stock-research

name	stock-research
description	自动化股票投资研究工作流 - 使用 NotebookLM Deep Research 搜集财报/研报资料，提取结构化数据,然后由代理执行 6 阶段专业分析（业务/财务/估值/市场观点/驱动因子/投资建议）。Use when researching stocks, analyzing company fundamentals, or evaluating investment opportunities.

股票投资研究自动化

自动化执行完整的股票投资研究流程：利用 NotebookLM 搜集和提取结构化数据，然后由代理进行深度分析和洞察。

前置条件

必须先配置 NotebookLM 认证和代理：

# 设置代理环境变量（如需要）
$env:HTTP_PROXY='http://127.0.0.1:<PORT>'  # 替换为你的代理端口
$env:HTTPS_PROXY='http://127.0.0.1:<PORT>'
$env:PYTHONIOENCODING='utf-8'

# 验证 NotebookLM 认证状态
notebooklm status

如果未登录，参考 notebooklm skill 的说明完成登录。

工作流程概览

完整研究流程分为 4 个阶段：

1. 资料搜集（NotebookLM）：创建笔记本 → Deep Research → 导入资料
2. 结构化提取（NotebookLM）：从 40-50 个文件中提取结构化数据
3. 深度分析（代理）：基于结构化数据执行 6 阶段专业分析
4. 输出报告：生成完整投资研究报告

阶段 1：资料搜集（NotebookLM）

步骤 1.1：解析目标公司

从用户输入中提取：

• 公司名称（中文/英文）
• 股票代码（如提供）
• 交易所（如提供）

步骤 1.2：创建专用笔记本

notebooklm create "投资研究: [公司名称]" --json

解析返回的 notebook_id 并设置上下文：

notebooklm use <notebook_id>

步骤 1.3：启动 Deep Research

notebooklm source add-research "[公司名称] [股票代码] 财报 年报 10-K 10-Q 电话会 earnings call 券商研报 analyst report" --mode deep --no-wait -n <notebook_id>

步骤 1.4：等待研究完成

notebooklm research wait -n <notebook_id> --import-all --timeout 1800

完成后，笔记本中将有 40-50 个导入的资料（财报、研报、电话会记录等）。

阶段 2：结构化数据提取（NotebookLM）

核心策略：在 NotebookLM 内部完成结构化提取，避免加载大量原始全文到上下文。

使用 notebooklm ask 命令执行以下 5 个提取任务。每个任务的提示词详见 references/prompts.md。

提取任务清单

任务	目标	输出格式
1. 业务构成数据	收入结构、利润构成、产品描述	结构化表格
2. 财务 KPI 数据	过去 3-5 年关键财务指标	结构化表格
3. 估值数据	历史估值倍数、竞争对手名单	结构化表格 + 列表
4. 市场观点汇总	分析师评级、共识观点	结构化列表
5. 管理层与分析师观点原文	驱动因素、风险点（原文摘录）	原文引用
6. 核心风险与下行推演	10-K Item 1A Risk Factors, 诉讼, 客户集中度	结构化列表
7. 前瞻指引与催化剂	业绩指引 (Guidance), 新品发布, 重大事件	结构化列表

执行提取

对每个任务，运行：

notebooklm ask "<提取提示词>" -n <notebook_id> --json

将返回的结构化数据保存到变量中，供后续分析使用。

补充：竞争对手估值数据（联网抓取）

从提取任务 3 获取竞争对手名单后，使用 search_web 或直接查询 Yahoo Finance 获取实时估值数据：

搜索: "[竞争对手名称] PE ratio PS ratio PB ratio site:finance.yahoo.com"

构建对比表格（目标公司 vs. 竞争对手）。

阶段 3：深度分析（代理侧）

此时上下文中只有结构化数据，不再有大量原始全文。

基于提取的结构化数据，执行 6 阶段专业分析。每个阶段的详细提示词见 references/prompts.md。

分析阶段清单

阶段	分析内容	数据来源
1. 业务构成与竞争力	收入/利润拆解、护城河分析	提取任务 1
2. 财务指标与健康度	KPI 趋势、审计师视角	提取任务 2
3. 估值分析	历史估值、同行对比、合理性判断	提取任务 3 + 联网数据
4. 市场共识与独特视角	共识观点 + 模型洞察	提取任务 4 + 模型推理
5. 关键驱动因子与系统图谱	模型构建因果关系	提取任务 5, 7 + 模型推理
6. 综合投资建议	投资论点、风险、估值区间、操作建议	整合所有分析 + 提取任务 6

重要说明：

• 阶段 4 的"独特视角"：不是从资料中摘录，而是由模型基于所有数据主动挖掘市场可能忽视的洞察。
• 阶段 5 的"驱动因子与系统图谱"：由模型识别核心驱动因子、分析相互关系、构建因果链，而非简单罗列资料中的观点。

用户投资偏好

在阶段 6 给出建议时，结合以下偏好：

• 基本面扎实：财务健康、业务逻辑清晰
• 估值合理：不追高，寻找合理估值区间
• 有弹性（成长空间）：未来有明确的增长驱动因素

阶段 4：输出报告

整合 6 个阶段的分析内容，生成完整的投资研究报告。

报告结构

# [公司名称] 投资研究报告

## 执行摘要
[1-2 段概括核心投资逻辑和建议]

## 1. 业务构成与竞争力分析
[阶段 1 的分析内容，包含表格]

## 2. 财务指标与健康度分析
[阶段 2 的分析内容，包含表格]

## 3. 估值分析
[阶段 3 的分析内容，包含对比表格]

## 4. 市场共识与独特视角
[阶段 4 的分析内容，突出独特洞察]

## 5. 关键驱动因子与系统图谱
[阶段 5 的分析内容，包含因果关系图]

## 6. 投资建议
[阶段 6 的综合建议]

---
*本报告由 stock-research skill 自动生成，基于 NotebookLM Deep Research 搜集的公开资料。*

自治规则

自动运行（无需确认）：

• 创建笔记本
• 启动 Deep Research
• 执行所有提取任务
• 执行所有分析阶段
• 生成最终报告

提示用户（需确认）：

• 如果 Deep Research 超时（30 分钟），询问是否继续等待或使用已有资料
• 如果提取的数据明显不完整（如缺少关键财务指标），询问是否手动补充

错误处理

错误场景	处理方式
NotebookLM 认证失败	提示用户运行 notebooklm login
Deep Research 超时	询问是否继续等待或使用已有资料
提取数据不完整	记录缺失项，继续分析并在报告中标注
联网查询失败	使用资料中的估值数据，标注竞争对手数据缺失

注意事项

1. 代理配置：如果用户网络需要代理，确保在所有 notebooklm 命令前设置环境变量。
2. 时间预估：完整流程约需 20-30 分钟（Deep Research 15-30 分钟 + 提取和分析 5-10 分钟）。
3. 数据时效性：报告基于 Deep Research 搜集的公开资料，时效性取决于资料发布时间。
4. 投资建议免责：本 Skill 生成的报告仅供参考，不构成投资建议。