| name | tech-earnings-deepdive |
| description | 科技股财报深度分析与多视角投资备忘录系统（v3.0）。覆盖A-P共16大分析模块、6大投资哲学视角、机构级证据标准、反偏见框架和可执行决策体系。当用户提到某科技公司财报分析、季报/年报解读、earnings call、收入增长分析、利润率变化、guidance指引、估值模型、DCF、反向DCF、EV/EBITDA、PEG、Rule of 40、管理层分析、竞争格局、持仓判断、是否买入/卖出/加仓某科技股、某公司最新财报怎么看、帮我做个deep dive、多角度估值、投资大师怎么看这家公司、variant view、key forces、kill conditions、筹码分布、高管团队、合作伙伴生态、宏观政策影响等话题时，务必使用此技能。即使用户只是笼统地问"帮我看看NVDA最新财报"或"META这季度表现如何"或"该不该继续持有MSFT"，也应触发此技能来提供全面的财报分析和多视角投资备忘录。此技能与us-value-investing技能互补——us-value-investing侧重长期价值四维评分，本技能侧重最新财报的深度拆解、多投资哲学的综合判断、以及可执行的持仓决策。 |
科技股财报深度分析与多视角投资备忘录 v3.0
定位与设计哲学
你正在为一位"大号散户"——自有资金、无LP、以季度和年度为持仓周期的科技股投资者——提供机构级的财报分析服务。
核心设计原则：
- Key Forces驱动：不是16个模块平均用力，而是先找到1-3个决定性力量，然后围绕这些力量对16个模块做优先级排序——与Key Forces直接相关的模块深挖，其余正常覆盖
- 多哲学对抗：同一组数据用6种完全不同的投资世界观来审视，让结论在碰撞中浮现
- 一手证据优先：二手聚合网站是地板不是天花板，真正的分析要追溯到信息的源头
- 可执行决策：不是"看好/看空"的模糊判断，而是"在什么价格做什么动作、如果什么条件触发就退出"
- 季度追踪设计：每个模块内置QoQ（环比）和YoY（同比）对比框架，支持跨季度持续跟踪同一标的
执行总流程
第零步：Key Forces 识别（锚定1-3个决定性力量）
第一步：16大分析模块（A-P）
第二步：6大投资哲学视角审视
第三步：估值矩阵（多方法 + 敏感性 + IRR门槛）
第四步：反偏见与Pre-Mortem
第五步：决策框架与输出（含长期监控变量清单）
第零步：Key Forces 识别
在开始任何模块分析之前，先回答一个核心问题：
未来3-5年，有哪1-3个力量会根本性地改变这家公司的价值？
这些力量可能是：
- AI/技术范式转移正在重塑这个行业
- 监管政策正在创造或摧毁价值
- 管理层正在执行一个市场尚未定价的战略转向
- 竞争格局正在根本性地改变
- 市场严重误解了某个结构性变化
- 隐藏资产存在未被市场定价的变现潜力
两种模式：
- 发现模式（Key Forces还不清楚）：先快速浏览模块A-P的概要数据，从中识别Key Forces
- 验证模式（Key Forces已识别）：围绕这些力量对16个模块做深度/正常覆盖的优先级排序
反模式警告：如果分析写完后像一份"什么都涉及但什么都不深入"的清单，就是Key Forces没找准。与Key Forces直接相关的模块应获得2-3倍的篇幅。
第一步：16大分析模块
一手证据搜集标准（适用于所有模块）
分析的质量取决于证据的质量。对每个模块，按以下层级搜集：
| 层级 | 类型 | 举例 | 最低要求 |
|---|
| 第一层 | 一手来源（Primary） | CEO原话、员工评价（Glassdoor/Blind）、客户评价（G2/AppStore）、GitHub活跃度、专利申请、招聘动向、内部人交易 | 全报告至少3个 |
| 第二层 | 事实来源（Facts） | SEC文件（10-K/10-Q/8-K/DEF 14A）、财报数据、法庭文件 | 核心数据必须追溯至此 |
| 第三层 | 观点来源（Opinions） | 卖方研报、新闻分析、价格目标汇总 | 可引用但不能作为唯一依据 |
永远不要编造引用。找不到原话就转述并注明来源。
模块A：收入规模与质量分析
核心问题：收入增长是"真的"还是"纸面上的"？增长来自哪里、质量如何、可持续吗？
必须回答：
A1. 收入构成拆解
- 各业务线/产品线的绝对金额和占总收入的比例
- 每条业务线的YoY增速和QoQ增速
- 哪条线是增长引擎，哪条在拖后腿
- 收入构成的变化趋势（新业务占比是在扩大还是缩小？）
A2. 增速趋势分析
- 本季度YoY%和QoQ%
- 连续4-8个季度的增速趋势线：加速、稳定、还是减速？
- 本季度 vs 华尔街共识预期（beat/miss及幅度）
- 如果能获取全年数据：本财年总收入 vs 上一财年，YoY增速
A3. 收入质量维度
- 经常性收入占比（订阅/SaaS/recurring）：反映收入的可预测性和粘性
- 有机增长 vs 收购增长：剔除并购后的真实增长率
- 地理分布：是否过度依赖单一市场？国际收入占比及增速
- 客户集中度：前5/10大客户占比，是否有单一客户依赖风险
搜索：[代码] revenue breakdown by segment Q[X] [代码] revenue vs estimate [代码] organic revenue growth [代码] revenue by geography
模块B：盈利能力与利润率趋势
核心问题：赚钱效率在变好还是变差？利润是"真金白银"还是"会计魔术"？
必须回答：
B1. 利润率三线追踪（每个都需要QoQ和YoY对比）
- 毛利率（Gross Margin）：反映产品/服务的定价权和成本控制
- 营业利润率（Operating Margin）：核心经营效率
- 净利率（Net Margin）：最终落袋的比例
- 趋势方向：三线是同步扩张、同步收缩、还是出现分化？
B2. GAAP vs Non-GAAP 差异审计
- Non-GAAP利润比GAAP高出多少百分比？差距超过50%必须深挖
- SBC（股票期权费用）占收入的比例——科技股最隐蔽的成本。超过15-20%意味着大量用股票而非现金付薪水，持续稀释现有股东
- "一次性"调整项的频率——每个季度都有"一次性"就不是一次性
B3. 盈利vs预期
- 本季度EPS vs 共识预期（beat/miss及幅度）
- beat的质量：靠核心业务超预期还是靠一次性项目/税率变化？
- 如能获取全年数据：本财年EPS vs 上一财年，增速
搜索：[代码] gross margin operating margin trend [代码] GAAP non-GAAP reconciliation [代码] stock based compensation percentage revenue [代码] EPS vs estimate
模块C：现金流与资本配置
核心问题：利润是纸面数字还是真金白银？管理层拿钱做了什么决定？
必须回答：
C1. 现金流质量
- 经营性现金流（OCF）vs 净利润：如果长期背离（利润增长但OCF下降），重大红旗
- 自由现金流（FCF）= OCF - CapEx
- FCF Margin = FCF / Revenue：每赚100块有多少变成真正的自由现金
- 应收账款周转天数（DSO）趋势：上升可能意味着放宽付款条件冲收入
C2. 资本支出方向
- CapEx总额及占收入的比例，与同行对比
- 钱花在了哪里？AI基础设施？数据中心？新产品？并购？
- 历史CapEx的ROI：过去的大额投资是否产生了可衡量的回报？
C3. 资本回报方式
- 回购金额：是否足以抵消SBC带来的股权稀释？计算净稀释率 = 新增SBC股数 - 回购股数
- 分红变化（如有）
- 并购支出及整合效果
C4. 资产负债表健康度
- 净现金还是净负债？（现金+短期投资 - 总负债）
- 债务到期时间表：近期是否有大额债务到期？
- 利息覆盖倍数（EBIT / 利息支出）：低于3倍需警惕
- 信用评级变化
搜索：[代码] free cash flow FCF margin [代码] capex breakdown [代码] buyback vs dilution net shares [代码] debt maturity schedule [代码] balance sheet cash debt
模块D：前瞻指引与管理层信号
核心问题：管理层对未来的真实判断是什么？言行是否一致？与过去的承诺相比，执行力如何？
必须回答：
D1. 指引vs预期（核心对比表）
| 维度 | 本季度实际 | 本季度指引 | 华尔街预期 | 上季度指引 | Beat/Miss |
|---|
| 收入 | | | | | |
| 营业利润(率) | | | | | |
| EPS | | | | | |
- 下季度指引 vs 华尔街共识：高于/低于/符合？
- 全年指引是否有上调或下调？
D2. 跨期对比
- 本季度实际 vs 上季度实际（QoQ环比趋势）
- 如能获取全年数据：本财年 vs 上一财年（年度增速）
- 管理层过去4个季度的指引准确度：是惯性保守（经常beat）还是惯性乐观（经常miss）？
D3. 管理层语气与行为分析
- Earnings Call关键表态：对宏观环境、竞争格局、新产品的措辞
- 语气变化：与上季度相比更乐观还是更谨慎？是否出现新的关键词或回避某些话题？
- 行为vs言语一致性：嘴上说"充满信心"但手上在卖股票？（结合模块L的内部人交易数据）
D4. 异常信号检测
- 高管离职（尤其CFO）
- 会计政策变更
- 审计师更换（无合理理由的更换是最严重红旗之一）
- 大额减记或重组费用
搜索：[代码] guidance Q[X] vs consensus [代码] earnings call transcript [代码] management guidance accuracy track record [代码] CFO CEO departure [代码] auditor change
模块E：竞争格局与行业位置
核心问题：这家公司在行业中处于什么位置？是在攻还是在守？天花板有多高？
必须回答：
E1. 行业赛道全貌
- 所在行业/赛道的总市场规模（TAM）是多少？
- 行业未来3-5年的预期复合增速（CAGR）是多少？
- 行业处于什么阶段：早期爆发、高速增长、成熟稳定、还是衰退？
- 行业的结构性驱动因素是什么（技术变革？监管推动？需求转移？）
E2. 行业排名与竞争对手对比
- 这家公司在行业中排第几？市场份额是多少？份额在扩张还是萎缩？
- 如果是第1名：第2、3名是谁？差距有多大？有被追上的风险吗？
- 如果是第N名：前几名和后几名分别是谁？差距和追赶趋势如何？
- 直接竞争对手的同期财报表现对比（收入增速、利润率、市场份额变化）
- 竞争对手的估值倍数对比（作为模块K估值的参照系）
E3. 外部威胁评估
- 是否有行业外部的巨头可能进入这个赛道？（例如：大型云厂商进入垂直SaaS、大型科技公司自研替代第三方工具）
- 开源替代方案是否在成熟？对付费产品的威胁程度？
- 行业增速 vs 公司增速：公司是在"抢蛋糕"（份额扩大）还是"随大流"（只是行业增长）？
E4. 护城河状态评估
- 品牌/网络效应/成本优势/转换成本——哪些在变宽、哪些在被侵蚀？
- 护城河的可量化证据（客户留存率、定价权、竞品切换成本）
搜索：[行业名] market size TAM forecast [行业名] market share ranking [代码] vs [竞争对手代码] comparison [代码] competitive moat [行业名] new entrants threats
模块F：核心观察指标（KPI Dashboard）
核心问题：对于这家特定公司，最能反映其业务健康度的2-5个"体温计"指标是什么？
这个模块不是通用清单，而是为这家公司量身定制的关键观察点。
按公司类型选择：
| 类型 | 核心观察指标 | 为什么重要 |
|---|
| SaaS/云计算 | ARR增长率、NDR（净留存率，>120%优秀）、RPO（剩余履约义务）、Rule of 40 | 这些指标比收入更能预测未来走势 |
| 消费互联网 | DAU/MAU及比率、ARPU变化、用户参与时长、CAC/LTV比 | 用户基础的"质量"比"数量"重要 |
| 半导体/硬件 | Backlog、Book-to-Bill、库存天数、Design Wins、ASP变化 | 订单和库存周期决定了未来2-3个季度的收入 |
| 广告驱动 | 广告主数量增长、每广告主平均支出、广告定价（CPM/CPC趋势） | 广告是顺周期业务，这些指标领先于收入变化 |
| 平台/生态系统 | 开发者数量、第三方应用/插件数量、平台GMV/TPV | 生态系统的健康度决定护城河的宽度 |
输出要求：为目标公司选定2-5个最核心的KPI，每个标注：
- 本季度数值 vs 上季度 vs 去年同期
- 趋势方向（改善/持平/恶化）
- 这个指标如果恶化到什么程度，应该触发警报
搜索：[代码] key metrics KPI [代码] ARR growth 或 [代码] DAU MAU trend 或 [代码] backlog book to bill（按公司类型选择）
模块G：核心产品、新业务与市场叙事
核心问题：现有核心业务的竞争力如何？新增长点是否真实？市场对"新故事"买单吗？
必须回答：
G1. 核心产品/业务评估
- 主力产品的市场竞争力：用户/客户的真实评价如何？（搜索G2、Trustpilot、App Store评分和评论趋势）
- 产品创新节奏：最近12个月发布了什么重要的新功能/产品？
- 定价权：过去12个月是否提价？客户对涨价的接受度如何？
- 产品粘性的量化证据：NDR、churn rate（流失率）、续约率
G2. 新业务/增长引擎评估
- 管理层声称的新增长点是什么？（例如：AI功能、新市场扩张、新产品线）
- 新业务当前的收入贡献有多大？增速如何？
- 新业务的商业模式是否已经验证？还是在"讲故事"阶段？
- 新业务的TAM声称是否合理？（警惕TAM幻觉——宣称万亿市场但实际可触达的SAM可能只有十分之一）
G3. AI叙事的真实性检验（当前周期尤其重要）
- "AI收入"的具体定义和口径——公司是否清晰披露？
- AI收入是经常性的还是一次性硬件采购？
- 客户是在试用还是已大规模部署？留存率数据？
- 是"真AI创新"还是"给老产品贴AI标签"？
G4. 市场叙事买单程度
- 分析师和市场对新业务/新叙事的态度：是在给溢价还是持怀疑态度？
- 新叙事反映在估值倍数中了吗？（对比有AI叙事前后的倍数变化）
- 叙事的可证伪时间点：什么时候应该兑现承诺？如果到期未兑现，叙事就破了
搜索：[代码] product reviews G2 [代码] new product launch [代码] AI revenue breakdown [代码] AI strategy skepticism bull case
模块H：核心合作伙伴与供应链生态
核心问题：这家公司的关键关系是否稳固？有没有"断链"风险？
必须回答：
H1. 关键合作伙伴关系映射
- 公司最重要的合作伙伴是谁？（甲方客户、乙方供应商、战略联盟伙伴）
- 关系的本质：是深度绑定（联合产品、排他协议）还是浅层合作（可替代）？
- 合作关系的持续时间和最近的变化：是在加深还是在松动？
H2. 甲乙方依赖度评估
- 作为乙方（供应商）：前几大客户贡献了多少收入？有没有"大客户依赖症"？某个大客户流失会怎样？
- 作为甲方（采购方）：关键供应商有没有集中度风险？单一供应源的组件或服务？
- 转换成本：如果合作关系破裂，双方的转换成本分别有多高？
H3. 潜在变数
- 大客户是否在自研替代方案？（例如大型云厂商自研芯片替代第三方）
- 合作伙伴是否同时也是竞争对手？（"亦敌亦友"关系的稳定性）
- 地缘政治是否可能切断某些供应链关系？
- 是否有合同到期续约的风险节点？
搜索：[代码] key customers partners [代码] customer concentration [代码] supply chain risk [公司名] partnership agreement [代码] [大客户名] relationship
模块I：高管团队与公司治理
核心问题：这些人是否值得信任来管理你的钱？公司治理结构对外部投资者是否友好？
必须回答：
I1. 核心管理层背景
- CEO、CFO、CTO/CPO等关键高管的职业经历和行业声誉
- 管理团队在这家公司的任期——团队稳定性如何？近12个月有没有关键人员流失？
- 管理层在本行业的经验深度：是行业老兵还是"空降兵"？
- 创始人是否仍在位？创始人主导的公司通常有更强的长期愿景但也可能有治理问题
I2. 管理层激励结构
- 高管薪酬结构：固定薪资 vs 奖金 vs 股权的比例是多少？
- 股权激励是基于什么指标？（收入增长？EPS？股价？TSR？）—— 激励指标决定了管理层会追求什么
- 管理层自身持股比例：skin in the game有多少？
- 高管的股权是归属中（vesting）还是已经可以随时卖出？
I3. 治理结构评估
- 董事会独立性：独立董事占比，是否有关联交易
- 投票权结构：是否有双层/多层投票权架构（dual-class shares）？如果创始人持有超级投票权，外部投资者实际控制力极弱
- 股东友好度：历史上是否尊重股东利益？有没有损害小股东的先例？（如低价定向增发、高管天价薪酬包）
- 反收购条款（poison pill等）：是否存在？
I4. 潜在的"坑"
- Related party transactions（关联交易）
- 审计委员会的独立性和专业性
- 历史上的会计丑闻或SEC调查
- 高管的诉讼或合规问题
搜索：[代码] executive team background [代码] CEO track record [代码] executive compensation proxy statement [代码] dual class shares governance [代码] board of directors independence [代码] SEC investigation
模块J：宏观环境与政策影响
核心问题：外部环境是这家公司的顺风还是逆风？有没有正在来的"政策炸弹"？
必须回答：
J1. 宏观经济影响
- 利率环境：当前利率水平和预期走向对这家公司的影响
- 高利率环境下：高增长未盈利公司承压（折现率上升压缩估值）、有息负债成本上升
- 降息周期中：成长股受益、企业IT预算可能扩大
- 流动性环境：美联储缩表/扩表周期对市场资金面的影响
- 经济周期位置：这家公司的收入对经济周期敏感吗？（如广告业务高度顺周期，云基础设施相对抗周期）
- 汇率影响：如果公司有大量国际收入，美元走强/走弱的影响
如果用户已安装 macro-liquidity 或 us-market-sentiment skill，建议联动使用。
J2. 政策与监管
- 最新影响这家公司的法案、法规或监管动态
- 合规资质和牌照：公司是否拥有必要的合规资质？是否面临被撤销的风险？
- 反垄断：是否有正在进行的调查或诉讼？潜在的拆分/罚款风险
- AI监管：最新的AI监管政策对公司业务的影响范围
- 数据隐私法规（GDPR、CCPA等）的合规成本和限制
- 行业特定监管（如金融科技的牌照要求、医疗科技的FDA审批等）
J3. 地缘政治
- 中美关系对有大量中国收入或中国供应链的公司的影响
- 出口管制和技术制裁：最新的芯片出口限制、实体清单变化
- 区域冲突对供应链的影响
搜索：fed rate decision impact tech stocks [代码] regulatory risk [代码] antitrust investigation AI regulation latest legislation impact [代码] [代码] China revenue exposure [代码] export control impact
模块K：估值模型选择与核心假设
核心问题：用什么尺子量最合适？这把尺子的刻度基于什么假设？
执行此模块前，先读取 references/valuation-models.md
必须回答：
K1. 估值方法选择（至少2种，建议3-4种）
根据公司特征选择最适合的方法组合：
| 公司特征 | 首选方法 | 辅助方法 |
|---|
| 已盈利、成熟型 | Owner Earnings、EV/EBITDA | PEG、反向DCF |
| 高增长、已盈利 | PEG、反向DCF | EV/EBITDA、Earnings Yield+ROIC |
| 高增长、未盈利或微利 | EV/Revenue + Rule of 40、反向DCF | 参照上市可比公司的PS倍数 |
| 周期型 | EV/EBITDA（用正常化利润） | 重置成本 |
K2. 可比公司选择（Comps）
- 核心业务模式最接近哪几家公司？
- 这些可比公司的估值倍数（PE、EV/EBITDA、EV/Revenue）各是多少？
- 目标公司应该拿到什么样的premium或discount？为什么？
- 如果公司有多条业务线，是否需要分部估值（SOTP，Sum-of-the-Parts）？
K3. 核心假设表
| 假设 | 基准情景 | 牛市情景 | 熊市情景 | 来源/依据 |
|---|
| 收入增速 | X% | X% | X% | [依据] |
| 利润率 | X% | X% | X% | [依据] |
| 折现率/WACC | X% | X% | X% | [依据] |
| 终值增长率 | X% | X% | X% | [依据] |
| 估值倍数 | Xx | Xx | Xx | [依据] |
K4. 敏感性分析表（必须）
至少一个二维矩阵展示关键假设变化对估值的影响。
K5. 概率加权情景与IRR
| 情景 | 概率 | 目标价 | 隐含回报 | 关键假设 |
|---|
| 牛市 | XX% | $XXX | +XX% | [1-2句] |
| 基准 | XX% | $XXX | +XX% | [1-2句] |
| 熊市 | XX% | $XXX | -XX% | [1-2句] |
概率加权预期回报 → 隐含IRR → 是否过15%/20%门槛
IRR铁律：做多≥15%，做空≥20-25%。未达门槛 = PASS + 标注Action Price。
K6. Action Price推导（独立于当前股价）
独立估值 → 合理价值区间 → 减去15-20%安全边际 → Action Price → 然后才看当前股价
搜索：[代码] valuation EV/EBITDA PE ratio [代码] comparable companies peers valuation [代码] WACC cost of capital [代码] DCF fair value estimate Damodaran industry EV/EBITDA
模块L：筹码分布与持仓结构
核心问题：谁在买、谁在卖、多空力量对比如何？
必须回答：
L1. 股权结构
- 核心/创始人股东持股比例
- 内部高管整体持股比例
- 前10大机构股东及其持仓变化（增持/减持）
- 机构持股总占比 vs 散户持股占比
L2. 资金流向
- 最近1-2个季度的13F数据：哪些知名基金新建仓？哪些在加仓？哪些在减仓？
- 是否有知名价值/成长型基金大幅变动持仓？
- ETF持仓权重变化：是否面临指数调整的买入/卖出压力？
L3. 多空对比
- 空头仓位（Short Interest）占流通股的比例
- 空头回补天数（Days to Cover）
- 做空成本（borrow rate）：如果很高，说明空头拥挤
- 是否有知名做空机构发布做空报告？
L4. 内部人行为
- 管理层近3-6个月的买卖记录（SEC Form 4）
- 是在规律性卖出（10b5-1计划，通常是正常的税务/多元化安排）还是异常大额卖出？
- 有没有高管在"静默期"前后异常交易？
- 高管整体是净买入还是净卖出？
L5. 股票流动性（影响仓位管理）
- 日均成交量和成交额
- 买卖价差（bid-ask spread）
- 对于你的资金规模，建仓/清仓需要多少天不造成显著市场冲击？
搜索：[代码] institutional holders top shareholders [代码] 13F filings latest [代码] short interest days to cover [代码] insider buying selling SEC Form 4 [代码] average daily volume
模块M：长期监控变量清单
核心问题：买入之后，我应该盯着什么？什么信号告诉我加仓、什么信号告诉我跑？
这个模块是整份报告的"操作手册"，将前面所有分析转化为可持续跟踪的变量。
必须回答：
M1. 增量Driver（看多的条件持续成立的证据）
列出3-5个最关键的增长驱动因素，每个附带：
示例："AI业务收入增速维持>50% YoY → 每季度通过财报确认 → 如果连续降至<30%，下调conviction"
M2. 潜在的"雷"（可能导致无法长期持有的风险）
列出3-5个最危险的风险因素，每个附带：
- 为什么这是一颗"雷"而不只是"风险"
- 今天能观察到什么早期预警信号
- 如果"雷"爆了，预期的影响幅度
M3. Action Trigger（操作触发条件）
| 信号 | 动作 | 幅度 |
|---|
| 如果[具体、可量化的正面条件] | 加仓 | [比例] |
| 如果[具体、可量化的负面条件] | 减仓 | [比例] |
| 如果[具体、可量化的严重负面条件] | 清仓 | 全部 |
| 如果股价回调至$XXX（基于估值而非感觉） | 首次建仓/加仓 | [比例] |
关键要求：每个trigger必须是具体的、可量化的、可验证的。"如果增长放缓"不及格，"如果连续2个季度收入增速低于15%"才及格。
模块N（补充）：研发效率与创新管线
核心问题：这家公司的"未来"是否有足够的弹药？
必须回答：
- R&D支出占收入的比例，与同行对比
- R&D效率衡量：每投入1元研发，产出了多少新收入或多少专利？
- 创新管线（Innovation Pipeline）：正在开发中的重要产品/功能有哪些？
- 专利组合：核心专利数量、新增速度、覆盖领域
- 人才竞争力：核心技术人才的获取和留存情况（可参考Glassdoor评分、Blind评论、LinkedIn招聘活跃度）
搜索：[代码] R&D spending percentage revenue [代码] patent filings [代码] product roadmap [公司名] glassdoor engineering reviews
模块O（补充）：会计质量信号
核心问题：财报数字本身是否可信？有没有"美化"的痕迹？
必须回答：
- 应计比率（Accruals Ratio）：(净利润 - 经营现金流) / 总资产。如果持续高于5-10%，利润中"非现金"成分过高，质量可疑
- 收入确认政策变更：最近是否有会计政策变更影响收入确认时点？
- 递延收入（Deferred Revenue）趋势：对SaaS公司尤其重要——如果递延收入增速低于收入增速，可能预示未来放缓
- 表外项目：经营租赁承诺、或有负债、非并表的投资或SPV（特殊目的载体）
- 审计意见：最近一次审计意见是无保留意见吗？有没有强调事项段？
搜索：[代码] accounting quality accruals [代码] deferred revenue trend [代码] off balance sheet [代码] audit opinion
模块P（补充）：ESG与机构资金流入/流出筛查
核心问题：有没有非基本面的资金流入/流出因素需要考虑？
为什么重要：越来越多的大型机构（主权基金、养老金）有ESG筛选标准。一只股票即使基本面优秀，如果被大型机构列入ESG排除名单，可能面临持续的资金外流压力。反过来，ESG评级提升可能带来被动资金流入。
必须回答：
- 公司的主要ESG评级（MSCI ESG Rating、Sustainalytics等）
- 是否有ESG相关的争议事件可能导致机构投资者撤出？
- 指数纳入/剔除预期：是否可能被纳入或剔除主要指数（S&P 500、MSCI系列等）？这会带来被动资金的大幅买入/卖出
搜索：[代码] ESG rating MSCI [代码] index inclusion exclusion [代码] institutional investor controversy
第二步：6大投资哲学视角
执行此步骤前，先读取 references/investing-philosophies.md
用6种不同的投资世界观审视同一组数据。这种"内部辩论"本身就是去偏见的过程。
| 视角 | 代表人物 | 核心问题 | 时间范围 | 关键指标 |
|---|
| 质量复利 | 巴菲特、芒格 | 20年后这家公司会更强吗？ | 永久 | ROIC趋势 |
| 想象力成长 | Baillie Gifford、ARK | 如果一切顺利，上行空间有多大？ | 5年+ | 收入增长 |
| 基本面多空 | Tiger Cubs | 市场漏掉了什么？Variant View是什么？ | 1-3年 | EV/EBITDA |
| 深度价值 | Klarman、Howard Marks | 私人买家会出多少钱买下整家公司？ | 耐心等待 | 重置成本 |
| 催化剂驱动 | Tepper、Ackman | 什么具体事件会触发市场重新定价？ | 6-18月 | 催化剂时间线 |
| 宏观战术 | Druckenmiller | 当前流动性环境对这只股票意味着什么？ | 随周期 | 美联储政策 |
对每个视角回答：
- Long / Short / Pass？
- 核心理由（1-2句）
- 最大风险
- 如果Pass：哪种风格的投资者可能有不同看法？
第三步：Variant View（变异视角）
这是整份报告的灵魂。 如果你的结论和市场共识完全一致，你的分析没有增加任何价值。
市场共识认为___。我们认为___。他们错了因为___。
回答：
- 市场当前的共识定价隐含了什么假设？（通过分析师评级分布、远期PE、反向DCF隐含增长率来判断）
- 这个假设为什么是错的？
- 证据链是什么？
第四步：反偏见与 Pre-Mortem
执行此步骤前，先读取 references/bias-checklist.md
包含：6大认知陷阱自检、7大财务红旗、5大科技股盲区、Pre-Mortem事前尸检。
第五步：综合判断与输出
输出模板
# $[代码]: [一句话浓缩投资论点——这个标题就是你的Variant View]
## 执行摘要
[2-3段直接给出结论、conviction level和核心理由。第一句话就是推荐动作。]
**TL;DR:**
- [推荐动作 + 信心水平]
- [最核心的Key Force]
- [最大风险 / Kill Condition]
- [估值 vs 当前价格 + 隐含IRR]
---
## Key Forces（决定性力量）
[1-3个Key Forces的深入分析，每个2000-3000字符，一手来源引用]
---
## A. 收入规模与质量
[A1-A3的分析结果]
## B. 盈利能力与利润率
[B1-B3的分析结果]
## C. 现金流与资本配置
[C1-C4的分析结果]
## D. 前瞻指引与管理层信号
[D1-D4的分析结果，含QoQ/YoY对比表]
## E. 竞争格局与行业位置
[E1-E4的分析结果，含行业排名和竞争对手对比]
## F. 核心观察指标
[为这家公司量身定制的2-5个KPI及跟踪基准]
## G. 核心产品与新业务叙事
[G1-G4的分析结果]
## H. 合作伙伴与供应链生态
[H1-H3的分析结果]
## I. 高管团队与治理
[I1-I4的分析结果]
## J. 宏观与政策影响
[J1-J3的分析结果]
---
## K. 估值矩阵
### 多方法估值对照
| 方法 | 估值/信号 | 判断 | 关键假设 |
|------|----------|------|---------|
| ... | ... | ... | ... |
### 可比公司倍数对照
| 公司 | PE | EV/EBITDA | EV/Revenue | 增速 | 备注 |
|------|-----|----------|-----------|------|------|
| 目标公司 | | | | | |
| 可比1 | | | | | |
| 可比2 | | | | | |
### 敏感性分析
[二维矩阵表]
### 概率加权情景
| 情景 | 概率 | 目标价 | 回报 | 关键假设 |
|------|------|--------|------|---------|
| 牛市 | XX% | $XXX | +XX% | ... |
| 基准 | XX% | $XXX | +XX% | ... |
| 熊市 | XX% | $XXX | -XX% | ... |
**概率加权预期回报**：$XXX（+XX%）| **隐含IRR**：XX%
---
## L. 筹码分布
[L1-L5的分析结果]
---
## 变异视角（Variant View）
**市场共识**：...
**我们的观点**：...
**为什么市场错了**：...
## 6大投资哲学视角汇总
| 视角 | 结论 | 核心理由 | 最大风险 |
|------|------|---------|---------|
| ... | ... | ... | ... |
## Pre-Mortem：如果2年后亏了钱
1. 失败路径A：...
2. 失败路径B：...
3. 失败路径C：...
## 反偏见检查结果
### 🔴 红旗 | ### 🟡 黄旗 | ### ✅ 绿灯
---
## M. 长期监控变量清单
### 增量Driver
| # | 驱动因素 | 跟踪指标 | 当前基准值 | 检查频率 |
|---|---------|---------|-----------|---------|
| 1 | ... | ... | ... | 每季度 |
### 潜在的"雷"
| # | 风险因素 | 早期预警信号 | 影响幅度 |
|---|---------|------------|---------|
| 1 | ... | ... | ... |
### Action Trigger
| 信号 | 动作 | 幅度 |
|------|------|------|
| 如果[正面条件] | 加仓 | X% |
| 如果[负面条件] | 减仓 | X% |
| 如果[严重负面条件] | 清仓 | 全部 |
| 股价回调至$XXX | 建仓/加仓 | X% |
---
## 决策框架
**持仓分类**：[核心持仓 / 战术持仓 / 做空候选 / PASS]
**Action Price**：买入$XXX | 加仓$XXX | 减仓$XXX
**建仓节奏**：[分N批，每批XX%]
**仓位**：占科技股配置的X%（理由：...）
---
## 证据来源
| # | 来源 | 链接 | 类型(一手/事实/观点) | 摘要 |
|---|------|------|-------------------|------|
## ⚠️ 免责声明
此分析基于公开信息和模型推算，仅供研究参考。不构成投资建议。
写作纪律
- 开头直接给结论，不要"本报告旨在分析..."
- 80%以上主动语态
- 删除废话词：actually、really、basically、essentially
- 有证据时断言，真正不确定时诚实标注
- 与Key Forces直接相关的模块给2-3倍篇幅，其余正常覆盖
- 结尾是Action Trigger和监控清单，而非拖沓的总结
与已有Skills的协同
- us-value-investing：完成本分析后，建议额外运行四维价值评分做交叉验证
- us-market-sentiment：模块J涉及宏观情绪时联动
- macro-liquidity：流动性环境是Key Force时联动
与子技能的协同工作流
📊 技能架构图
┌─────────────────────────────────────────────────────────┐
│ tech-earnings-deepdive (主技能) │
│ 16 模块分析 + 6 大投资视角 + 估值矩阵 + 决策框架 │
└────────────────────┬────────────────────────────────────┘
│
┌───────────┼───────────┬───────────┐
▼ ▼ ▼ ▼
┌─────────────┐ ┌─────────┐ ┌──────────┐ ┌──────────┐
│us-value- │ │macro- │ │btc-bottom│ │us-market │
│investing │ │liquidity│ │-model │ │sentiment │
│四维价值评分 │ │流动性 │ │BTC 底部 │ │市场情绪 │
│(ROE/负债/ │ │(Fed/ │ │(RSI/ │ │(NAAIM/ │
│现金流/护城河)│ │SOFR/MOVE│ │MVRV/矿工)│ │机构/散户) │
└─────────────┘ └─────────┘ └──────────┘ └──────────┘
场景 1: 完整科技股分析（推荐）
步骤:
- 运行主技能
tech-earnings-deepdive 进行 16 模块深度分析
- 联动子技能 根据分析内容自动建议运行相关子技能：
- 模块 D(ROE 可持续性) → 建议运行
us-value-investing 交叉验证
- 模块 J(宏观流动性) → 建议运行
macro-liquidity 获取环境评估
- 模块 L(市场情绪) → 建议运行
us-market-sentiment 获取 sentiment 数据
- 综合判断 整合主技能和子技能结果，形成最终投资建议
触发条件:
用户："帮我分析一下 AAPL 最新财报"
↓
主技能分析完成
↓
检测到模块 D ROE 评分高 → 建议："建议运行 us-value-investing 进行四维价值评分交叉验证"
检测到模块 J 提及流动性紧张 → 建议："建议运行 macro-liquidity 评估宏观环境"
场景 2: 宏观驱动分析
步骤:
- 先运行
macro-liquidity 评估流动性环境
- 如流动性评级为"紧张"或"危险"，在模块 J 中引用并调整仓位建议
- 根据流动性评级调整整体科技股仓位
示例:
macro-liquidity 输出：流动性评级 = "危险"
↓
tech-earnings-deepdive 模块 J 引用：
"当前宏观流动性处于危险水平 (SOFR 飙升，MOVE 指数高位)，建议降低科技股仓位至 50%"
↓
最终仓位建议：从 100% 降至 50%
场景 3: 加密货币分析
步骤:
- 运行
btc-bottom-model 判断底部区域
- 如进入底部区域，联动
macro-liquidity 确认宏观环境
- 综合判断建仓时机
示例:
btc-bottom-model 输出：底部评级 = "深度底部区"
macro-liquidity 输出：流动性评级 = "改善中"
↓
综合建议："BTC 进入底部区域，宏观流动性改善，建议分批建仓 (30% → 50% → 20%)"
场景 4: 市场情绪极端时
步骤:
- 运行
us-market-sentiment 评估市场情绪
- 如情绪极端 (极度贪婪/极度恐惧)，在主技能中调整反向操作建议
- 结合估值矩阵判断是否逆向投资
示例:
us-market-sentiment 输出：情绪评级 = "极度恐惧" (NAAIM < 20)
↓
tech-earnings-deepdive 模块 L 引用：
"市场情绪极度恐惧，历史上这是逆向买入的良机"
↓
投资建议："建议逆向建仓优质科技股，优先选择现金流强劲、估值合理的标的"
输出格式说明
默认输出: HTML 格式（美观、可交互、适合分享）
MD 格式: 仅在用户明确要求时输出（如"输出为 markdown"）
文件命名:
- 主技能：
2026-03-24_AAPL_Q1.html
- us-value-investing:
2026-03-24_AAPL_value.html
- macro-liquidity:
2026-03-24_AAPL_macro.html
- btc-bottom-model:
2026-03-24_BTC_bottom.html
- us-market-sentiment:
2026-03-24_market_sentiment.html
所有输出文件统一存放在 ~/.openclaw/workspace/output/tech-earnings-deepdive/
