 预告/实际口径对照 + 超预期归因 |\r\n| 事件点评 | 1500-3000字 | 事件影响量化 | 0.5个工作日 | 事件时间线 + 影响测算 |\r\n| 行业深度 | 1.2万字+ | 产业趋势 + 竞争格局 + 标的 | 5-8个工作日 | 产业链图 + CR3/CR5 + 景气度打分 |\r\n| 估值对比 | 3000-5000字 | 可比公司矩阵 | 2个工作日 | 口径统一说明 + 分位区间 |\r\n| 做空回应 | 2500-5000字 | 逐条反驳 + 证据链 | ≤6小时首版 | 指控-事实-证据三段式 |\r\n\r\n**示例 1｜业绩点评的预期差框架（把\"是否超预期\"讲清楚）**\r\n\r\n| 项目 | 预告区间 | 实际值 | 市场一致预期 | 预期差判断 |\r\n|------|---------|-------|------------|-----------|\r\n| 营业收入（亿元） | 48-52 | 53.1 | 50.0 | 超预期（+6.2%） |\r\n| 归母净利润（亿元） | 6.0-6.8 | 7.2 | 6.5 | 超预期（+10.8%） |\r\n| 毛利率 | 未披露 | 31.4% | 29.8% | 超预期，原材料降价贡献约1.2pct |\r\n| 经营性现金流（亿元） | 未披露 | 4.6 | 5.2 | 低于预期，应收增加所致 |\r\n\r\n结论写法：先给预期差结论，再拆解贡献因子，最后给可持续性判断（一次性因素剔除后的\"可比增速\"）。\r\n\r\n**示例 2｜关键假设登记表（假设必须可追溯）**\r\n\r\n| 假设项 | 取值 | 依据 | 取数日期 | 敏感性 |\r\n|-------|------|------|---------|-------|\r\n| 收入增速 | 18% | 近3年复合增速 + 新增产能投放节奏 | 2026-09-01 | 每降1pct，目标价降约2.1% |\r\n| 毛利率 | 31.5% | 原材料价格中枢下移 + 产品结构升级 | 2026-09-01 | 每降1pct，净利润降约5.4% |\r\n| 费用率 | 12.0% | 近3年均值，规模效应小幅摊薄 | 2026-09-01 | 影响较小 |\r\n| WACC | 9.5% | 无风险利率 + 行业β + 规模溢价 | 2026-08-31 | 每升0.5pct，估值降约6% |\r\n\r\n**示例 3｜结论-证据映射（防止观点悬空）**\r\n\r\n| 投资逻辑 | 数据支撑1 | 数据支撑2 | 反证与应对 |\r\n|---------|----------|----------|-----------|\r\n| 新增产能驱动增长 | 在建工程同比+42% | 公司公告投产时间表 | 若投产延期，增速下调至12% |\r\n| 毛利率具备韧性 | 原材料价格指数回落 | 高毛利产品占比提升至38% | 若原材料反弹，毛利率下修1pct |\r\n| 估值处于历史低位 | 当前PE位于近5年12%分位 | 可比公司中位数PE 18x | 若行业景气下行，分位参考失效 |\r\n\r\n### 2. Valuation Models / 估值模型\r\n\r\n#### 2.1 DCF Model / 现金流折现模型\r\n\r\n```python\r\nimport numpy as np\r\nimport pandas as pd\r\nfrom scipy.optimize import brentq\r\n\r\ndef dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, \r\n                   terminal_share: float = 1.0) -> dict:\r\n    \"\"\"\r\n    DCF估值模型\r\n    Args:\r\n        fcf_forecast: 未来5年自由现金流预测（亿元）\r\n        wacc: 加权平均资本成本（%）\r\n        terminal_growth: 永续增长率（%）\r\n        terminal_share: 终值折现系数\r\n    Returns:\r\n        估值结果字典\r\n    \"\"\"\r\n    # 预测期现值\r\n    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]\r\n    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])\r\n    \r\n    # 终值计算\r\n    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / discount_factors[-1] * terminal_share\r\n    \r\n    # 企业价值 & 股权价值\r\n    enterprise_value = pv_forecast + pv_terminal\r\n    equity_value = enterprise_value  # 简化：无净负债调整\r\n    \r\n    # 敏感性分析\r\n    sensitivity = {}\r\n    for wacc_adj in [-0.5, 0, 0.5]:\r\n        for tg_adj in [-0.5, 0, 0.5]:\r\n            adj_wacc = wacc + wacc_adj\r\n            adj_tg = terminal_growth + tg_adj\r\n            if adj_wacc > adj_tg:\r\n                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)\r\n                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share\r\n                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) \r\n                               for t, fcf in enumerate(fcf_forecast, 1)])\r\n                sensitivity[f\"WACC={adj_wacc}%, g={adj_tg}%\"] = adj_pv_f + adj_pv_tv\r\n    \r\n    return {\r\n        \"enterprise_value\": round(enterprise_value, 2),\r\n        \"equity_value\": round(equity_value, 2),\r\n        \"pv_forecast\": round(pv_forecast, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2),\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"sensitivity_table\": sensitivity\r\n    }\r\n\r\n# 使用示例\r\nresult = dcf_valuation(\r\n    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未来5年FCF（亿元）\r\n    wacc=9.5,  # WACC 9.5%\r\n    terminal_growth=2.5,  # 永续增长率 2.5%\r\n    terminal_share=0.8  # 终值折现系数\r\n)\r\nprint(f\"企业价值: {result['enterprise_value']} 亿元\")\r\nprint(f\"股权价值: {result['equity_value']} 亿元\")\r\n```\r\n\r\n**示例 1｜DCF 结果解读（把数字翻译成结论）**\r\n\r\n| 输出项 | 数值 | 解读 |\r\n|-------|------|------|\r\n| 预测期现值 | 33.2亿元 | 占企业价值比重偏低，说明价值主要来自终值 |\r\n| 终值现值 | 96.4亿元 | 占比74%，须重点检验永续增长假设 |\r\n| 企业价值 | 129.6亿元 | 假设无净负债调整 |\r\n| 终值占比 | 74% | >70%说明估值对长期假设高度敏感，需做双情景 |\r\n\r\n结论写法：终值占比偏高时，必须同时给出\"保守情景\"（永续增长率2.0%）与\"乐观情景\"（3.0%）的企业价值，避免只给单点结论。\r\n\r\n**示例 2｜敏感性分析读表（WACC × 永续增长率）**\r\n\r\n| WACC ↓ \\ g → | 2.0% | 2.5% | 3.0% |\r\n|-------------|------|------|------|\r\n| 9.0% | 138.5 | 145.2 | 152.8 |\r\n| 9.5% | 129.6 | 135.4 | 142.0 |\r\n| 10.0% | 121.8 | 126.9 | 132.6 |\r\n\r\n读表方法：①先看对角线区间（129.6-145.2）给出估值中枢；②再看最不利与最有利组合（121.8-152.8）给出区间边界；③若区间宽度超过市值的±20%，在报告中明确标注\"估值不确定性较高\"。\r\n\r\n#### 2.2 DDM Model / 股利贴现模型\r\n\r\n```python\r\ndef ddm_valuation(current_dps: float, dividend_growth: list, \r\n                  required_return: float, terminal_growth: float) -> dict:\r\n    \"\"\"\r\n    DDM估值模型（两阶段）\r\n    Args:\r\n        current_dps: 当前每股股利（元）\r\n        dividend_growth: 高增长阶段各年增长率（%）\r\n        required_return: 必要收益率（%）\r\n        terminal_growth: 永续增长率（%）\r\n    \"\"\"\r\n    pv_dividends = []\r\n    cumulative_dps = current_dps\r\n    \r\n    for i, g in enumerate(dividend_growth, 1):\r\n        cumulative_dps *= (1 + g / 100)\r\n        pv = cumulative_dps / ((1 + required_return / 100) ** i)\r\n        pv_dividends.append(pv)\r\n    \r\n    # 永续价值\r\n    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))\r\n    \r\n    intrinsic_value = sum(pv_dividends) + pv_terminal\r\n    \r\n    return {\r\n        \"intrinsic_value\": round(intrinsic_value, 2),\r\n        \"pv_dividends\": [round(p, 4) for p in pv_dividends],\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2)\r\n    }\r\n```\r\n\r\n**示例 1｜两阶段 DDM 输入与输出对照**\r\n\r\n| 输入项 | 取值 | 说明 |\r\n|-------|------|------|\r\n| 当前每股股利 | 0.90元 | 最近一期实际分红 |\r\n| 高增长期 | 3年，增速15%/12%/10% | 对应业务扩张期 |\r\n| 必要收益率 | 8.5% | 无风险利率 + 风险溢价 |\r\n| 永续增长率 | 2.5% | 不高于长期名义GDP增速 |\r\n\r\n输出：内在价值区间 [20.4, 22.8] 元；若现价 21.5 元，则处于区间中枢附近，评级倾向\"中性\"；若现价 18.0 元，则折价约14%，可给\"增持\"。\r\n\r\n**示例 2｜DDM 适用性判断（先判断能不能用）**\r\n\r\n| 公司特征 | 是否适用DDM | 建议替代方法 |\r\n|---------|-----------|------------|\r\n| 稳定分红的大型公用事业 | 适用 | — |\r\n| 高分红银行 | 适用（注意拨备影响） | 股利折现 + PB校验 |\r\n| 不分红的高成长科技 | 不适用 | DCF 或 PEG |\r\n| 分红波动极大的周期股 | 慎用 | 正常化盈利 + PE区间 |\r\n| 政策强制高分红但盈利下滑 | 慎用 | 情景化DDM（分红率下行情景） |\r\n\r\n#### 2.3 PE Band Analysis / PE估值区间分析\r\n\r\n```python\r\ndef pe_band_analysis(eps_history: list, price_history: list, \r\n                     forecast_eps: float) -> dict:\r\n    \"\"\"\r\n    PE估值区间分析\r\n    基于历史估值分布给出当前估值水位\r\n    \"\"\"\r\n    # 计算历史PE\r\n    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]\r\n    \r\n    # 统计分布\r\n    pe_stats = {\r\n        \"min\": np.min(pe_history),\r\n        \"q25\": np.percentile(pe_history, 25),\r\n        \"median\": np.median(pe_history),\r\n        \"q75\": np.percentile(pe_history, 75),\r\n        \"max\": np.max(pe_history),\r\n        \"mean\": np.mean(pe_history)\r\n    }\r\n    \r\n    # 估值区间\r\n    valuation_band = {\r\n        \"极度低估 (PE < Q25)\": forecast_eps * pe_stats[\"q25\"],\r\n        \"偏低估 (Q25 < PE < Median)\": forecast_eps * pe_stats[\"median\"],\r\n        \"合理区间 (Median < PE < Q75)\": forecast_eps * pe_stats[\"q75\"],\r\n        \"偏高估 (PE > Q75)\": forecast_eps * pe_stats[\"max\"]\r\n    }\r\n    \r\n    return {\r\n        \"pe_statistics\": pe_stats,\r\n        \"valuation_band\": {k: round(v, 2) for k, v in valuation_band.items()}\r\n    }\r\n```\r\n\r\n**示例 1｜PE 分位与目标价推导**\r\n\r\n| 分位 | PE | 对应股价（元） | 含义 |\r\n|------|----|-------------|------|\r\n| Q25 | 14.2x | 17.0 | 历史偏低水位 |\r\n| 中位数 | 18.5x | 22.2 | 估值中枢 |\r\n| Q75 | 24.0x | 28.8 | 历史偏高水平 |\r\n| 当前 | 16.3x | 19.6 | 位于近5年28%分位 |\r\n\r\n结论写法：现价对应16.3x、近5年28%分位，若给中位数18.5x则目标价22.2元（+13%空间）；给出目标价时必须同时说明所选分位与理由（如\"行业景气向上，取中位数偏上分位\"）。\r\n\r\n**示例 2｜PE 区间失效场景排查**\r\n\r\n| 场景 | 现象 | 处置 |\r\n|------|------|------|\r\n| 盈利为负或接近0 | PE 无意义或剧烈波动 | 改用PS或EV/EBITDA |\r\n| 一次性收益扭曲EPS | 当期PE异常低 | 用扣非EPS重算 |\r\n| 大额并购导致可比性下降 | 历史PE不可比 | 剔除并购年份或改用并表后口径 |\r\n| 行业进入下行周期 | 低PE可能是\"价值陷阱\" | 用正常化盈利 + 周期位置判断 |\r\n| 股本大幅变动 | EPS被摊薄 | 统一用最新总股本重算 |\r\n\r\n### 3. Industry Research Framework / 行业研究框架\r\n\r\n```markdown\r\n## 行业研究标准框架\r\n\r\n### 一、行业概述\r\n- 行业定义与边界\r\n- 产业链结构图\r\n- 行业发展阶段（导入期/成长期/成熟期/衰退期）\r\n\r\n### 二、竞争格局\r\n- 市场集中度（CR3/CR5/CR10）\r\n- 波特五力分析\r\n- 竞争格局演变趋势\r\n\r\n### 三、驱动因素\r\n- 需求侧：市场规模、增速、渗透率\r\n- 供给侧：产能扩张、技术迭代\r\n- 政策面：监管政策、扶持政策\r\n- 宏观面：经济周期、人口结构\r\n\r\n### 四、核心标的\r\n- 龙头公司竞争优势\r\n- 二线公司差异化\r\n- 潜在黑马\r\n\r\n### 五、风险因素\r\n- 周期性风险\r\n- 政策风险\r\n- 技术替代风险\r\n- 竞争加剧风险\r\n```\r\n\r\n**行业景气度打分表（把\"景气\"量化，避免主观表述）**\r\n\r\n| 维度 | 观测指标 | 权重 | 打分（1-5） | 加权得分 |\r\n|------|---------|------|-----------|---------|\r\n| 需求端 | 下游订单/出货量同比 | 30% | 4 | 1.20 |\r\n| 价格端 | 主要产品价格环比 | 20% | 3 | 0.60 |\r\n| 供给端 | 在建产能与开工率 | 15% | 2 | 0.30 |\r\n| 库存端 | 渠道库存周转天数 | 15% | 4 | 0.60 |\r\n| 政策端 | 政策方向与落地节奏 | 10% | 4 | 0.40 |\r\n| 估值端 | 行业PE历史分位 | 10% | 3 | 0.30 |\r\n| **合计** | — | 100% | — | **3.40** |\r\n\r\n判定口径：加权得分 ≥3.5 为景气向上；3.0-3.5 为景气平稳；<3.0 为景气下行。打分须逐项标注数据来源与取数日期。\r\n\r\n**示例｜跨行业比较矩阵（新增维度：景气度与估值匹配度）**\r\n\r\n| 行业 | 需求增速 | 毛利率趋势 | 政策方向 | 行业PE分位 | 景气度得分 | 估值匹配度 | 结论 |\r\n|------|---------|-----------|---------|-----------|-----------|-----------|------|\r\n| 行业A | 25% | 上行 | 支持 | 35% | 4.2 | 匹配 | 重点推荐 |\r\n| 行业B | 12% | 持平 | 中性 | 78% | 3.3 | 偏高 | 精选个股 |\r\n| 行业C | -5% | 下行 | 限制 | 15% | 2.4 | 陷阱 | 回避 |\r\n| 行业D | 18% | 上行 | 支持 | 62% | 3.8 | 略高 | 逢调布局 |\r\n\r\n比较要点：同为高景气行业，若估值分位差异大，应优先选择\"景气高+分位低\"的组合；\"景气低+分位低\"往往是价值陷阱，需单独说明。\r\n\r\n### 4. Short-Seller Response Template / 做空报告回应模板\r\n\r\n```markdown\r\n# 关于[做空机构名称]做空报告的声明\r\n\r\n**公司声明日期**: YYYY-MM-DD\r\n**股票代码**: [代码]\r\n**声明人**: [公司名称]投资者关系部\r\n\r\n## 一、核心回应\r\n\r\n[机构]于[日期]发布的做空报告，存在严重的事实错误和误导性陈述。\r\n本公司特此声明如下：\r\n\r\n### 1. 关于[指控1]的回应\r\n**事实**: [澄清事实]\r\n**证据**: [提供证据]\r\n**结论**: [明确结论]\r\n\r\n### 2. 关于[指控2]的回应\r\n[同上格式]\r\n\r\n## 二、补充信息\r\n\r\n### 财务数据核实\r\n| 指标 | 公司公告数据 | 做空报告数据 | 差异说明 |\r\n|-----|-------------|-------------|---------|\r\n| | | | |\r\n\r\n## 三、风险提示\r\n\r\n本声明不构成投资建议。投资者应仔细阅读公司过往公告，\r\n审慎判断投资风险。\r\n\r\n---\r\n联系方式：[IR邮箱]\r\n```\r\n\r\n**24小时响应时间表（应急流程参考）**\r\n\r\n| 时点 | 动作 | 责任人 | 交付物 |\r\n|------|------|-------|-------|\r\n| T+0小时 | 收集做空报告原文与市场反应数据 | 研究 | 指控清单（逐条拆分） |\r\n| T+1小时 | 事实核对与证据归集（公告、审计报告、工商资料） | 研究+IR | 证据包 |\r\n| T+2小时 | 内部会商定调，明确回应边界 | 合规+IR | 回应口径 |\r\n| T+4小时 | 完成首版回应稿框架 | 研究 | 初稿 |\r\n| T+6小时 | 合规复核，核对数据与表述 | 合规 | 复核意见 |\r\n| T+12小时 | 补充证据与量化测算 | 研究 | 终稿 |\r\n| T+24小时 | 发布并同步市场沟通口径 | IR | 声明+问答口径表 |\r\n\r\n**示例｜指控-事实-证据三段式（量化反驳）**\r\n\r\n| 指控 | 做空方说法 | 事实核对 | 证据 | 量化差异 |\r\n|------|-----------|---------|------|---------|\r\n| 收入真实性 | \"收入增速远超行业\" | 收入增速与行业一致，差异来自并表 | 审计报告、并表公告 | 剔除并表后增速11.2%，行业12.0% |\r\n| 应收账款质量 | \"应收账款周转恶化\" | 周转天数上升因账期政策调整 | 年报附注、客户结构 | 调整后周转天数同比+9天，非恶化 |\r\n| 关联交易 | \"存在未披露关联交易\" | 交易已在年报关联交易章节披露 | 年报第X节 | 披露完整，金额占比3.1% |\r\n\r\n原则：每条指控都要落到\"可比数字\"，不做纯文字反驳；无法证实的部分明确说明核查进展，不臆测。\r\n\r\n---\r\n\r\n## Compliance Checklist / 合规检查清单\r\n\r\n| 检查项 | 依据 | 通过标准 |\r\n|-------|------|---------|\r\n| 盈利预测合理性 | 《证券研究报告执业规范》 | 预测区间不超过合理范围 |\r\n| 风险提示完整性 | 《证券法》第79条 | 必须包含3项以上风险提示 |\r\n| 利益冲突披露 | 证监会相关规定 | 持有股票需披露 |\r\n| 评级定义一致性 | 《证券研究报告执业规范》 | 评级定义需与公司标准一致 |\r\n| 数据来源合规 | 交易所规则 | 引用数据需标注来源 |\r\n| 假设可追溯性 | 内部质控要求 | 关键假设均标注依据与取数日期 |\r\n| 估值口径统一 | 内部质控要求 | 币种、股本、净负债处理口径一致 |\r\n| 目标价与评级匹配 | 内部质控要求 | 目标价隐含空间与评级档位对应 |\r\n| 免责声明完整 | 内部质控要求 | 摘要与正文均保留免责声明 |\r\n| 预期差表述准确 | 内部质控要求 | 明确区分预告口径与实际口径 |\r\n| 敏感性分析完备 | 内部质控要求 | 关键假设均给出敏感性区间 |\r\n\r\n---\r\n\r\n## Usage Examples / 使用示例\r\n\r\n**启动研报撰写：**\r\n```\r\n分析[行业名称]的竞争格局和投资机会，生成行业研究报告模板\r\n```\r\n\r\n**估值建模：**\r\n```\r\n帮我用DCF模型对[公司名称]估值：\r\n- 未来5年FCF预测：[X]亿/[X]亿/[X]亿/[X]亿/[X]亿\r\n- WACC：[X]%\r\n- 永续增长率：[X]%\r\n```\r\n\r\n**做空报告应急：**\r\n```\r\n[机构]刚发布做空报告指控[公司]，需24小时内回应，\r\n帮我生成回应初稿框架，重点反驳以下3点：\r\n1. [指控点1]\r\n2. [指控点2]\r\n3. [指控点3]\r\n```\r\n\r\n**行业景气度打分：**\r\n```\r\n对[行业名称]做景气度打分：按需求、价格、供给、库存、政策、估值六个维度，\r\n每项给出1-5分与数据依据，并输出加权得分与景气判定结论。\r\n```\r\n\r\n**估值复算与敏感性：**\r\n```\r\n用DCF对[公司名称]重算估值，并输出WACC（9.0%/9.5%/10.0%）× 永续增长率（2.0%/2.5%/3.0%）\r\n的敏感性矩阵，标出估值中枢与区间边界，并说明终值占比是否偏高。\r\n```\r\n\r\n---\r\n\r\n## Disclaimer\r\n\r\nThis skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.\n\nFile v3.0.2:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"3.0.2\",\n  \"publishedAt\": 1789197021513\n}\n\nFile v3.0.2:skill-card.md\n\n## Description:\n\nAI-powered equity research report generator for the China A-share market that helps draft industry research, coverage initiation, earnings analysis, DCF/DDM/PE-band valuation work, ESG integration, short-seller response drafts, and investment thesis synthesis.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal analysts, buy-side researchers, and investment banking researchers use this skill to draft China A-share equity research reports, valuation model writeups, regulatory-aware compliance checklists, and short-seller response frameworks. Outputs should be reviewed by qualified analysts or counsel before publication or investment use.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Finance outputs may contain incorrect target prices, ratings, regulatory claims, valuation assumptions, or public-response language.\n\nMitigation: Require review by qualified analysts or counsel before using outputs for publication, client communication, legal compliance, or investment decisions.\n\nRisk: The artifact is a markdown-only drafting template, but users may treat generated research text as authoritative advice.\n\nMitigation: Present outputs as drafts and require independent research, source verification, and professional judgment before relying on them.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/security-equity-research)\n- [ClawHub publisher profile](https://clawhub.ai/user/gechengling)\n\n## Skill Output:\n\n**Output Type(s):** [Analysis, Markdown, Code, Configuration instructions, Guidance]\n\n**Output Format:** [Markdown with tables, report templates, valuation code snippets, checklists, and prose guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Finance drafting aid only; target prices, ratings, regulatory claims, and public-response drafts require qualified review before use or publication.]\n\n## Skill Version(s):\n\n3.0.2 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v3.0.1: 3 files, 7019 bytes\n\nFiles: skill-card.md (2251b), SKILL.md (13436b), _meta.json (143b)\n\nFile v3.0.1:SKILL.md\n\n---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模, 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\r\nversion: \"3.0.1\"\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n---\r\n\r\n\r\n### 证券监管最新动态 [2026-05-25更新]\r\n\r\n| 动态类型 | 内容摘要 | 影响范围 |\r\n|---------|---------|---------|\r\n| 证券监管 | 2026年Q1：证监会持续强化上市公司信息披露质量监管 | 研究报告模板需纳入信披合规和量化冲击分析 |\r\n| 证券监管 | 业绩预告披露质量被重点关注，研究需加强信披合规分析 | 研究报告模板需纳入信披合规和量化冲击分析 |\r\n| 证券监管 | A股量化资金占比30%-40%，研究报告需关注量化冲击因素 | 研究报告模板需纳入信披合规和量化冲击分析 |\r\n\r\n> **数据截止**: 2026-05-25 | 来源：证监会、NFRA、中证协、安永Q1分析\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Industry Pain Points / 行业痛点\r\n\r\n| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 |\r\n|------------------|-------------|------------------------|\r\n| **数据收集耗时** | 分析师60%时间花在数据整理 | 自动抓取财报/宏观/行业数据库，一键生成数据底稿 |\r\n| **报告模板重复** | 每次撰写覆盖报告都要重新排版 | 内置研报标准模板，30秒生成初稿框架 |\r\n| **估值建模复杂** | DCF/DDM参数调整耗时长 | 参数化估值模型，输入假设自动计算 |\r\n| **做空报告应急** | 做空机构突袭需24小时内回应 | 紧急响应模板，快速组织反驳论据 |\r\n| **研报合规风险** | 监管对研报质量要求越来越高 | 内置合规检查清单，自动识别风险表述 |\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**English Triggers:** equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research\r\n\r\n**中文触发词（优先）：** 投研报告 / 行业研究 / 个股分析 / 首次覆盖 / 业绩点评 / 估值建模 / DCF / DDM / PE区间 / 做空报告回应 / ESG整合 / 投研框架 / 研究报告 / 买方研报 / 券商研报 / 宏观策略 / 行业比较 / 公司对比 / 盈利预测 / 目标价 / 评级调整 / 研究报告审查 / 研报合规检查 / 研报降重 / 研报改写\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 1. Research Report Templates / 研报模板库\r\n\r\n**标准研报结构（证监会/中证协规范格式）：**\r\n\r\n```markdown\r\n# [公司简称]（[股票代码]）深度报告\r\n**报告日期**: YYYY-MM-DD\r\n**研究员**: [姓名]\r\n**联系方式**: [邮箱/电话]\r\n\r\n## 核心观点\r\n[3-5句话概括投资亮点和核心风险]\r\n\r\n## 投资逻辑\r\n### 逻辑1：[一句话]\r\n### 逻辑2：[一句话]\r\n### 逻辑3：[一句话]\r\n\r\n## 关键假设\r\n| 假设项 | 数值 | 依据 |\r\n|-------|------|------|\r\n| 收入增速 | XX% | [市场/公司历史数据] |\r\n| 毛利率 | XX% | [行业趋势/竞争格局] |\r\n| 费用率 | XX% | [历史均值/管理变革] |\r\n\r\n## 盈利预测\r\n| 指标 | 2024A | 2025E | 2026E | 2027E |\r\n|------|-------|-------|-------|-------|\r\n| 营业收入（亿元） | | | | |\r\n| 归母净利润（亿元） | | | | |\r\n| EPS（元） | | | | |\r\n| YoY增速 | | | | |\r\n\r\n## 估值分析\r\n### DCF估值\r\n- WACC: XX%\r\n- 永续增长率: XX%\r\n- 绝对估值区间: [XX-XX]元\r\n\r\n### 相对估值\r\n| 可比公司 | P/E | P/B | P/S |\r\n|---------|-----|-----|-----|\r\n| [公司A] | | | |\r\n| [公司B] | | | |\r\n| 行业中位数 | | | |\r\n\r\n## 风险提示\r\n1. [风险1]\r\n2. [风险2]\r\n3. [风险3]\r\n```\r\n\r\n### 2. Valuation Models / 估值模型\r\n\r\n#### 2.1 DCF Model / 现金流折现模型\r\n\r\n```python\r\nimport numpy as np\r\nimport pandas as pd\r\nfrom scipy.optimize import brentq\r\n\r\ndef dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, \r\n                   terminal_share: float = 1.0) -> dict:\r\n    \"\"\"\r\n    DCF估值模型\r\n    Args:\r\n        fcf_forecast: 未来5年自由现金流预测（亿元）\r\n        wacc: 加权平均资本成本（%）\r\n        terminal_growth: 永续增长率（%）\r\n        terminal_share: 终值折现系数\r\n    Returns:\r\n        估值结果字典\r\n    \"\"\"\r\n    # 预测期现值\r\n    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]\r\n    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])\r\n    \r\n    # 终值计算\r\n    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / discount_factors[-1] * terminal_share\r\n    \r\n    # 企业价值 & 股权价值\r\n    enterprise_value = pv_forecast + pv_terminal\r\n    equity_value = enterprise_value  # 简化：无净负债调整\r\n    \r\n    # 敏感性分析\r\n    sensitivity = {}\r\n    for wacc_adj in [-0.5, 0, 0.5]:\r\n        for tg_adj in [-0.5, 0, 0.5]:\r\n            adj_wacc = wacc + wacc_adj\r\n            adj_tg = terminal_growth + tg_adj\r\n            if adj_wacc > adj_tg:\r\n                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)\r\n                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share\r\n                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) \r\n                               for t, fcf in enumerate(fcf_forecast, 1)])\r\n                sensitivity[f\"WACC={adj_wacc}%, g={adj_tg}%\"] = adj_pv_f + adj_pv_tv\r\n    \r\n    return {\r\n        \"enterprise_value\": round(enterprise_value, 2),\r\n        \"equity_value\": round(equity_value, 2),\r\n        \"pv_forecast\": round(pv_forecast, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2),\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"sensitivity_table\": sensitivity\r\n    }\r\n\r\n# 使用示例\r\nresult = dcf_valuation(\r\n    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未来5年FCF（亿元）\r\n    wacc=9.5,  # WACC 9.5%\r\n    terminal_growth=2.5,  # 永续增长率 2.5%\r\n    terminal_share=0.8  # 终值折现系数\r\n)\r\nprint(f\"企业价值: {result['enterprise_value']} 亿元\")\r\nprint(f\"股权价值: {result['equity_value']} 亿元\")\r\n```\r\n\r\n#### 2.2 DDM Model / 股利贴现模型\r\n\r\n```python\r\ndef ddm_valuation(current_dps: float, dividend_growth: list, \r\n                  required_return: float, terminal_growth: float) -> dict:\r\n    \"\"\"\r\n    DDM估值模型（两阶段）\r\n    Args:\r\n        current_dps: 当前每股股利（元）\r\n        dividend_growth: 高增长阶段各年增长率（%）\r\n        required_return: 必要收益率（%）\r\n        terminal_growth: 永续增长率（%）\r\n    \"\"\"\r\n    pv_dividends = []\r\n    cumulative_dps = current_dps\r\n    \r\n    for i, g in enumerate(dividend_growth, 1):\r\n        cumulative_dps *= (1 + g / 100)\r\n        pv = cumulative_dps / ((1 + required_return / 100) ** i)\r\n        pv_dividends.append(pv)\r\n    \r\n    # 永续价值\r\n    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))\r\n    \r\n    intrinsic_value = sum(pv_dividends) + pv_terminal\r\n    \r\n    return {\r\n        \"intrinsic_value\": round(intrinsic_value, 2),\r\n        \"pv_dividends\": [round(p, 4) for p in pv_dividends],\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2)\r\n    }\r\n```\r\n\r\n#### 2.3 PE Band Analysis / PE估值区间分析\r\n\r\n```python\r\ndef pe_band_analysis(eps_history: list, price_history: list, \r\n                     forecast_eps: float) -> dict:\r\n    \"\"\"\r\n    PE估值区间分析\r\n    基于历史估值分布给出当前估值水位\r\n    \"\"\"\r\n    # 计算历史PE\r\n    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]\r\n    \r\n    # 统计分布\r\n    pe_stats = {\r\n        \"min\": np.min(pe_history),\r\n        \"q25\": np.percentile(pe_history, 25),\r\n        \"median\": np.median(pe_history),\r\n        \"q75\": np.percentile(pe_history, 75),\r\n        \"max\": np.max(pe_history),\r\n        \"mean\": np.mean(pe_history)\r\n    }\r\n    \r\n    # 估值区间\r\n    valuation_band = {\r\n        \"极度低估 (PE < Q25)\": forecast_eps * pe_stats[\"q25\"],\r\n        \"偏低估 (Q25 < PE < Median)\": forecast_eps * pe_stats[\"median\"],\r\n        \"合理区间 (Median < PE < Q75)\": forecast_eps * pe_stats[\"q75\"],\r\n        \"偏高估 (PE > Q75)\": forecast_eps * pe_stats[\"max\"]\r\n    }\r\n    \r\n    return {\r\n        \"pe_statistics\": pe_stats,\r\n        \"valuation_band\": {k: round(v, 2) for k, v in valuation_band.items()}\r\n    }\r\n```\r\n\r\n### 3. Industry Research Framework / 行业研究框架\r\n\r\n```markdown\r\n## 行业研究标准框架\r\n\r\n### 一、行业概述\r\n- 行业定义与边界\r\n- 产业链结构图\r\n- 行业发展阶段（导入期/成长期/成熟期/衰退期）\r\n\r\n### 二、竞争格局\r\n- 市场集中度（CR3/CR5/CR10）\r\n- 波特五力分析\r\n- 竞争格局演变趋势\r\n\r\n### 三、驱动因素\r\n- 需求侧：市场规模、增速、渗透率\r\n- 供给侧：产能扩张、技术迭代\r\n- 政策面：监管政策、扶持政策\r\n- 宏观面：经济周期、人口结构\r\n\r\n### 四、核心标的\r\n- 龙头公司竞争优势\r\n- 二线公司差异化\r\n- 潜在黑马\r\n\r\n### 五、风险因素\r\n- 周期性风险\r\n- 政策风险\r\n- 技术替代风险\r\n- 竞争加剧风险\r\n```\r\n\r\n### 4. Short-Seller Response Template / 做空报告回应模板\r\n\r\n```markdown\r\n# 关于[做空机构名称]做空报告的声明\r\n\r\n**公司声明日期**: YYYY-MM-DD\r\n**股票代码**: [代码]\r\n**声明人**: [公司名称]投资者关系部\r\n\r\n## 一、核心回应\r\n\r\n[机构]于[日期]发布的做空报告，存在严重的事实错误和误导性陈述。\r\n本公司特此声明如下：\r\n\r\n### 1. 关于[指控1]的回应\r\n**事实**: [澄清事实]\r\n**证据**: [提供证据]\r\n**结论**: [明确结论]\r\n\r\n### 2. 关于[指控2]的回应\r\n[同上格式]\r\n\r\n## 二、补充信息\r\n\r\n### 财务数据核实\r\n| 指标 | 公司公告数据 | 做空报告数据 | 差异说明 |\r\n|-----|-------------|-------------|---------|\r\n| | | | |\r\n\r\n## 三、风险提示\r\n\r\n本声明不构成投资建议。投资者应仔细阅读公司过往公告，\r\n审慎判断投资风险。\r\n\r\n---\r\n联系方式：[IR邮箱]\r\n```\r\n\r\n---\r\n\r\n## Compliance Checklist / 合规检查清单\r\n\r\n| 检查项 | 依据 | 通过标准 |\r\n|-------|------|---------|\r\n| 盈利预测合理性 | 《证券研究报告执业规范》 | 预测区间不超过合理范围 |\r\n| 风险提示完整性 | 《证券法》第79条 | 必须包含3项以上风险提示 |\r\n| 利益冲突披露 | 证监会相关规定 | 持有股票需披露 |\r\n| 评级定义一致性 | 《证券研究报告执业规范》 | 评级定义需与公司标准一致 |\r\n| 数据来源合规 | 交易所规则 | 引用数据需标注来源 |\r\n\r\n---\r\n\r\n## Usage Examples / 使用示例\r\n\r\n**启动研报撰写：**\r\n```\r\n分析[行业名称]的竞争格局和投资机会，生成行业研究报告模板\r\n```\r\n\r\n**估值建模：**\r\n```\r\n帮我用DCF模型对[公司名称]估值：\r\n- 未来5年FCF预测：[X]亿/[X]亿/[X]亿/[X]亿/[X]亿\r\n- WACC：[X]%\r\n- 永续增长率：[X]%\r\n```\r\n\r\n**做空报告应急：**\r\n```\r\n[机构]刚发布做空报告指控[公司]，需24小时内回应，\r\n帮我生成回应初稿框架，重点反驳以下3点：\r\n1. [指控点1]\r\n2. [指控点2]\r\n3. [指控点3]\r\n```\r\n\r\n---\r\n\r\n## Disclaimer\r\n\r\nThis skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.\n\nFile v3.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"3.0.1\",\n  \"publishedAt\": 1779680400095\n}\n\nFile v3.0.1:skill-card.md\n\n## Description: <br>\nGenerates China A-share equity research report drafts, including industry analysis, coverage initiation, earnings review, valuation models, ESG notes, and short-seller response templates. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nChina equity research analysts, buy-side analysts, and investment bank researchers use this skill to draft research reports, valuation model sections, compliance checklists, and short-seller response frameworks. Outputs should be reviewed by qualified analysts before publication or investment use. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Financial outputs may contain incorrect data, valuation assumptions, target prices, ratings, or regulatory claims. <br>\nMitigation: Verify outputs against authoritative disclosures, market data, and current regulatory sources before relying on or publishing them. <br>\nRisk: Short-seller response drafts may include unsupported rebuttals or misleading statements when source facts are incomplete. <br>\nMitigation: Require evidence-backed fact checking plus legal and compliance review before external use. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/gechengling/security-equity-research) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, code, guidance] <br>\n**Output Format:** [Markdown report drafts with tables, checklists, and optional Python valuation snippets] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Financial data, regulatory claims, valuation assumptions, target prices, ratings, and publication-ready language require authoritative verification and qualified analyst review.] <br>\n\n## Skill Version(s): <br>\n3.0.1 (source: frontmatter and server release metadata) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v2.0.0: 2 files, 5562 bytes\n\nFiles: SKILL.md (12667b), _meta.json (143b)\n\nFile v2.0.0:SKILL.md\n\n---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模, 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\r\nversion: 1.0.0\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n---\r\n\r\n## Industry Pain Points / 行业痛点\r\n\r\n| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 |\r\n|------------------|-------------|------------------------|\r\n| **数据收集耗时** | 分析师60%时间花在数据整理 | 自动抓取财报/宏观/行业数据库，一键生成数据底稿 |\r\n| **报告模板重复** | 每次撰写覆盖报告都要重新排版 | 内置研报标准模板，30秒生成初稿框架 |\r\n| **估值建模复杂** | DCF/DDM参数调整耗时长 | 参数化估值模型，输入假设自动计算 |\r\n| **做空报告应急** | 做空机构突袭需24小时内回应 | 紧急响应模板，快速组织反驳论据 |\r\n| **研报合规风险** | 监管对研报质量要求越来越高 | 内置合规检查清单，自动识别风险表述 |\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**English Triggers:** equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research\r\n\r\n**中文触发词（优先）：** 投研报告 / 行业研究 / 个股分析 / 首次覆盖 / 业绩点评 / 估值建模 / DCF / DDM / PE区间 / 做空报告回应 / ESG整合 / 投研框架 / 研究报告 / 买方研报 / 券商研报 / 宏观策略 / 行业比较 / 公司对比 / 盈利预测 / 目标价 / 评级调整 / 研究报告审查 / 研报合规检查 / 研报降重 / 研报改写\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 1. Research Report Templates / 研报模板库\r\n\r\n**标准研报结构（证监会/中证协规范格式）：**\r\n\r\n```markdown\r\n# [公司简称]（[股票代码]）深度报告\r\n**报告日期**: YYYY-MM-DD\r\n**研究员**: [姓名]\r\n**联系方式**: [邮箱/电话]\r\n\r\n## 核心观点\r\n[3-5句话概括投资亮点和核心风险]\r\n\r\n## 投资逻辑\r\n### 逻辑1：[一句话]\r\n### 逻辑2：[一句话]\r\n### 逻辑3：[一句话]\r\n\r\n## 关键假设\r\n| 假设项 | 数值 | 依据 |\r\n|-------|------|------|\r\n| 收入增速 | XX% | [市场/公司历史数据] |\r\n| 毛利率 | XX% | [行业趋势/竞争格局] |\r\n| 费用率 | XX% | [历史均值/管理变革] |\r\n\r\n## 盈利预测\r\n| 指标 | 2024A | 2025E | 2026E | 2027E |\r\n|------|-------|-------|-------|-------|\r\n| 营业收入（亿元） | | | | |\r\n| 归母净利润（亿元） | | | | |\r\n| EPS（元） | | | | |\r\n| YoY增速 | | | | |\r\n\r\n## 估值分析\r\n### DCF估值\r\n- WACC: XX%\r\n- 永续增长率: XX%\r\n- 绝对估值区间: [XX-XX]元\r\n\r\n### 相对估值\r\n| 可比公司 | P/E | P/B | P/S |\r\n|---------|-----|-----|-----|\r\n| [公司A] | | | |\r\n| [公司B] | | | |\r\n| 行业中位数 | | | |\r\n\r\n## 风险提示\r\n1. [风险1]\r\n2. [风险2]\r\n3. [风险3]\r\n```\r\n\r\n### 2. Valuation Models / 估值模型\r\n\r\n#### 2.1 DCF Model / 现金流折现模型\r\n\r\n```python\r\nimport numpy as np\r\nimport pandas as pd\r\nfrom scipy.optimize import brentq\r\n\r\ndef dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, \r\n                   terminal_share: float = 1.0) -> dict:\r\n    \"\"\"\r\n    DCF估值模型\r\n    Args:\r\n        fcf_forecast: 未来5年自由现金流预测（亿元）\r\n        wacc: 加权平均资本成本（%）\r\n        terminal_growth: 永续增长率（%）\r\n        terminal_share: 终值折现系数\r\n    Returns:\r\n        估值结果字典\r\n    \"\"\"\r\n    # 预测期现值\r\n    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]\r\n    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])\r\n    \r\n    # 终值计算\r\n    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / discount_factors[-1] * terminal_share\r\n    \r\n    # 企业价值 & 股权价值\r\n    enterprise_value = pv_forecast + pv_terminal\r\n    equity_value = enterprise_value  # 简化：无净负债调整\r\n    \r\n    # 敏感性分析\r\n    sensitivity = {}\r\n    for wacc_adj in [-0.5, 0, 0.5]:\r\n        for tg_adj in [-0.5, 0, 0.5]:\r\n            adj_wacc = wacc + wacc_adj\r\n            adj_tg = terminal_growth + tg_adj\r\n            if adj_wacc > adj_tg:\r\n                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)\r\n                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share\r\n                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) \r\n                               for t, fcf in enumerate(fcf_forecast, 1)])\r\n                sensitivity[f\"WACC={adj_wacc}%, g={adj_tg}%\"] = adj_pv_f + adj_pv_tv\r\n    \r\n    return {\r\n        \"enterprise_value\": round(enterprise_value, 2),\r\n        \"equity_value\": round(equity_value, 2),\r\n        \"pv_forecast\": round(pv_forecast, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2),\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"sensitivity_table\": sensitivity\r\n    }\r\n\r\n# 使用示例\r\nresult = dcf_valuation(\r\n    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未来5年FCF（亿元）\r\n    wacc=9.5,  # WACC 9.5%\r\n    terminal_growth=2.5,  # 永续增长率 2.5%\r\n    terminal_share=0.8  # 终值折现系数\r\n)\r\nprint(f\"企业价值: {result['enterprise_value']} 亿元\")\r\nprint(f\"股权价值: {result['equity_value']} 亿元\")\r\n```\r\n\r\n#### 2.2 DDM Model / 股利贴现模型\r\n\r\n```python\r\ndef ddm_valuation(current_dps: float, dividend_growth: list, \r\n                  required_return: float, terminal_growth: float) -> dict:\r\n    \"\"\"\r\n    DDM估值模型（两阶段）\r\n    Args:\r\n        current_dps: 当前每股股利（元）\r\n        dividend_growth: 高增长阶段各年增长率（%）\r\n        required_return: 必要收益率（%）\r\n        terminal_growth: 永续增长率（%）\r\n    \"\"\"\r\n    pv_dividends = []\r\n    cumulative_dps = current_dps\r\n    \r\n    for i, g in enumerate(dividend_growth, 1):\r\n        cumulative_dps *= (1 + g / 100)\r\n        pv = cumulative_dps / ((1 + required_return / 100) ** i)\r\n        pv_dividends.append(pv)\r\n    \r\n    # 永续价值\r\n    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))\r\n    \r\n    intrinsic_value = sum(pv_dividends) + pv_terminal\r\n    \r\n    return {\r\n        \"intrinsic_value\": round(intrinsic_value, 2),\r\n        \"pv_dividends\": [round(p, 4) for p in pv_dividends],\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2)\r\n    }\r\n```\r\n\r\n#### 2.3 PE Band Analysis / PE估值区间分析\r\n\r\n```python\r\ndef pe_band_analysis(eps_history: list, price_history: list, \r\n                     forecast_eps: float) -> dict:\r\n    \"\"\"\r\n    PE估值区间分析\r\n    基于历史估值分布给出当前估值水位\r\n    \"\"\"\r\n    # 计算历史PE\r\n    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]\r\n    \r\n    # 统计分布\r\n    pe_stats = {\r\n        \"min\": np.min(pe_history),\r\n        \"q25\": np.percentile(pe_history, 25),\r\n        \"median\": np.median(pe_history),\r\n        \"q75\": np.percentile(pe_history, 75),\r\n        \"max\": np.max(pe_history),\r\n        \"mean\": np.mean(pe_history)\r\n    }\r\n    \r\n    # 估值区间\r\n    valuation_band = {\r\n        \"极度低估 (PE < Q25)\": forecast_eps * pe_stats[\"q25\"],\r\n        \"偏低估 (Q25 < PE < Median)\": forecast_eps * pe_stats[\"median\"],\r\n        \"合理区间 (Median < PE < Q75)\": forecast_eps * pe_stats[\"q75\"],\r\n        \"偏高估 (PE > Q75)\": forecast_eps * pe_stats[\"max\"]\r\n    }\r\n    \r\n    return {\r\n        \"pe_statistics\": pe_stats,\r\n        \"valuation_band\": {k: round(v, 2) for k, v in valuation_band.items()}\r\n    }\r\n```\r\n\r\n### 3. Industry Research Framework / 行业研究框架\r\n\r\n```markdown\r\n## 行业研究标准框架\r\n\r\n### 一、行业概述\r\n- 行业定义与边界\r\n- 产业链结构图\r\n- 行业发展阶段（导入期/成长期/成熟期/衰退期）\r\n\r\n### 二、竞争格局\r\n- 市场集中度（CR3/CR5/CR10）\r\n- 波特五力分析\r\n- 竞争格局演变趋势\r\n\r\n### 三、驱动因素\r\n- 需求侧：市场规模、增速、渗透率\r\n- 供给侧：产能扩张、技术迭代\r\n- 政策面：监管政策、扶持政策\r\n- 宏观面：经济周期、人口结构\r\n\r\n### 四、核心标的\r\n- 龙头公司竞争优势\r\n- 二线公司差异化\r\n- 潜在黑马\r\n\r\n### 五、风险因素\r\n- 周期性风险\r\n- 政策风险\r\n- 技术替代风险\r\n- 竞争加剧风险\r\n```\r\n\r\n### 4. Short-Seller Response Template / 做空报告回应模板\r\n\r\n```markdown\r\n# 关于[做空机构名称]做空报告的声明\r\n\r\n**公司声明日期**: YYYY-MM-DD\r\n**股票代码**: [代码]\r\n**声明人**: [公司名称]投资者关系部\r\n\r\n## 一、核心回应\r\n\r\n[机构]于[日期]发布的做空报告，存在严重的事实错误和误导性陈述。\r\n本公司特此声明如下：\r\n\r\n### 1. 关于[指控1]的回应\r\n**事实**: [澄清事实]\r\n**证据**: [提供证据]\r\n**结论**: [明确结论]\r\n\r\n### 2. 关于[指控2]的回应\r\n[同上格式]\r\n\r\n## 二、补充信息\r\n\r\n### 财务数据核实\r\n| 指标 | 公司公告数据 | 做空报告数据 | 差异说明 |\r\n|-----|-------------|-------------|---------|\r\n| | | | |\r\n\r\n## 三、风险提示\r\n\r\n本声明不构成投资建议。投资者应仔细阅读公司过往公告，\r\n审慎判断投资风险。\r\n\r\n---\r\n联系方式：[IR邮箱]\r\n```\r\n\r\n---\r\n\r\n## Compliance Checklist / 合规检查清单\r\n\r\n| 检查项 | 依据 | 通过标准 |\r\n|-------|------|---------|\r\n| 盈利预测合理性 | 《证券研究报告执业规范》 | 预测区间不超过合理范围 |\r\n| 风险提示完整性 | 《证券法》第79条 | 必须包含3项以上风险提示 |\r\n| 利益冲突披露 | 证监会相关规定 | 持有股票需披露 |\r\n| 评级定义一致性 | 《证券研究报告执业规范》 | 评级定义需与公司标准一致 |\r\n| 数据来源合规 | 交易所规则 | 引用数据需标注来源 |\r\n\r\n---\r\n\r\n## Usage Examples / 使用示例\r\n\r\n**启动研报撰写：**\r\n```\r\n分析[行业名称]的竞争格局和投资机会，生成行业研究报告模板\r\n```\r\n\r\n**估值建模：**\r\n```\r\n帮我用DCF模型对[公司名称]估值：\r\n- 未来5年FCF预测：[X]亿/[X]亿/[X]亿/[X]亿/[X]亿\r\n- WACC：[X]%\r\n- 永续增长率：[X]%\r\n```\r\n\r\n**做空报告应急：**\r\n```\r\n[机构]刚发布做空报告指控[公司]，需24小时内回应，\r\n帮我生成回应初稿框架，重点反驳以下3点：\r\n1. [指控点1]\r\n2. [指控点2]\r\n3. [指控点3]\r\n```\r\n\r\n---\r\n\r\n## Disclaimer\r\n\r\nThis skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.\n\nFile v2.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"2.0.0\",\n  \"publishedAt\": 1778495041314\n}\n\nArchive v1.0.0: 2 files, 5520 bytes\n\nFiles: SKILL.md (12556b), _meta.json (143b)\n\nFile v1.0.0:SKILL.md\n\n---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模.\r\nversion: 1.0.0\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n---\r\n\r\n## Industry Pain Points / 行业痛点\r\n\r\n| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 |\r\n|------------------|-------------|------------------------|\r\n| **数据收集耗时** | 分析师60%时间花在数据整理 | 自动抓取财报/宏观/行业数据库，一键生成数据底稿 |\r\n| **报告模板重复** | 每次撰写覆盖报告都要重新排版 | 内置研报标准模板，30秒生成初稿框架 |\r\n| **估值建模复杂** | DCF/DDM参数调整耗时长 | 参数化估值模型，输入假设自动计算 |\r\n| **做空报告应急** | 做空机构突袭需24小时内回应 | 紧急响应模板，快速组织反驳论据 |\r\n| **研报合规风险** | 监管对研报质量要求越来越高 | 内置合规检查清单，自动识别风险表述 |\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**English Triggers:** equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research\r\n\r\n**中文触发词（优先）：** 投研报告 / 行业研究 / 个股分析 / 首次覆盖 / 业绩点评 / 估值建模 / DCF / DDM / PE区间 / 做空报告回应 / ESG整合 / 投研框架 / 研究报告 / 买方研报 / 券商研报 / 宏观策略 / 行业比较 / 公司对比 / 盈利预测 / 目标价 / 评级调整 / 研究报告审查 / 研报合规检查 / 研报降重 / 研报改写\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 1. Research Report Templates / 研报模板库\r\n\r\n**标准研报结构（证监会/中证协规范格式）：**\r\n\r\n```markdown\r\n# [公司简称]（[股票代码]）深度报告\r\n**报告日期**: YYYY-MM-DD\r\n**研究员**: [姓名]\r\n**联系方式**: [邮箱/电话]\r\n\r\n## 核心观点\r\n[3-5句话概括投资亮点和核心风险]\r\n\r\n## 投资逻辑\r\n### 逻辑1：[一句话]\r\n### 逻辑2：[一句话]\r\n### 逻辑3：[一句话]\r\n\r\n## 关键假设\r\n| 假设项 | 数值 | 依据 |\r\n|-------|------|------|\r\n| 收入增速 | XX% | [市场/公司历史数据] |\r\n| 毛利率 | XX% | [行业趋势/竞争格局] |\r\n| 费用率 | XX% | [历史均值/管理变革] |\r\n\r\n## 盈利预测\r\n| 指标 | 2024A | 2025E | 2026E | 2027E |\r\n|------|-------|-------|-------|-------|\r\n| 营业收入（亿元） | | | | |\r\n| 归母净利润（亿元） | | | | |\r\n| EPS（元） | | | | |\r\n| YoY增速 | | | | |\r\n\r\n## 估值分析\r\n### DCF估值\r\n- WACC: XX%\r\n- 永续增长率: XX%\r\n- 绝对估值区间: [XX-XX]元\r\n\r\n### 相对估值\r\n| 可比公司 | P/E | P/B | P/S |\r\n|---------|-----|-----|-----|\r\n| [公司A] | | | |\r\n| [公司B] | | | |\r\n| 行业中位数 | | | |\r\n\r\n## 风险提示\r\n1. [风险1]\r\n2. [风险2]\r\n3. [风险3]\r\n```\r\n\r\n### 2. Valuation Models / 估值模型\r\n\r\n#### 2.1 DCF Model / 现金流折现模型\r\n\r\n```python\r\nimport numpy as np\r\nimport pandas as pd\r\nfrom scipy.optimize import brentq\r\n\r\ndef dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, \r\n                   terminal_share: float = 1.0) -> dict:\r\n    \"\"\"\r\n    DCF估值模型\r\n    Args:\r\n        fcf_forecast: 未来5年自由现金流预测（亿元）\r\n        wacc: 加权平均资本成本（%）\r\n        terminal_growth: 永续增长率（%）\r\n        terminal_share: 终值折现系数\r\n    Returns:\r\n        估值结果字典\r\n    \"\"\"\r\n    # 预测期现值\r\n    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]\r\n    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])\r\n    \r\n    # 终值计算\r\n    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / discount_factors[-1] * terminal_share\r\n    \r\n    # 企业价值 & 股权价值\r\n    enterprise_value = pv_forecast + pv_terminal\r\n    equity_value = enterprise_value  # 简化：无净负债调整\r\n    \r\n    # 敏感性分析\r\n    sensitivity = {}\r\n    for wacc_adj in [-0.5, 0, 0.5]:\r\n        for tg_adj in [-0.5, 0, 0.5]:\r\n            adj_wacc = wacc + wacc_adj\r\n            adj_tg = terminal_growth + tg_adj\r\n            if adj_wacc > adj_tg:\r\n                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)\r\n                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share\r\n                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) \r\n                               for t, fcf in enumerate(fcf_forecast, 1)])\r\n                sensitivity[f\"WACC={adj_wacc}%, g={adj_tg}%\"] = adj_pv_f + adj_pv_tv\r\n    \r\n    return {\r\n        \"enterprise_value\": round(enterprise_value, 2),\r\n        \"equity_value\": round(equity_value, 2),\r\n        \"pv_forecast\": round(pv_forecast, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2),\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"sensitivity_table\": sensitivity\r\n    }\r\n\r\n# 使用示例\r\nresult = dcf_valuation(\r\n    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未来5年FCF（亿元）\r\n    wacc=9.5,  # WACC 9.5%\r\n    terminal_growth=2.5,  # 永续增长率 2.5%\r\n    terminal_share=0.8  # 终值折现系数\r\n)\r\nprint(f\"企业价值: {result['enterprise_value']} 亿元\")\r\nprint(f\"股权价值: {result['equity_value']} 亿元\")\r\n```\r\n\r\n#### 2.2 DDM Model / 股利贴现模型\r\n\r\n```python\r\ndef ddm_valuation(current_dps: float, dividend_growth: list, \r\n                  required_return: float, terminal_growth: float) -> dict:\r\n    \"\"\"\r\n    DDM估值模型（两阶段）\r\n    Args:\r\n        current_dps: 当前每股股利（元）\r\n        dividend_growth: 高增长阶段各年增长率（%）\r\n        required_return: 必要收益率（%）\r\n        terminal_growth: 永续增长率（%）\r\n    \"\"\"\r\n    pv_dividends = []\r\n    cumulative_dps = current_dps\r\n    \r\n    for i, g in enumerate(dividend_growth, 1):\r\n        cumulative_dps *= (1 + g / 100)\r\n        pv = cumulative_dps / ((1 + required_return / 100) ** i)\r\n        pv_dividends.append(pv)\r\n    \r\n    # 永续价值\r\n    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)\r\n    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)\r\n    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))\r\n    \r\n    intrinsic_value = sum(pv_dividends) + pv_terminal\r\n    \r\n    return {\r\n        \"intrinsic_value\": round(intrinsic_value, 2),\r\n        \"pv_dividends\": [round(p, 4) for p in pv_dividends],\r\n        \"terminal_value\": round(terminal_value, 2),\r\n        \"pv_terminal\": round(pv_terminal, 2)\r\n    }\r\n```\r\n\r\n#### 2.3 PE Band Analysis / PE估值区间分析\r\n\r\n```python\r\ndef pe_band_analysis(eps_history: list, price_history: list, \r\n                     forecast_eps: float) -> dict:\r\n    \"\"\"\r\n    PE估值区间分析\r\n    基于历史估值分布给出当前估值水位\r\n    \"\"\"\r\n    # 计算历史PE\r\n    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]\r\n    \r\n    # 统计分布\r\n    pe_stats = {\r\n        \"min\": np.min(pe_history),\r\n        \"q25\": np.percentile(pe_history, 25),\r\n        \"median\": np.median(pe_history),\r\n        \"q75\": np.percentile(pe_history, 75),\r\n        \"max\": np.max(pe_history),\r\n        \"mean\": np.mean(pe_history)\r\n    }\r\n    \r\n    # 估值区间\r\n    valuation_band = {\r\n        \"极度低估 (PE < Q25)\": forecast_eps * pe_stats[\"q25\"],\r\n        \"偏低估 (Q25 < PE < Median)\": forecast_eps * pe_stats[\"median\"],\r\n        \"合理区间 (Median < PE < Q75)\": forecast_eps * pe_stats[\"q75\"],\r\n        \"偏高估 (PE > Q75)\": forecast_eps * pe_stats[\"max\"]\r\n    }\r\n    \r\n    return {\r\n        \"pe_statistics\": pe_stats,\r\n        \"valuation_band\": {k: round(v, 2) for k, v in valuation_band.items()}\r\n    }\r\n```\r\n\r\n### 3. Industry Research Framework / 行业研究框架\r\n\r\n```markdown\r\n## 行业研究标准框架\r\n\r\n### 一、行业概述\r\n- 行业定义与边界\r\n- 产业链结构图\r\n- 行业发展阶段（导入期/成长期/成熟期/衰退期）\r\n\r\n### 二、竞争格局\r\n- 市场集中度（CR3/CR5/CR10）\r\n- 波特五力分析\r\n- 竞争格局演变趋势\r\n\r\n### 三、驱动因素\r\n- 需求侧：市场规模、增速、渗透率\r\n- 供给侧：产能扩张、技术迭代\r\n- 政策面：监管政策、扶持政策\r\n- 宏观面：经济周期、人口结构\r\n\r\n### 四、核心标的\r\n- 龙头公司竞争优势\r\n- 二线公司差异化\r\n- 潜在黑马\r\n\r\n### 五、风险因素\r\n- 周期性风险\r\n- 政策风险\r\n- 技术替代风险\r\n- 竞争加剧风险\r\n```\r\n\r\n### 4. Short-Seller Response Template / 做空报告回应模板\r\n\r\n```markdown\r\n# 关于[做空机构名称]做空报告的声明\r\n\r\n**公司声明日期**: YYYY-MM-DD\r\n**股票代码**: [代码]\r\n**声明人**: [公司名称]投资者关系部\r\n\r\n## 一、核心回应\r\n\r\n[机构]于[日期]发布的做空报告，存在严重的事实错误和误导性陈述。\r\n本公司特此声明如下：\r\n\r\n### 1. 关于[指控1]的回应\r\n**事实**: [澄清事实]\r\n**证据**: [提供证据]\r\n**结论**: [明确结论]\r\n\r\n### 2. 关于[指控2]的回应\r\n[同上格式]\r\n\r\n## 二、补充信息\r\n\r\n### 财务数据核实\r\n| 指标 | 公司公告数据 | 做空报告数据 | 差异说明 |\r\n|-----|-------------|-------------|---------|\r\n| | | | |\r\n\r\n## 三、风险提示\r\n\r\n本声明不构成投资建议。投资者应仔细阅读公司过往公告，\r\n审慎判断投资风险。\r\n\r\n---\r\n联系方式：[IR邮箱]\r\n```\r\n\r\n---\r\n\r\n## Compliance Checklist / 合规检查清单\r\n\r\n| 检查项 | 依据 | 通过标准 |\r\n|-------|------|---------|\r\n| 盈利预测合理性 | 《证券研究报告执业规范》 | 预测区间不超过合理范围 |\r\n| 风险提示完整性 | 《证券法》第79条 | 必须包含3项以上风险提示 |\r\n| 利益冲突披露 | 证监会相关规定 | 持有股票需披露 |\r\n| 评级定义一致性 | 《证券研究报告执业规范》 | 评级定义需与公司标准一致 |\r\n| 数据来源合规 | 交易所规则 | 引用数据需标注来源 |\r\n\r\n---\r\n\r\n## Usage Examples / 使用示例\r\n\r\n**启动研报撰写：**\r\n```\r\n分析[行业名称]的竞争格局和投资机会，生成行业研究报告模板\r\n```\r\n\r\n**估值建模：**\r\n```\r\n帮我用DCF模型对[公司名称]估值：\r\n- 未来5年FCF预测：[X]亿/[X]亿/[X]亿/[X]亿/[X]亿\r\n- WACC：[X]%\r\n- 永续增长率：[X]%\r\n```\r\n\r\n**做空报告应急：**\r\n```\r\n[机构]刚发布做空报告指控[公司]，需24小时内回应，\r\n帮我生成回应初稿框架，重点反驳以下3点：\r\n1. [指控点1]\r\n2. [指控点2]\r\n3. [指控点3]\r\n```\r\n\r\n---\r\n\r\n## Disclaimer\r\n\r\nThis skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1778489564265\n}","readmeExcerpt":"Skill: Security Equity Research Owner: gechengling Summary: AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... Tags: latest:3.0.3, security-equity-research:3.0.3 Version history: v3.0.3 | 2026-09-30T06:56:02.620Z | user v3.0.3: narrow triggers (SQP-1), add data-minimisation + execution-boundary section, refres","codeSnippets":[],"executableExamples":[],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\r\nname: Securities Equity Research Report Generator\r\nslug: security-equity-research\r\ndescription: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研报生成, 行业研究, 个股覆盖, 估值建模, 投研报告, 行研, 财报分析, 盈利预测, 目标价, 评级, 深度报告, 事件点评, 新股分析.\r\nversion: \"3.0.3\"\r\n---\r\n\r\n# Securities Equity Research Report Generator / 证券投研报告生成器\r\n\r\n> **English:** AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.\r\n>\r\n> **中文:** 证券投研报告生成器——覆盖行业研究、公司首次覆盖、业绩点评、估值建模（DCF/DDM/PE区间）、投资逻辑提炼的全流程AI助手。解决痛点：数据收集耗时、报告模板重复、快速响应做空报告需求。适用：中国A股研究员、买方分析师、投资银行研究人员。\r\n\r\n\r\n---\r\n\r\n## 数据最小化声明与执行边界 / Data Minimisation & Execution Boundary\r\n\r\n**数据最小化前置声明：** 使用本技能时，请只提供完成当次分析所必需的公开信息——公开财报科目、公开公告要点、行业公开统计数据、已脱敏的持仓与组合权重。**不要**粘贴未公开财务数据、内幕信息、客户名单、个人账户持仓明细或带身份信息的尽调材料。如需引用第三方数据，请注明来源与取数日期，不要求上传原始数据文件。\r\n\r\n**代码块性质与执行边界**\r\n\r\n| 内容 | 性质 | 谁来执行 |\r\n|------|------|---------|\r\n| `dcf_valuation()` 及使用示例 | 现金流折现的口径与公式示意，说明终值占比、敏感性应如何计算 | 由研究员在自己的建模环境（Excel/Python）中按口径复现；技能不运行、不取数 |\r\n| `ddm_valuation()` | 两阶段股利贴现的公式表达，用于统一团队算法 | 同上，由研究员自行填入参数运行 |\r\n| `pe_band_analysis()` | PE 历史分位统计的口径说明 | 由研究员在自有行情终端中取数后计算 |\r\n| 研报骨架、做空回应模板 | Markdown 文本模板，需人工填写内容 | 由研究员在机构模板系统中填写并走质控流程 |\r\n\r\n本技能未配置任何工具调用权限，不执行代码、不读写文件、不访问行情或数据库接口，也不生成可直接对外发布的成品研报。文中代码块均为公式与口径的教学示意；所有输出须经具备资质的分析师复核、并由机构质控流程审批后方可使用。\r\n\r\n---\r\n\r\n\r\n### 证券监管最新动态 [2026-09-30更新]\r\n\r\n| 动态类型 | 内容摘要 | 影响范围 | 研报侧应对动作 | 责任岗 | 优先级 |\r\n|---------|---------|---------|--------------|-------|-------|\r\n| 证券监管 | 2026年Q1：证监会持续强化上市公司信息披露质量监管 | 研究报告模板需纳入信披合规和量化冲击分析 | 研报增设\"信披质量\"小节，标注公告编号 | 研究 | 高 |\r\n| 证券监管 | 业绩预告披露质量被重点关注，研究需加强信披合规分析 | 研究报告模板需纳入信披合规和量化冲击分析 | 业绩点评须区分\"预告口径\"与\"实际口径\" | 研究 | 高 |\r\n| 证券监管 | A股量化资金占比30%-40%，研究报告需关注量化冲击因素 | 研究报告模板需纳入信披合规和量化冲击分析 | 增加\"交易结构\"小节，说明波动归因 | 研究 | 中 |\r\n| 研报执业 | 研报执业规范持续强化，观点依据与数据来源须可追溯 | 深度报告、事件点评、盈利预测 | 每个关键数据标注来源与取数日期 | 研究 | 高 |\r\n| 适当性与传播 | 研报公开传播需注意目标价、评级的表述边界 | 对客传播的研报摘要与路演材料 | 摘要保留评级定义与免责声明 | 合规 | 高 |\r\n| 市值管理 | 上市公司市值管理行为的信息披露要求趋严 | 涉及股东增减持、回购的点评 | 点评须同时列示公告原文要点 | 研究 | 中 |\r\n| 程序化交易 | 程序化交易报告与异常交易监控要求细化 | 与量化资金相关的流动性与波动分析 | 在流动性分析中纳入程序化交易因素 | 研究 | 中 |\r\n| ESG披露 | 可持续披露规则推进，ESG信息在估值中的权重上升 | ESG整合、行业比较 | 估值与比较框架中单列ESG评分维度 | 研究 | 中 |\r\n| 研报执业 | 2026年9月下旬：研究报告署名与发布流程的内部质控留痕要求进一步细化 | 深度报告、点评、路演材料 | 研报定稿前留存质控复核记录"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"security-equity-research\",\n  \"version\": \"3.0.3\",\n  \"publishedAt\": 1790751362620\n}"},{"path":"skill-card.md","content":"## Description:\n\nProvides templates and valuation frameworks for China A-share equity research, including company coverage, earnings reviews, industry analysis, ESG considerations, and short-seller responses.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEquity research analysts and investment researchers use this skill to draft China A-share research outlines, structure valuation assumptions, and prepare materials for analyst and compliance review.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Stale or unsupported market data, valuation assumptions, or regulatory claims may mislead readers.\n\nMitigation: Verify market, regulatory, and valuation inputs independently; document sources and observation dates before using conclusions.\n\nRisk: Research prompts may expose nonpublic financial information, customer details, personal account data, or insider material.\n\nMitigation: Provide only public or appropriately sanitized inputs; omit confidential and personally identifiable information.\n\nRisk: Template language may be mistaken for publication-ready investment research or live data analysis.\n\nMitigation: Treat examples as illustrative and route all publishable research through qualified analyst and compliance review.\n\n## Reference(s):\n\n- [Security Equity Research on ClawHub](https://clawhub.ai/gechengling/skills/security-equity-research)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Code, Guidance]\n\n**Output Format:** [Markdown research templates, tables, worked valuation examples, and illustrative Python formulas]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Illustrative content only; no live market-data access or executable workflow. Requires independent data checks and qualified analyst and compliance review before publication.]\n\n## Skill Version(s):\n\n3.0.3 (source: release evidence and frontmatter)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment."}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... Skill: Security Equity Research Owner: gechengling Summary: AI tool generating China A-share equity research reports automating data collection, earnings review, valuation modeling (DCF/DDM/PE), ESG, and short-seller... Tags: latest:3.0.3, security-equity-research:3.0.3 Version history: v3.0.3 | 2026-09-30T06:56:02.620Z | user v3.0.3: narrow triggers (SQP-1), add data-minimisation + execution-boundary section, refres","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":1023,"uniquenessScore":50,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T00:58:27.200Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T03:55:31.818Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}