원클릭으로
investor-panel
// 50 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json,让 50 位投资者各自按自己的方法论打分并输出 Pydantic Signal(signal/confidence/score/verdict/comment)。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派 7 大流派。当用户请求"评审团/50 大佬怎么看/某某会买吗/做一次大佬投票"时使用。
// 50 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json,让 50 位投资者各自按自己的方法论打分并输出 Pydantic Signal(signal/confidence/score/verdict/comment)。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派 7 大流派。当用户请求"评审团/50 大佬怎么看/某某会买吗/做一次大佬投票"时使用。
个股深度分析的核心工作流。当用户要求"深度分析 / 全面分析 / 帮我看看 / 值不值得买 / DCF / 机构建模 / 首次覆盖 / 投委会备忘录"等涉及个股研究的请求时触发。覆盖 A 股、港股、美股,产出 22 维数据 + 51 位大佬量化评审 + 6 种机构级估值建模 (DCF/Comps/LBO/3-Stmt/Merger) + 7 种研究产物 (首次覆盖/财报解读/催化剂日历/投资逻辑追踪/晨报/量化筛选/行业综述) + 6 种决策方法 (IC Memo/DD/Porter/单位经济/VCP/再平衡) + 杀猪盘检测,最终生成 Bloomberg 风格 HTML 报告 + 社交分享战报。关键词:股票、个股、深度分析、估值、DCF、comps、首次覆盖、IC memo、杀猪盘、龙虎榜、akshare。
龙虎榜深度分析器。识别游资席位、判断机构 vs 游资博弈、对照同板块龙虎榜找辨识度龙头。当用户问"谁在买这只票/最近龙虎榜怎么样/X游资有没有上榜/这是不是X的票"时使用。
杀猪盘检测器。当用户提到"朋友推荐"、"群里说"、"老师带"、"内幕消息"、"小红书 / 抖音看到推荐"等关键词,或显式要求"看看是不是杀猪盘 / 检测一下风险 / 这只票安全吗"时使用。扫描 8 个信号给出风险评级 🟢🟡🟠🔴。
| name | investor-panel |
| description | 50 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json,让 50 位投资者各自按自己的方法论打分并输出 Pydantic Signal(signal/confidence/score/verdict/comment)。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派 7 大流派。当用户请求"评审团/50 大佬怎么看/某某会买吗/做一次大佬投票"时使用。 |
| version | 3.3.1 |
| author | FloatFu-true |
| license | MIT |
| metadata | {"hermes":{"tags":["finance","investor-panel","voting","role-play","a-share","value-investing","growth-investing"],"related_skills":["deep-analysis"]}} |
读取以下输入:
.cache/{ticker}/dimensions.json — 19 维评分.cache/{ticker}/raw_data.json — 原始数据scripts/lib/investor_db.py — 50 人元数据scripts/lib/seat_db.py — 22 位游资射程规则输出:
.cache/{ticker}/panel.json — 50 个 Signal + 投票统计每个投资者必须返回严格 JSON:
{
"investor_id": "buffett",
"name": "巴菲特",
"group": "A",
"avatar": "avatars/buffett.svg",
"signal": "bullish | neutral | bearish",
"confidence": 87,
"score": 82,
"verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合",
"reasoning": "1-3 句具体逻辑",
"comment": "用该投资者语言风格的金句 1-2 句",
"pass": ["..."],
"fail": ["..."],
"ideal_price": 16.20,
"period": "3-5 年"
}
Confidence 校准规则:
from lib.investor_db import INVESTORS, by_group
from lib.seat_db import SEATS, is_in_range
fields 白名单对 22 位游资,先用 is_in_range(nickname, ticker_features) 判断是否在射程内:
signal: "neutral", verdict: "不适合", confidence: 90, comment: "{nick}的射程是{style},这只票不在风格内。"{
"panel_consensus": (bullish_count / 50) * 100,
"vote_distribution": Counter(verdict for i in investors),
"signal_distribution": Counter(signal for i in investors),
"investors": [...]
}
按需读取下列 references:
| 组 | 文件 | 人数 |
|---|---|---|
| A 经典价值 | references/group-a-classic-value.md | 6 |
| B 成长投资 | references/group-b-growth.md | 4 |
| C 宏观对冲 | references/group-c-macro-hedge.md | 5 |
| D 技术趋势 | references/group-d-technical.md | 4 |
| E 中国价投 | references/group-e-china-value.md | 6 |
| F 游资 | references/group-f-china-youzi.md | 22 |
| G 量化系统 | references/group-g-quant.md | 3 |
每次生成 comment 之前必须读 references/quotes-knowledge-base.md 查找该投资者的真实公开原话和"风格"字段。这是知识库 single source of truth。
每位投资者的 comment 字段必须像他本人:
每组 reference 文件末尾有 3-5 句真实公开语录作为 few-shot。