股票价值分析器（Stock Value Analyzer）v2.4

> v2.4 更新（2026-09-29）— 取数脚本两类「静默故障」修复：不抛异常，但让结论全错
>
> 这两个 bug 的共同特征是脚本照常返回 0 退出码，errors[] 也是空的，
> 于是 AI 以为取数成功，继续往下写报告 —— 这比直接报错危险得多。
>
> ① AkShare 行情静默返回空
> 全市场快照接口返回空表（限流/风控）、代码列名漂移（代码→symbol）、代码格式不匹配
> （00700 vs 0700 vs hk00700）、字段值为 0 —— 四种情况旧版都不抛异常，
> spot 静静变成 {}，报告只是「没有现价」，极易被顺手用研报目标价或 52 周区间顶替（v1.3 的血泪教训重演）。
> - 新增 _fetch_diagnostics：每个接口每一步都记账（ok / empty / not_found / schema_drift / field_missing / error）
> - 代码匹配改为归一化比对，兼容前导零与市场前缀；代码列名多候选自动识别
> - 港股新增两级价格兜底（东财日线 → 新浪快照）、A 股新增跨域兜底（新浪日线，脱离东财单点依赖）
> - 缺价/兜底/量纲异常一律写入顶层 errors 与 meta.data_health，并新增 --strict（不达标以退出码 3 硬失败）
> - 附带修复 1：yfinance 限流时会产出「字段齐全但值全为 null 的空壳 models」，旧判据据此认为
> models_ok=True 而整段跳过 AkShare 明细兜底 → 现要求 time_series.fiscal_periods 非空
> - 附带修复 2（同类静默空，影响更大）：非日历财年被硬编码 -12-31 滤空。
> 苹果 9 月底、微软 6 月底、英伟达 1 月底、大量港股 3 月底 —— 明细接口返回几百行，
> 却被筛成 0 行，time_series 空、models 全 null 且不报错。更隐蔽的是采用 52/53 周财年历
> 的公司（苹果财年末在 09-24~10-01 间浮动），若只按「MM-DD 众数」筛，会得到
> 「2025 / 2014 / 2008 / 2003」这种跨 20 年的稀疏序列 → "上一期"变成 11 年前，同比与 CAGR 全错。
> 现改为 pick_annual_dates()：按财年结束月（含跨月漂移窗口）圈定 + 每财年只取最晚一期。
> 实测 AAPL：修复前营收 CAGR 21.1% / ROE 120.9%（均错），修复后 7.58% / 171.42%（与 API ROE 完全一致）。
>
> ② 杜邦分解单位错乱导致 ROE 失真
> ROE = 净利率 × 周转率 × 权益乘数，分子来自利润表、分母来自资产负债表，是跨表比率。
> 一旦两表量纲不一致（千元 vs 元）、股东权益科目错位、或把 API 的百分数 ROE 当小数用，
> ROE 会整体偏离 10^k 倍。实测：东财港股接口 ROE_AVG=21.13（百分数）被直接透传，
> 与杜邦 ROE 0.2113 相差 100 倍，前置 6 的「差异 >15% 须并列两者」形同虚设。
> - 新增 value_models.check_unit_consistency()：硬锚点定量修正 + 软锚点告警
> - 硬锚 1 资产负债表恒等式 (总资产−总负债)/股东权益 ≈ 1 → 定位股东权益量纲偏离
> - 硬锚 2 API 报告 ROE → 定位利润表相对资产负债表的量纲偏离
> - 软锚 3 四类比率合理区间（ROE / 周转率 / 折旧÷固定资产 / 经营现金流÷净利）
> - 只认 10 的整数次幂：单位错乱必为 10^k；1.3 倍、3 倍的偏离是口径差异
> （年报/TTM、归母/含少数股东、平均/期末），只告警、不修正，避免把口径差异洗掉
> - 不可定量 → 不硬凑：dupont/roic/growth_consistency.roe_* 全部置 applicable=False，报告必须标 NA
> - 全引擎百分数字段统一 ÷100 并标注 _unit；新增 models._unit_health 一眼可读「ROE 能不能引用」
> - 自检脚本新增 C10（量纲与 ROE 越界引用）/ C11（取数健康度披露） 机器门禁
>
> ---
>
> v2.3 更新（2026-08-09）— 跨市场税负差异强制纳入择市决策
>
> 原框架对多地上市标的（AH /ADR / 多重上市）只比名义价差，这会导致择市结论反向。
>
> 实测教训（中国移动 2026-08）：按名义 AH 溢价 27.5% 判定「A 股在溢价 >20% 时均不构成价值投资标的」；计入 H 股港股通 20% 股息税后，税后实际溢价仅约 1.9%，纯红利投资者选 A 股税后到手反而多 25%——结论直接反转。
>
> v2.3 修正：
> 1. 新增前置 7「跨市场税负差异校验」铁律：多地上市标的禁止仅用名义价差下择市结论。
> 2. 新增税负临界溢价公式 prem* = (1−t_A)/(1−t_H) − 1：与股价、股息、汇率全部无关，只取决于税率差。港股通 H 股 vs A 股长持的临界溢价恰为 +25%。
> 3. 择市结论必须按投资目的分层（纯红利 / 红利+估值修复 / 成长 / 短期），禁止给单一的「买 A 还是买 H」。
> 4. 税率取决于「投资者身份 × 持有渠道 × 标的注册地」，不是「标的在哪上市」：同一只港股，港股通持有 20%、香港券商直持 H 股 10%、直持红筹股 0%。
> 5. 新增 references/cross-market-tax-guide.md：主要市场股息/资本利得税对照、隐性成本（ADR 托管费、港股通汇兑价差、双边印花税）、三张必备产出表。
>
> ---
>
> v2.2 更新（2026-07-30）— 评分体系数学自洽化 + 量化模型口径修正
>
> v2.0/v2.1 建立了双层架构，但执行层存在会导致结论反向的硬伤。v2.2 专治这些问题：
>
> 1. 评分归一为纯 100 分制：公司分把时序补为正式维度（护城河 35 + 财务质量 30 + 管理层 20 + 时序 15 = 100），不再是"90 分池 + ±10 校准"；逆向/定价权明确为加法绝对分并纳入分母，消除"±10%"是乘法还是加法的歧义。
> 2. 估值硬模型占实分：反向 DCF 与情景/EPV/SOTP 从"不占分"升级为估值模块 60 分主体，兑现"便宜要用模型证明"。
> 3. 一票否决分两档：造假类 → ❌ 出局；破产/结构类 → 🔴 封顶，且必须显式写"原始分 → 否决结果"。
> 4. Altman Z 双版本路由：按资产结构自动选 原始 Z（制造业）或 Z''（非制造业，剔除 X5）。轻资产/科技股此前被原始 Z 系统性低估（实测差 3.67），存在"破产高危"误杀风险。
> 5. 反向 DCF 抗操纵：基准 FCF 默认近 3 年均值（不再单年快照，实测单年口径可虚高隐含增速 11pct）；折现率/永续增速/年限可传参；强制输出 WACC 敏感性矩阵。
> 6. CAGR 按实际年跨度计算：修复"缺失年致分母缩水、CAGR 被高估"（实测高估 6.75pct，直接污染贵/便宜判断）。
> 7. 模型可用性护栏升级：Piotroski 新增 data_coverage/applicable（覆盖不足禁引总分）；行业判别新增 confidence，低置信度禁止 M/Z 否决——修复港股分支曾把公司名当行业传入、致金融股被跑造假模型的误杀风险。
> 8. A 股能力对齐港股：改用三大报表明细，M-Score / Z-Score / 反向 DCF 从"全 NA"变为可用。
> 9. 历史估值分位有了取数路径：该项占估值分权重却长期无数据源（幻觉高发区），现由脚本取真实历史序列。
> 10. 交卷前自检脚本化：新增 scripts/self_check.py，把量化一致性、算术回验、越界引用检测从"靠自律"变为机器门禁。
>
> 核心理念：用合理的价格，买好行业里的好公司，然后拿得住。信条——定性看方向，定量定边界，两层都过才算数；模型不可用时诚实标注 NA，绝不硬凑；跨市场必看税后到手。

概览

本 Skill 基于邱国鹭《投资中最简单的事》的投资方法论，对单只股票进行系统化的价值投资评估，输出"能不能买、该不该买、什么价位买"的结构化结论。

做的事：
- 从行业、公司、价格三个维度做双层评估（量化硬模型 + 定性框架）
- 反向 DCF 反解市场隐含增速，判断当前价格"打的什么算盘"
- 用 F-Score / M-Score / Z-Score 给财务质量打分、识别造假与破产风险
- 用杜邦分解区分"经营驱动 ROE"还是"杠杆堆出来的 ROE"
- 看 5-10 年时间序列趋势，而非单年快照
- 识别护城河、定价权、估值陷阱，逆向思维检查市场情绪

不做的事：
- 不预测短期股价涨跌、不做技术面分析（K线/均线）
- 不推荐具体买卖时点、不替代用户的独立判断
- 不依赖任何个人持仓/组合数据——本 Skill 为通用、可独立发布的分析框架

方法论框架

核心公式

投资价值 = 好行业 × 好公司 × 好价格

三个维度缺一不可。任一维度得分过低，整体结论就是"不适合投资"。

双层判断架构（核心）

每个维度都按"量化层 → 定性层"两层评估，缺一不可：

            ┌─────────────────────────────────────────────┐
            │  量化层（可复现硬模型，由脚本计算）          │
            │  反向DCF / 情景估值 / EPV / 杜邦 / ROIC      │
            │  F-Score / M-Score / Z-Score / 盈余质量      │
            │  时间序列趋势 / CAGR / 归一化盈利            │
            └──────────────────┬──────────────────────────┘
                               │  提供客观证据与边界
                               ▼
            ┌─────────────────────────────────────────────┐
            │  定性层（邱国鹭三好框架，人类判断）          │
            │  行业格局 / 护城河 / 定价权 / 管理层 / 逆向  │
            │  波特五力 / 生命周期 / 产业链 / 资本配置     │
            └─────────────────────────────────────────────┘

• 量化层定边界：给出客观区间（如反向 DCF 隐含增速 = 12%），回答"市场已经定价了什么"。
• 定性层定方向：判断量化结果是否合理（如"12% 增速在成熟期消费股上明显过度乐观"）。
• 两层冲突时：以更保守的一方为准，并在报告中显式说明分歧来源。

时间维度权重

→ 本分析器聚焦中期和长期维度。

🔴 前置环节：取数与校验（强制，不可跳过）

> 冗长的校验细则已下沉到参考手册，主文件只保留铁律与挂载点。每一条铁律违反即视为校验未通过，报告不得发布。

前置 1：API 优先取数（铁律 + 自动算模型）

铁律：能用 API 绝不用网页。yfinance + AkShare 双引擎是第一信源，网页抓取仅作兜底。

每份报告第一动作必须执行取数脚本：

# 港股 / A 股 / 美股 / 韩股（v2.2 新增 KR/JP/TW/UK/SG/IN/DE）
python .codebuddy/skills/stock-value-analyzer/scripts/fetch_stock_data.py --symbol 0700.HK --market HK
python .codebuddy/skills/stock-value-analyzer/scripts/fetch_stock_data.py --symbol 600519 --market A
python .codebuddy/skills/stock-value-analyzer/scripts/fetch_stock_data.py --symbol AAPL  --market US
python .codebuddy/skills/stock-value-analyzer/scripts/fetch_stock_data.py --symbol 005930 --market KR

# 金融股必传（禁用 M/Z-Score 防误杀）；周期股基准 FCF 用归一化
--industry-type financial
--fcf-base normalized
# 折现率按个股资本结构调整（成熟蓝筹 0.08-0.10 / 高 beta 成长股 0.10-0.13）
--wacc 0.11 --terminal-growth 0.025
# 港股财报人民币、市值港币时必传汇率，否则反向DCF与 Z-Score 的 X4 失真
--fx-market-to-report 0.917
# 换假设复算无需重新联网（避免限流）
--offline ./.svadata/value_analysis_0700_HK.json --wacc 0.10
# v2.4：严格模式 —— 现价缺失或量纲体检未通过时以退出码 3 硬失败（防"静默降级"蒙混过关）
--strict

输出 JSON 字段组：

• 跨市场标的（AH/ADR）必须分别独立调用，禁止汇率换算。
• 取数后必检查 meta.engines_used / errors；两引擎都失败时报告首页 ⚠️ 标注"数据降级"。
• v2.4 铁律：必读 meta.data_health。 price_status=MISSING → 禁止继续估值分析，须人工换源取价
  （绝不允许用研报目标价 / 52 周区间 / 分析师预期顶替现价）；price_source 含 hist/daily/sina/derived
  → 报告须标注"非实时收盘价 + 取数时点"；silent_empty_apis 非空 → 在 K.4 说明哪些接口本次无数据。
• 百分数与小数口径已在 v2.4 统一为小数（profitability.* / dividend.* 均带 _unit 标注）。
  引用任何比率前先看 _unit，禁止把 21.13 与 0.2113 混着写进同一张表。
• 必读 models._data_source_level：report_detail = 明细级（模型可信）；abstract_only = 摘要级（M/Z/反向 DCF 为 NA，须标"数据降级"）。
• 禁止用经营现金流冒充 FCF；_market_cap_used.source 若为 derived(...)，报告须如实标注市值系派生并换源复核。

> 详见 → references/api-data-source-protocol.md（双引擎分工、字段映射、降级策略）

前置 2：多信源数据校验（铁律）

铁律：一切分析建立在可信数据之上。单一信源 = 错误风险。

三条不可逾越的红线（完整操作手册见参考文件）：
1. 价格类数据 ≥ 3 个独立权威源交叉验证（1 个 API 源 + 1-2 个网页源即满足）；每个价格必标 [数据类型 / 取数时间戳 / 币种]。
2. 数据类型混淆是头号红线：严禁把研报目标价 / 52 周区间 / 分析师一致预期 / DCF 估值当作"现价"。（血泪教训：海尔 06690 把研报目标价 HK$31.30 误当现价，实际仅 20.86，结论全反。）
3. 跨市场标的分别独立取数，AH 溢价方向必须从原始价格重算。

> 详见 → references/data-verification-protocol.md（9 类字段校验流程、口径对齐、冲突处理、Red Flags、校验记录表模板）

前置 3：信源等级强制标注（铁律）

铁律："列出信源" ≠ "标注等级"。不分级的信源列表等于没有校验。

• 每个定量数据必须在行内/相邻列标注信源等级，且至少 1 个 🟢🟢 二级权威以上。
• "二级媒体互相抄录"视为单源，降级 🟡；报告末尾 K.4 必须列出所有 🟡/🔴 弱信源。

前置 4：近 30 天重大事件扫描（铁律）

铁律：财报反映过去，新闻预示未来。只看历史数字做估值，等于开车只看后视镜。

必扫 5 类（含竞争对手动作）：① 监管/政策 ② 管理层变动 ③ 重大战略 ④ 重大诉讼/安全 ⑤ 重大合作/并购/融资。🔴 级事件须在报告首页单列专栏并显式调分。

前置 5：强制提取时间序列（铁律）

铁律：禁止只用单年快照评估"好公司/好价格"。 取数脚本已自动提取 time_series，报告公司模块与估值模块必须引用至少 5 年序列趋势（ROE 一致性、毛利率走向、营收/FCF CAGR、股本变化）。

• 引用 CAGR 时必须同时看 growth_consistency.*_cagr_detail 的 years_span / gaps；gaps > 0 须在报告披露（缺失年会降低置信度）。

> 详见 → references/time-series-analysis.md

前置 6：模型可用性护栏（v2.2 新增铁律）

铁律：模型算得出 ≠ 模型能用。引用任何量化结论前，必须先读该模型的可用性字段。

头号铁律：applicable=False 的模型一律标注 "NA（不适用/数据不足）"，绝不允许"脚本说 NA 却仍下了量化结论"。

v2.4 补充铁律：一个"看起来很漂亮"的 ROE 比一个缺失的 ROE 危险得多。 量纲错乱不会抛异常，
只会把 18% 变成 1800% 或 0.18%，并顺带污染"财务质量 30 分"与"时序 15 分"。
引用 ROE / ROIC / 周转率之前，必须先读 _unit_health。

前置 7：跨市场税负差异校验（v2.3 新增铁律 · 仅多地上市标的适用）

铁律：同一标的多地上市时，禁止仅用名义价差（AH 溢价 / ADR 平价）下择市结论。名义价差是税前口径，投资者拿到手的是税后口径。

> 触发条件：标的同时在两个及以上市场上市（AH 两地、港股 + ADR、多重主要上市等）。单一市场标的跳过本前置，但仍须在结论中说明股息税对持有回报的影响。

7.1 四步强制流程

7.2 税负临界溢价公式（核心工具）

             1 − t_A
prem*  =  ───────────− 1        （t_A、t_H 为两地股息税率）
             1 − t_H

该公式与股价、股息、汇率全部无关，只取决于两地税率差。

常用临界值速查：

7.3 三条红线

1. 禁止笼统说"税负"：股息税打击红利型持有（每年复发生），资本利得税打击成长型持有（退出时一次性、可长持递延）。两者影响非对称，不得合并表述。
2. 「暂免」类优惠必须核实当前有效期（如港股通资本利得暂免为定期延续性质），并标注政策文号；过期未续会实质改变结论。
3. 必须计入隐性成本：ADR 托管费（约 0.01–0.05 美元/股/年，相当于隐性股息税）、港股通双向汇兑价差与汇率波动、港股印花税双边 0.1% vs A 股单边 0.05%。对高股息标的，隐性成本可与税率差同量级。

7.4 呈现铁律

-估值模块必须包含三张表：表 A 税负假设声明 / 表 B 税后股息率对比 / 表 C 临界溢价与择市矩阵。
- 若名义溢价与税后结论方向相反，必须在报告首页概要显式标注该反转（这正是最容易误导读者的情形）。
- 必须写出"若持有渠道改为 {其他}，临界溢价变为 {X}%，结论 {是否反转}"。
- 投资结论的"如果买入"栏必须写明买哪个市场的哪个代码，并附税后依据。
- 须提示境外所得的申报义务，不得暗示可以不申报。

> 详见 → references/cross-market-tax-guide.md（各市场税率对照、隐性成本、必备产出表、资本增值目的的税负权衡、自检清单）

五大分析模块（双层评分 · 三维均为纯 100 分制）

> 三大维度（行业/公司/估值）各自满分 100 并按权重加权；模块四、五为加法调整分。
> "量化层"由脚本 models / time_series / valuation_history 提供证据；"定性层"沿用邱国鹭框架。

模块一：行业分析（权重 30%，满分 100）

定性四维，各 0-25：

结构化增强框架：用波特五力逐力点评并指出决定性力量；判定行业生命周期阶段（渗透率/增速/盈利三佐证）；分析产业链议价地位（"收税还是交税"）；估算 TAM/SAM/SOM 并用反向 DCF 隐含增速推算的隐含份额反向校验（成长股必做）。

> 详见 → references/industry-capital-framework.md、references/three-good-principles.md

模块二：公司分析（权重 35%）

v2.2：公司分为纯 100 分制四维，时序从"±10 校准"升级为正式维度，消除分母歧义。

公司分 = 护城河 35 + 财务质量量化 30 + 管理层/资本配置 20 + 时间序列趋势 15 = 100

2.1 护城河（0-35 分，定性层）

五种护城河可叠加（品牌≤9 / 成本≤7 / 转换成本≤7 / 网络效应≤7 / 牌照专利≤5），并评估护城河是在加深（+3）还是被侵蚀（-3~-12），合计上限 35。详见 references/moat-analysis-guide.md。

2.2 财务质量硬模型（0-30 分，量化层 · 脚本计算）

• 杜邦/ROIC 主口径为平均余额（basis=average_balance）；与 API 报告值差异 > 15% 时报告须列两者并说明采信理由
  （v2.4 起由 dupont.roe_vs_api 自动给出 diff_percentage_points 与 verdict，并已自动识别百分数/小数口径）。
• v2.4：所有比率均为小数口径（0.18 = 18%），见 dupont.units / roic.units；报告中若写百分号须自行 ×100，禁止混用。

2.3 管理层质量 + 资本配置（0-20 分，定性层）

诚信（0-5）/ 能力（0-5）/ 股东回报（0-5）/ 战略聚焦与资本配置（0-5）。资本配置含：再投资回报（ROIC vs WACC）、并购理性、分红回购理性、留存收益转化（5 年市值增量 vs 累计留存）、股权激励稀释检查（time_series.shares 趋势）。详见 references/industry-capital-framework.md 第二部分。

2.4 时间序列趋势（0-15 分，v2.2 正式维度）

引用 time_series 与 models.growth_consistency；序列 < 3 年时本项按 7.5 分中性计并标注"序列过短，趋势判断降级"。

> 量化模型口径详见 → references/financial-quality-models.md

模块三：价格/估值分析（权重 25%）

v2.2 关键修正：量化硬模型从"不占分"升级为估值分 60 分主体。 便宜是硬道理，但便宜必须用模型证明——这是 v2.0 的信条，v2.2 才真正兑现到分数上。

估值分 = 反向 DCF 隐含增速合理性 30 + 内在价值安全边际 30
       + PE 成因与陷阱 25 + 历史估值分位 15 = 100

3.1 反向 DCF 隐含增速合理性（0-30 分，量化层）

读 models.reverse_dcf，与历史 CAGR / 分析师预期 / 行业天花板三方对比：

三条硬规则：
1. 必须写出三组对比数：隐含增速 / 近 5 年营收(或净利) CAGR / 分析师未来 3 年预期。
2. sensitivity.high_sensitivity=true 时必须贴出 8%/9%/10%/11% 四档隐含增速表；若不同档位导致贵/便宜结论反转，本项分数取该区间对应分数的下限并声明不确定性。
3. applicable=false（亏损/负 FCF）→ 本项按 EPV 或 PS/PB 路由替代评分，并标注"反向 DCF NA"。

3.2 内在价值与安全边际（0-30 分，量化层）

安全边际 = (内在价值估计 − 现价) / 内在价值估计
内在价值 = 情景概率加权 E[V] / EPV / SOTP 多模型交叉后取审慎值

铁律（v2.2 新增）：估值模块至少跑通 2 个独立模型（反向 DCF + 情景/EPV/SOTP 任一）。仅 1 个可用时估值分封顶 70，并在报告标注"估值证据不足"。同时须列出熊市价 V_bear 作为下行参照。

3.3 PE 成因与估值陷阱（0-25 分，定性层）

先问"为啥这个公司 PE 低/高？"——PE<10 基本面好可能错杀，基本面差则是估值陷阱。估值陷阱清单（任一命中即扣分并触发 M-Score 复核）：营收连续下滑 / 毛利率持续走低 / 行业被颠覆 / 靠非经常损益撑利润 / 应收账款暴增。详见 references/valuation-traps.md。

3.4 历史估值分位（0-15 分）

读 valuation_history.pe_ttm.percentile / pb.percentile（5-10 年）：

• valuation_history.applicable=false 时：本项计 0 分，且估值分按 85 分制归一（估值分 = 实得分 / 85 × 100），并标注"历史分位无数据源，已按降级口径归一"。禁止凭印象填百分位。
• 周期股：表观分位无意义，必须改用归一化盈利重算 PE 分位（见 references/time-series-analysis.md 第三节）。

3.5 分行业估值路由（选错模型 = 误判）

> 模型口径与 SOTP 明细表模板详见 → references/valuation-models.md

3.6 跨市场税后择市（v2.3 新增 · 仅多地上市标的）

不占估值分，但为独立的强制产出——它不改变"这家公司值多少钱"，只回答"该在哪个市场买"。

与估值分的联动：
- 若持有目的为纯红利，3.2 安全边际须补充「税后股息率 vs 无风险利率」对照，而非只用税前股息率。
- 若名义溢价 < prem*（高价市场税后反而更优），则不得再以"名义溢价过高"为由给高价市场扣估值分——该扣分逻辑在税后口径下不成立。
- 资本增值目的的税负权衡：估值修复空间 = (高PE市场PE / 低PE市场PE) − 1 与 年化股息税损 ≈ 税前股息率 × 税率差 比较；修复空间 > 税损 × 持有年数时，选低估值市场。但须同时声明「修复是不确定事件，税损是确定发生」，并与 3.3 PE 成因分析联动——若折价源于真实且可持续的基本面缺陷，修复不会发生，税损即净损失。

> 详见 → references/cross-market-tax-guide.md

模块四：逆向投资检查（调整分 −5 ~ +5）

市场情绪极度恐慌且三好 OK → 逆向加分；极度狂热即使三好不错也远离。逆向三重验证（行业还好吗/公司还好吗/价格够便宜吗）：

详见 references/contrarian-checklist.md。

模块五：定价权专项（调整分 −5 ~ +5）

核心问题：能不能每年默默提价、客户还没脾气？

来源：品牌忠诚 / 产品差异化 / 转换成本 / 供给受限 / 刚需。与波特五力的供应商/买方议价联动分析。

综合评分体系（v2.2 数学自洽版）

加权总分

v2.2 关键修正：三大维度加权得 90 分池，逆向 + 定价权为 10 分调整池，合计恰好 100。所有调整均为「加法绝对分」，不再使用 ±% 表述。

基础分 = 行业分×30% + 公司分×35% + 估值分×25%      → 0-90 分
调整分 = 逆向调整(−5~+5) + 定价权调整(−5~+5)        → −10~+10 分
综合得分 = 基础分 + 调整分                          → 钳制在 0-100

• 三个维度分数均为纯 100 分制（行业四维各 25；公司 35+30+20+15；估值 30+30+25+15）。
• 报告必须列出完整算式（如 65×0.30 + 64×0.35 + 73×0.25 = 19.50 + 22.40 + 18.25 = 60.15），且经交卷前自检的算术回验。
• ⛔ 禁止再出现"总分 ±10%"这类乘法表述——历史上这正是"分项加权 60.15 却写成 63"的偏差来源。

投资结论矩阵

一票否决（v2.2 分两档 + 与总分联动）

> 前提铁律：量化否决必须先通过前置 6 的可用性检查——models._veto_eligibility.{beneish_usable, altman_usable} 为 true 方可作为否决依据。金融股、行业属性未确认（confidence=low）、缺明细数据的标的一律改用定性判断，不得机械否决。

A 档 · 出局（结论直接 ❌远离，不论总分）

B 档 · 封顶（结论封顶为 🔴不推荐）

否决的呈现铁律：触发后不得篡改各分项得分，而须在结论栏显式写：

原始综合得分 78 分 → 触发 A 档一票否决（M-Score 报警）→ 最终结论：❌远离

避免出现"综合 78 分 / 结论不推荐"这类观感矛盾却无解释的报告。

🔴 交卷前自检（强制后置，不可跳过）

铁律：报告写完 ≠ 可以交卷。一切结论必须在"打印出来"之后再被自己质疑一次。

第 0 关 · 机器门禁（v2.2 新增，必须先过）

python .codebuddy/skills/stock-value-analyzer/scripts/self_check.py \
  --report reports/xxx_价值分析_YYYY-MM-DD.md \
  --data ./.svadata/value_analysis_xxx.json

脚本自动检查：① 报告引用的 models.* 数值与 JSON 是否一致 ② 是否越界引用了 applicable=false 的模型 ③ 评分表格算术（A+B=C）是否成立 ④ 加权总分是否等于分项加权和 ⑤ 定量数字是否带信源等级 ⑥ K.4 章节是否存在 ⑦ 高敏感性反向 DCF 是否附敏感性表 ⑧ 跨市场税负三表是否齐备 ⑨ （v2.4 C10）ROE/ROIC 不可用时是否越界引用、量纲修正与口径差异是否披露 ⑩ （v2.4 C11）现价缺失 / 兜底价来源 / 静默返回空的接口 / 量纲体检失败是否已披露。

FAIL → 禁止交付，必须修正后重跑。

第 1-3 关 · 人工复核

1. 关键数据复验：对所有进入评分的关键数字（现价/市值/PE/净利/股息率/AH 溢价/建仓区间/一票否决原始数据）换源重取一次，信源不得与前置阶段完全重叠。
2. 核心结论反验证（反向 7 问）：① 结论是否依赖单一数据（错 10% 会反转吗）② 评分与文字是否一致 ③ 一票否决项逐条真未触发 ④ 近 30 天事件真已纳入 ⑤ 跨市场逻辑自洽 ⑥ 算术回验（所有 A+B=C / 加权和逐条二次独立计算）⑦ 信源等级回验（弱信源未进评分）。
3. 量化层一致性复核：报告引用的反向 DCF 隐含增速、F/M/Z-Score、杜邦分解是否与脚本 models 输出一致？Z-Score 是否用对了 variant 对应的阈值？是否存在"脚本说 not applicable 却仍下了量化结论"的越界？敏感性高时是否已声明不确定性？
4. 报告末尾显式写："本报告已通过交卷前自检（机器门禁 + 数据复验 + 反向 7 问 + 量化层一致性），可以交付。"

> 未通过 → 报告首行标红"⚠️ 草稿未通过自检，不得作为决策依据"。详见 → references/data-verification-protocol.md

工作流

用户输入（股票名称/代码）
    │
    ├── 前置 1：API 优先取数（fetch_stock_data.py，自动算 models/time_series/valuation_history）🔴
    │            金融股加 --industry-type financial；周期股加 --fcf-base normalized
    ├── 前置 2：多信源数据校验（价格 3 源 / 防类型混淆 / 跨市场独立）🔴
    ├── 前置 3：信源等级强制标注（六级，弱信源 K.4 披露）🔴
    ├── 前置 4：近 30 天重大事件扫描（5 类 + 竞品）🔴
    ├── 前置 5：强制提取时间序列（5-10 年趋势，查 gaps）🔴
    ├── 前置 6：模型可用性护栏（读 applicable / confidence / coverage / high_sensitivity）🔴
    ├── 前置 7：跨市场税负差异校验（多地上市标的必做：税后股息率 + 临界溢价 prem* + 分层择市）🔴
    │
    ├── 模块一 行业分析(100)：四维定性 + 波特五力/生命周期/产业链/TAM
    ├── 模块二 公司分析(100)：护城河35 + 财务质量30 + 管理层/资本配置20 + 时序15
    ├── 模块三 估值分析(100)：反向DCF合理性30 + 安全边际30 + PE陷阱25 + 历史分位15
    │            └─ 3.6 跨市场税后择市（不占分，多地上市标的强制产出表A/B/C）
    ├── 模块四逆向投资：调整分 −5~+5
    ├── 模块五 定价权：调整分 −5~+5
    │
    ├── 综合评分：基础分(0-90) + 调整分(−10~+10) → 一票否决 A/B 档裁决
    ├── 报告初稿（标记"初稿"）
    │
    └── 交卷前自检：self_check.py 机器门禁 → 数据复验 + 反向 7 问 + 量化一致性 🔴

报告输出格式

完整报告结构与模板见 templates/analysis-report.md，核心章节：

• 一、分析概要（标的/日期/现价含信源等级/综合评分算式/投资结论/各项自检状态/模型可用性一览）
• 一·补 近 30 天重大事件（仅 🔴 级）
• 二、行业分析（四维 + 五力/生命周期/产业链/TAM）
• 三、公司分析（护城河35 + F/M/Z 评分卡30 + 杜邦表 + 管理层20 + 时序15）
• 四、估值分析（反向 DCF 隐含增速 + WACC 敏感性表 + 情景概率加权 + EPV + SOTP（适用时） + PE 陷阱 + 历史分位）
• 四·补 跨市场税后择市（v2.3 · 多地上市标的强制：税负假设声明 + 税后股息率对比 + 临界溢价与分层择市矩阵）
• 五、逆向投资 & 定价权（调整分 −5~+5 各一项）
• 六、投资结论（评分汇总算式 + 一票否决 A/B 档检查 + 买/不买条件、最大风险；跨市场标的须写明买哪个市场的代码）
• 七、风险提示
• 八、交卷前自检摘要（含 self_check.py 门禁结果）
• K、完整信源索引（K.1 一级 / K.2-3 二三级 / K.4 弱信源清单）
• 附录：models / time_series / valuation_history 原始输出快照

资源目录

scripts/

• fetch_stock_data.py — 一键取数（yfinance + AkShare 双引擎），输出标准 JSON（含 time_series / models / valuation_history / meta.data_health / _fetch_diagnostics）；支持 --strict
• value_models.py — 量化模型库：量纲一致性体检/杜邦/ROIC/F-Score/M-Score/Z-Z''-Score/盈余质量/反向 DCF（含敏感性）/CAGR 一致性
• self_check.py — 交卷前自检机器门禁 C1-C11（量化一致性、算术回验、越界引用、量纲与 ROE 可用性、取数健康度披露）
• 依赖：pip install -r requirements.txt

references/

• api-data-source-protocol.md — API 优先取数协议（双引擎分工 + 字段契约 + 降级策略）
• data-verification-protocol.md — 多信源数据校验完整手册（红线细则、Red Flags、校验表模板）
• three-good-principles.md — 三好原则评估标准与案例（含量化层配合说明）
• moat-analysis-guide.md — 护城河五种类型深度分析指南
• valuation-traps.md — 估值陷阱识别手册（打通 M-Score）
• contrarian-checklist.md — 逆向投资检查清单
• valuation-models.md — 反向 DCF / 情景估值 / EPV / SOTP 分部加总 / 分行业估值路由
• financial-quality-models.md — 杜邦 / ROIC / F-Score / M-Score / Z-Z'' / 盈余质量
• time-series-analysis.md — 时间序列趋势、ROE 一致性、周期股归一化
• industry-capital-framework.md —波特五力 / 生命周期 / 产业链 / TAM + 资本配置能力
• cross-market-tax-guide.md — v2.3 新增：跨市场税负与择市（临界溢价公式 / 各市场股息与资本利得税对照 / 隐性成本 / 三张必备产出表 / 自检清单）

templates/

• analysis-report.md — 分析报告模板（v2.2 评分结构）

核心原则提醒

1. 三好缺一不可 — 好行业、好公司、好价格
2. 定性看方向，定量定边界 — 两层都过才算数
3. 便宜是硬道理，但便宜要用模型证明 — 反向 DCF / 情景 / EPV / SOTP，且占实分
4. 模型算得出 ≠ 模型能用 — 先看 applicable / confidence / coverage，不可用就诚实写 NA
5. 一个数字不要看，要看它对假设有多敏感 — 反向 DCF 必附 WACC 敏感性表
6. PE 是结果不是原因 — 先看基本面，再看 PE，配合 F/M/Z-Score
7. ROE 要看是经营赚来的还是杠杆堆的 — 杜邦分解（平均余额口径）
8. 定价权是最关键指标 — 能不能默默提价
9. 看 5 年趋势，不看 1 年快照 — 时间序列一致性，基准 FCF 用多年均值
10. 会赚钱更要会花钱 — 资本配置能力决定长期复利
11. 多地上市先看税后到手 — 名义价差是税前的，你拿到手的是税后的；临界溢价 prem* = (1−t_A)/(1−t_H) − 1
12. 认清能力圈，看不懂就别碰
13. 知易行难 — 框架给你了，执行靠自己

版本记录

• v2.4（2026-09-29） — 🔴 取数脚本两类「静默故障」修复：脚本返回成功，但结论全错
• ① AkShare 行情静默返回空：全市场快照返回空表（限流/风控）、代码列名漂移（代码→symbol）、
  代码格式不匹配（00700 vs 0700）、字段值为 0 —— 四种情况均不抛异常，spot 静静变成 {}，
  errors[] 仍为空。报告只是"没有现价"，极易被顺手用研报目标价顶替（v1.3 血泪教训重演）
  • 新增 _fetch_diagnostics：逐接口逐步记账（ok / empty / not_found / schema_drift / field_missing / error）
  • 代码匹配改为归一化比对（容忍前导零与 hk/sh/sz 前缀）；代码列名多候选自动识别
  • 港股新增两级价格兜底（东财日线 → 新浪快照）、A 股新增跨域兜底（新浪日线，摆脱东财单点依赖）
  • 新增 meta.data_health 与 --strict（现价缺失/量纲不过 → 退出码 3 硬失败）
  • 附带修复：yfinance 限流时产出"字段齐全但值全 null 的空壳 models"，旧判据据此认为 models_ok=True
    而整段跳过 AkShare 明细兜底；现要求 time_series.fiscal_periods 非空
  • 附带修复（非日历财年被滤空 / 52 周财年历错配）：旧版硬编码 -12-31 筛年报，
    苹果(9月)/微软(6月)/英伟达(1月)/大量港股(3月) 被筛成 0 行 → models 全 null 且不报错；
    而按"MM-DD 众数"筛则会让 52/53 周财年历公司得到跨 20 年的稀疏序列。
    现改为 value_models.pick_annual_dates()（财年结束月 + 跨月漂移窗口 + 每财年只取最晚一期），
    并在 time_series._fiscal_year_meta 披露财年口径与缺失年告警。
    实测 AAPL：修复前营收 CAGR 21.1%、ROE 120.9%（均错）→ 修复后 7.58%、171.42%（与 API ROE 零误差）
  • 美股日线兜底不再硬编码 105. 前缀（纳斯达克），改为 105/106/107 依次尝试 —— 前缀错了接口只返回空表
  • 实测（2026-09-29，腾讯 0700.HK）：yfinance TLS 失败 + 东财港股快照与日线双双 RemoteDisconnected，
    新浪快照兜底取到 432.0 HKD，并成功用东财明细跑通全部模型（旧版此处现价为空且 errors 为空数组）
• ② 杜邦分解单位错乱导致 ROE 失真：ROE = 净利率 × 周转率 × 权益乘数，分子来自利润表、
  分母来自资产负债表，属跨表比率；两表量纲差 10^k 或把 API 的百分数 ROE 当小数用，ROE 即整体失真
  • 实测：东财港股 ROE_AVG=21.13（百分数）被直接透传，与杜邦 ROE 0.2113 相差 100 倍，
    前置 6 的"差异 >15% 须并列两者"形同虚设
  • 新增 value_models.check_unit_consistency()：硬锚 1 资产负债表恒等式 (总资产−总负债)/股东权益≈1
  • 硬锚 2 API 报告 ROE + 软锚 3 四类比率合理区间
  • 只认 10 的整数次幂：单位错乱必为 10^k；1.3/3 倍偏离属口径差异（年报/TTM、归母/含少数股东、
    平均/期末），归入 caliber_warnings 只告警不修正，避免把口径差异洗掉
  • 不可定量 → 不硬凑：dupont / roic / growth_consistency.roe_* 置 applicable=False，报告必须标 NA；
    ROE 时序自动剔除 |ROE|>500% 的失真年度
  • 全引擎百分数字段统一 ÷100 并标注 _unit；新增 models._unit_health 一眼可读"ROE 能不能引用"
  • 新增 dupont.roe（净利÷平均权益 权威口径）与 dupont.roe_vs_api 交叉校验
• 自检门禁扩展至 C1-C11：新增 C10（ROE/ROIC 越界引用、量纲修正未披露、口径差异未并列）
  与 C11（现价缺失、兜底价来源、静默空接口、量纲体检失败未披露）
• 兜底引擎补空字段时改写 source 为混合来源并记录 _filled_by_fallback，杜绝"值来自 AkShare、
  信源却标 yfinance"的错标
• v2.3（2026-08-09） — 🔴 跨市场税负差异强制纳入择市决策（修复会导致择市结论反向的硬伤）
• 新增前置 7「跨市场税负差异校验」铁律：多地上市标的（AH / 港股+ADR / 多重上市）禁止仅用名义价差下择市结论
• 新增税负临界溢价公式 prem* = (1−t_A)/(1−t_H) − 1：与股价、股息、汇率无关，只取决于两地税率差；港股通 H 股 vs A 股长持>1 年的临界溢价恰为 +25%，并给出 税后实际溢价 = (1+prem)/(1+prem*) − 1
• 实测教训：中国移动名义 AH 溢价 27.5% → 原判「A 股溢价 >20% 均不构成价值投资标的」；计入 H 股 20% 股息税后税后实际溢价仅约 1.9%，纯红利投资者选A 股税后到手多 25%，结论反转
• 明确税率取决于「投资者身份 × 持有渠道 × 标的注册地」，不是「标的在哪上市」：同一港股，港股通 20% / 香港券商直持 H 股 10% / 直持红筹股 0%
• 择市结论强制按投资目的分层（纯红利 / 红利+估值修复 / 成长 / 短期交易），废止单一的「买 A 还是买 H」
• 区分股息税与资本利得税的非对称影响：前者打击红利型持有（每年复发生），后者打击成长型持有（可长持递延）；禁止笼统合并为「税负」
• 强制计入隐性成本：ADR 托管费、港股通双向汇兑价差与汇率波动、港股双边印花税 0.1% vs A 股单边 0.05%
• 新增资本增值目的的税负权衡判据：估值修复空间 vs 年化股息税损 × 持有年数，且须与 PE 成因分析联动（折价若源于真实缺陷，修复不发生则税损为净损失）
• 「暂免」类税收优惠须核实当前有效期并附政策文号；须提示境外所得申报义务
• 新增 references/cross-market-tax-guide.md；模块三新增 3.6节；报告模板新增「四·补 跨市场税后择市」章节（表 A/B/C）
• v2.2（2026-07-30） — 🔴 评分体系数学自洽化 + 量化模型口径修正（修复会导致结论反向的硬伤）
• 评分归一为纯 100 分制：公司分 = 护城河35 + 财务质量30 + 管理层20 + 时序15（原 ±10 校准升为正式维度）；消除 90/100 分制混用
• 逆向/定价权改为加法绝对分（−5~+5）并纳入分母：基础分(0-90) + 调整分(−10~+10) = 综合分，废止"总分 ±10%"乘法表述（历史偏差来源）
• 估值硬模型占实分：反向 DCF 合理性30 + 安全边际30 + PE陷阱25 + 历史分位15；新增"至少跑通 2 个独立估值模型，否则估值分封顶 70"铁律
• 一票否决分 A/B 两档：造假类 → ❌出局；破产/结构类 → 🔴封顶；要求显式写"原始分 → 否决结果"，不得篡改分项
• Altman Z 双版本路由：按资产结构/行业自动选 原始 Z 或 Z''（非制造业，剔除 X5，阈值 2.60/1.10），修复轻资产股被系统性低估误杀（实测差 3.67）
• 反向 DCF 重写：基准 FCF 默认近 3 年均值（--fcf-base latest/avg3/avg5/normalized）；--wacc/--terminal-growth/--dcf-years 可传参；输出 WACC 敏感性矩阵 + high_sensitivity 预警（实测单年 FCF 口径虚高隐含增速 11pct）
• CAGR 按 fiscal_periods 实际年跨度计算并暴露 gaps（实测修正高估 6.75pct）
• Piotroski 新增 data_coverage/applicable/missing_items：覆盖 < 7/9 禁止引用总分（消除 A 股"2/9 弱"误导）
• 行业判别新增 confidence + 公司名兜底：修复港股分支把公司名当行业传入、致汇丰/平安/港交所等金融股被跑 M/Z-Score 的误杀风险；新增 --industry-type 显式指定
• 杜邦/ROIC/ROE 改用平均余额主口径并输出期末口径对照
• A 股升级三大报表明细（*_by_report_em）：M-Score/Z-Score/反向 DCF 从全 NA 变为可用，能力对齐港股
• 新增 valuation_history 字段组：PE/PB 真实历史序列与分位，补齐"历史估值分位"取数缺口；无源时按 85 分制归一，禁止凭印象填
• 港股兜底补全 PE/PB/EPS/ROE/毛利率映射（此前限流时仅有市值，报告只能用网页"区间数字"）
• 市场覆盖扩至 KR/JP/TW/UK/SG/IN/DE；新增 --offline 离线重算、指数退避重试
• 新增 scripts/self_check.py：交卷前自检从"靠自律"变为机器门禁
• 新增前置 6「模型可用性护栏」；输出路径去 ./account/ 硬编码，改 ./.svadata/
• v2.1（2026-06-28） — 新增 SOTP 分部加总估值（多元化集团/控股/投资型公司专用），含防重复计算铁律、控股折价、分部明细表模板
• v2.0（2026-06-22） — 双层判断架构：量化硬模型 + 定性框架
• 新增量化层：反向 DCF、情景概率加权估值、EPV、分行业估值路由、杜邦分解、ROIC vs WACC、Piotroski F-Score、Beneish M-Score、Altman Z-Score、盈余质量、时间序列趋势
• 新增 scripts/value_models.py；fetch_stock_data.py 输出新增 time_series / models 字段组
• 新增 4 份参考手册；五大模块升级为双层评分；一票否决新增 M/Z-Score（须 applicable=True）
• 校验细则下沉到 references，主文件回归方法论主体；移除个人持仓联动，成为通用可公开发布框架
• v1.6（2026-05-05） — API 优先取数双引擎（yfinance + AkShare）；新增 Tier 0 信源；一键取数脚本
• v1.5（2026-05-05） — 信源等级强制标注体系（六级）+ 算术强制回验；K 章节完整信源索引；反向 7 问
• v1.4（2026-04-28） — 交卷前自检（数据复验 + 结论反验证 + 反事实压力测试）
• v1.3（2026-04-28） — 价格类数据 3 源硬线 + 数据类型混淆防护 + 跨市场分别取数
• v1.2（2026-04-27） — 近 30 天重大事件扫描强制前置
• v1.1（2026-04-26） — 多信源数据校验强制前置
• v1.0 — 初始版本，建立三好原则评估框架