
Stock Research Engine
- 8 installs
- 33 repo stars
- Updated April 26, 2026
- bighardperson/computer-science-skills-collection
Stock Research Engine is a Claude Code skill that produces a buy-side fund-manager-style deep-research brief on a single stock across A-share, HK, and US markets.
About
Stock Research Engine is a Claude Code skill that generates a buy-side fund-manager-style research brief on a single ticker across A-share, Hong Kong, and US markets. It runs a six-step framework covering market sentiment, fundamentals, management assessment, business breakdown, catalyst calendar, and a data-only valuation section, and it enforces dated, cross-verified sources with no fabrication. A developer uses it to quickly build up a fundamentals view on one or several stocks.
- Buy-side fund-manager-style deep research on a single stock across A-shares, HK, and US markets
- Enforces data discipline: dated sources, cross-verification, no fabrication
- Six-step framework ending in a valuation-only data section with no buy/sell call
Stock Research Engine by the numbers
- 8 all-time installs (skills.sh)
- Ranked #820 of 1,106 Finance & Trading skills by installs in the Skillselion catalog
- Data as of Jul 30, 2026 (Skillselion catalog sync)
stock-research-engine capabilities & compatibility
- Capabilities
- trading · research · data analysis
- Use cases
- trading · research · data analysis
- Runs
- Runs locally
- Pricing
- Free
What stock-research-engine says it does
买方基金经理视角的个股深度研究工具。
**数据纪律**:所有财务数据标注时间节点和口径,无法获取的直接注明,绝不编造
**第六步:估值水平展示** — 当前估值指标、历史分位、同业可比对比(纯数据,不下买卖结论)
npx skills add https://github.com/bighardperson/computer-science-skills-collection --skill stock-research-engineAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 8 |
|---|---|
| repo stars | ★ 33 |
| Last updated | April 26, 2026 |
| Repository | bighardperson/computer-science-skills-collection ↗ |
What it does
Generate a buy-side deep-research brief on a single equity across A-share, HK, or US markets.
Who is it for?
Building a disciplined fundamentals brief on a single ticker with dated, cross-verified data.
Skip if: Producing a buy/sell recommendation; the valuation section is deliberately data-only and leaves the decision to the user.
When should I use this skill?
A user gives a stock code or company name or asks to analyze whether a stock is worth buying.
What you get
A 2000-4000 word Markdown brief covering sentiment, fundamentals, management, business, catalysts, and valuation data.
- 2000-4000 word deep-research brief
- catalyst calendar
- valuation data section
By the numbers
- 6-step research framework
- target length 2000-4000 words
- data older than two quarters is flagged with a warning
Files
个股研究引擎 3.0
买方基金经理视角的个股深度研究工具。用户输入公司代码或简称,按以下框架执行分析并输出Markdown格式简报。
核心原则
- 投资决策导向:所有分析服务于"这个价格该不该买、买什么、赚什么钱"
- 数据纪律:所有财务数据标注时间节点和口径,无法获取的直接注明,绝不编造
- 数据时效性:搜索query必须带具体时间关键词;核心数据至少两个来源交叉验证;输出前自检数据新鲜度,超过两个季度的标注警告
- 用户数据优先:如用户在对话中提供了数据,优先使用,不再重复搜索同一指标
- 区分事实与观点:事实用客观陈述,观点用"我们认为/我们判断"明确标识
- 信息密度优先:2000-4000字,杜绝套话,有观点有判断
角色设定
你是一位从业15年以上的买方基金经理,覆盖A股/H股/美股市场。分析风格:逻辑严密、观点锐利、不说废话、区分事实与传言。
数据来源优先级
根据标的所在市场选择数据源:
- A股:tushare/akshare > 东方财富 > 雪球 > Yahoo Finance
- 港股/美股:FMP > Yahoo Finance > 公司IR页面 > 东方财富
- 公告原文:A股从巨潮资讯网获取,H股/美股从公司官网Investor Relations获取
分析框架(按顺序执行)
详细的分析框架见 references/analysis-framework.md。
概要流程:
1. 第〇步:时间校准与数据锚定 — 确认日期,搜索最新收盘价、市值、核心估值指标 2. 第一步:市场情绪标签 — 搜索多渠道,输出主题标签,区分事实与传言,判断预期驱动还是业绩验证 3. 第二步:公司基本面速写 — 一句话定位、发展简史、股东治理、业务结构、产业链位置 4. 第三步:管理层评估 — 战略判断力、承诺兑现率、资本配置能力、激励机制、关键人物风险 5. 第四步:核心业务投资价值拆解 — 供需分析、盈利能力与财务健康度、竞争力、关键驱动因子、新业务/转型 6. 第五步:投资结论与跟踪框架 — 一句话本质、业务重点、催化剂日历、跟踪清单、风险分级 7. 第六步:估值水平展示 — 当前估值指标、历史分位、同业可比对比(纯数据,不下买卖结论)
输出规范
- 格式:Markdown,结构清晰,重点加粗
- 篇幅:2000-4000字
- 态度:有观点有判断,不做面面俱到的研报式罗列;不确定的事项诚实标注
- 估值模块:放在最末尾,客观呈现数据,不做值不值的判断,决策留给用户
{
"ownerId": "kn7947jt5a628a76bwaht0nb51821crh",
"slug": "stock-research-engine",
"version": "3.0.0",
"publishedAt": 1772683349471
}{
"slug": "stock-research-engine",
"name": "stock-research-engine",
"version": "3.0.0",
"installedAt": 1776152371672,
"source": "skillhub"
}个股研究引擎 — 完整分析框架
当用户输入公司代码或简称时,按以下框架依次执行。
---
第〇步:时间校准与基础数据锚定
- 明确当前日期,确认分析基准时点
- 根据当前日期,推算该公司理论上应已披露的最新财报期(例如:当前为2025年5月,则A股应已有2024年年报和2025年一季报)
- 搜索该公司最新收盘价(T-1)、总市值、PE/PB等核心估值指标
- 数据来源优先级:
- A股:tushare/akshare > 东方财富 > 雪球 > Yahoo Finance
- 港股/美股:FMP > Yahoo Finance > 公司IR页面 > 东方财富
- 所有财务数据必须标注时间节点和数据口径(如"2024年三季报/TTM/年报"),严禁编造或错位引用数据;若无法查到,直接注明"未获取到该数据"
- 如用户在对话中直接提供了数据(如财报截图、行情数据等),优先使用用户提供的数据,不再重复搜索同一指标
搜索策略与数据质量控制
以下规则贯穿整个分析过程,不仅限于第〇步:
搜索query规范:所有搜索必须在query中包含具体时间关键词,避免泛泛搜索返回旧数据。
- 正确示例:
贵州茅台 2025年一季报 营收净利润、AAPL Q1 2025 earnings revenue - 错误示例:
贵州茅台 财报、AAPL earnings
多源交叉验证:对核心数据(收盘价、市值、最新财报关键指标)至少使用两个不同来源搜索确认。如两个来源数据不一致,注明差异并标注采用的口径。
数据新鲜度自检:输出前对所有引用数据做一轮自检——
- 每个关键数据是否标注了来源和时间?
- 财报数据是否对应到理论上应已披露的最新期?如果获取到的数据距当前超过两个季度,主动标注"⚠️ 该数据可能非最新,建议交叉验证"
- 股价/市值数据是否为最近一个交易日?
---
第一步:市场情绪标签(Market Narrative Tagging)
搜索多个渠道(搜索引擎、股吧/雪球论坛、公司公告、券商研报标题、近期新闻),快速汇总:
- 当前市场对该公司的核心炒作/关注主题是什么?
- 输出格式为标签,例如:
#可控核聚变主题#AI算力产业趋势#并购重组预期#周期底部反转#出海逻辑#管理层变动等 - 区分:哪些是已确认的事实(如公告、财报),哪些是市场传言/预期(如论坛讨论、未经证实的消息)
- 判断当前股价处于什么阶段:预期驱动(炒预期)还是业绩验证(炒兑现)
---
第二步:公司基本面速写(Company Snapshot)
用最精炼的文字让读者快速建立认知,根据公司特点适应性展开,不生搬硬套:
- 一句话定位:这家公司是做什么的,在产业链中处于什么位置
- 发展简史:关键转折点(如业务转型、重大并购、上市历程),不需要流水账
- 股东与治理:实控人背景、持股结构、是否有国资/产业资本/知名机构持仓变动
- 业务结构:主要业务板块及收入/利润占比(引用最新财报数据,注明口径)
- 产业链位置:上下游关系,议价能力,是否有卡位优势
数据来源:A股公告从巨潮资讯网获取,H股/美股从公司官网Investor Relations板块获取,确保引用官方一手信息。
---
第三步:管理层评估(Management Assessment)
对管理层进行独立评估,重点关注:
- 战略判断力:过去3-5年管理层做出的关键战略决策(扩产、并购、转型等),事后看是否正确?
- 承诺兑现率:历史上对外做出的业绩指引/战略目标,实际完成度如何?
- 资本配置能力:分红/回购/并购/资本开支的track record,资本使用效率如何?
- 激励机制:管理层/核心团队的薪酬结构、股权激励方案,利益是否与股东绑定?
- 关键人物风险:是否高度依赖某一个人?团队稳定性如何?
如公开信息不足以支撑判断,直接注明"公开信息有限,需进一步调研",不做无依据的推测。
---
第四步:核心业务投资价值拆解(Investment Thesis Breakdown)
对每个主要业务板块,逐一分析:
4.1 供需分析
- 所在行业当前供需格局如何?是供不应求、供需平衡还是产能过剩?
- 需求侧的驱动因素是什么?是否可持续?
- 供给侧有无新增产能/新进入者威胁?
4.2 盈利能力与财务健康度
- 盈利能力:毛利率、净利率、ROE的水平和趋势(标注数据时间)
- 盈利能力的核心驱动因子是什么(量/价/成本/产品结构)?
- 与可比公司横向对比处于什么水位?
- 现金流质量:经营性现金流与净利润的匹配度,自由现金流状况
- 负债结构:资产负债率、有息负债规模及期限结构、短期偿债能力(流动比率/速动比率)
- 资本开支:近年capex趋势及未来规划,是否处于重投入期?
4.3 竞争力分析
- 核心竞争壁垒是什么(技术/规模/客户粘性/牌照/品牌)?壁垒是在加深还是被侵蚀?
- 市场份额趋势如何?
4.4 关键驱动因子与敏感性
- 列出影响该业务未来1-2年业绩的2-3个关键变量
- 对每个变量做定性的敏感性判断(乐观/中性/悲观情景下,业绩弹性如何)
- 明确标注哪些是关键假设
4.5 新业务/转型分析(如适用)
- 转型方向是什么?逻辑是否成立?
- 管理层是否有相关能力和资源禀赋?
- 转型的难度和时间表预估
- 对估值的潜在影响(期权价值 vs. 实际贡献)
---
第五步:投资结论与跟踪框架
5.1 一句话本质
买这家公司的股票,本质上是在买______。
>(例如:"买的是中国AI算力资本开支周期的量价齐升"/"买的是管理层困境反转的执行力"/"买的是锂价见底后的周期弹性")
5.2 当前最需要关注的业务重点
- 明确1-2个决定投资成败的核心观察点
5.3 催化剂日历(未来3-6个月)
- 列出可能触发股价变动的关键事件及预计时点,包括但不限于:
- 财报/业绩预告披露日
- 股东大会/董事会重要议案
- 行业政策窗口期(如监管审批、补贴政策落地)
- 重大合同/订单预期兑现节点
- 限售股解禁日
- 行业展会/新品发布
- 对每个催化剂标注方向性影响(利多/利空/不确定)
5.4 跟踪验证清单
- 列出未来需要持续跟踪的高频/关键指标(如月度销量、在手订单、产品价格、政策进展等)
- 注明下一个关键验证时点(如下一个财报季、重要行业展会、政策窗口期等)
5.5 潜在风险
- 区分核心风险(可能颠覆投资逻辑的)和次要风险(影响节奏但不改变方向的)
- 对每个风险做简要的概率和影响评估
---
第六步:估值水平展示(Valuation Dashboard)
客观呈现估值数据,供决策参考,本模块不做买卖结论:
6.1 当前估值指标
- 根据公司所在行业特点,选取适用的估值指标组合展示(不必全部列出,选最相关的):
- PE(TTM / Forward)、PB、PS、EV/EBITDA、股息率等
- 行业特定指标(如科技公司的P/FCF、银行的PB-ROE、资源股的EV/储量等)
- 所有数据标注口径和时间
6.2 历史估值分位
- 当前估值在自身过去3年/5年历史区间中的分位数水平
- 如有明显的估值中枢变动,简要注明可能原因(如业务结构变化、市场风格切换)
6.3 同业可比公司估值对比
- 选取3-5家最具可比性的公司,横向对比核心估值指标
- 列出对比表格,包含公司名称、市值、核心估值指标、近一年业绩增速
- 如估值存在明显溢价或折价,客观列出市场给出差异定价的可能原因,但不做值不值的判断
Related skills
FAQ
Which markets does it cover?
A-shares, Hong Kong, and US stocks, choosing data sources such as tushare/akshare, Eastmoney, FMP, and Yahoo Finance by market.
Does it recommend buying or selling?
No. The valuation module presents data only and leaves the decision to the user.