在投资研究中，很多人习惯一上来就研究公司，但真正成熟的分析路径，往往从行业开始。今天要介绍的这个 Skill，正是为了解决这一问题——它可以帮助你在几分钟内生成一份完整的行业概览报告，从市场规模到竞争格局，一步到位。
行业判断往往决定了投资结果的上限，个股选择则决定了下限。
如何快速上手这个 Skill
简单来说，这个 Skill 是我们在 Finance Context 中封装好的一个“行业分析插件”，你只需要用一行命令，就可以调用完整的行业研究框架。
在之前的推送中，我们已经详细介绍了如何配置 Finance Context 以及如何在 Claude 中接入这些 Skill，这里不再展开。
我们做了一个金融版Claude Skills手册：Finance Context 正式上线！是金融入门指南，更是 AI 生产力工具箱
直接来看最关键的一步——如何使用。
你只需要输入类似这样的命令：
# 高层概览（5-10 页）/equity-research:sector "enterprise software" --depth overview# 深度研究（20-30 页）/equity-research:sector "semiconductors" --depth deep-dive# 主题性视角/equity-research:sector "AI infrastructure" --angle thematic系统就会自动生成一份行业报告，涵盖市场规模、竞争格局、关键趋势以及投资含义。
整个过程不需要你手动查数据、搭框架，Skill 已经帮你把这些内容内置好了。
行业分析到底在分析什么？
很多人对“行业分析”的理解停留在“看行业好不好”，但在专业研究中，它其实是一套非常完整的分析体系。
行业概览本质上是一种 “中观分析”，介于宏观经济和个股研究之间。它关注的不是单一公司，而是整个行业的运行逻辑。
比如，一个完整的行业分析，通常会回答以下几个核心问题：
• 这个市场有多大？未来增长空间在哪里？ • 行业内谁在赚钱？利润集中在哪些环节？ • 竞争是如何发生的？谁在获取份额？ • 有没有新的技术或商业模式正在改变行业？ • 当前估值是否合理？
这些问题背后，其实对应着一整套经典分析框架。
核心分析框架拆解
这个行业分析 Skill ，把传统投行和买方的分析框架做了高度标准化。
首先是市场规模与增长，也就是常说的 TAM（Total Addressable Market）。很多公司会讲一个“很大的故事”，但真正专业的分析，会去验证这个市场到底有多真实。
接下来是行业结构，包括市场集中度、商业模式以及进入壁垒。例如，一个高度集中的行业，往往意味着龙头公司具备更强的定价权。
再往下是价值链分析。这一点非常关键，因为：
在大多数行业中，真正赚钱的环节往往只集中在价值链的一小部分。
比如在 AI 基础设施行业，GPU 芯片公司和数据中心基础设施提供商的利润结构就完全不同，这直接影响投资判断。
然后是竞争格局分析，包括市场份额变化、公司对比以及潜在颠覆者。这里不仅仅是看财务数据，更重要的是理解竞争的“本质”——是价格、技术、渠道，还是服务。
最后是估值与投资含义。这一部分会把行业基本面和资本市场连接起来，比如当前的 P/E 或 EV/EBITDA 是否合理，是否存在结构性的高估或低估。
Skill 的工作流程
从实际执行来看，这个 Skill 基本复刻了一位专业分析师的工作流程。
第一步是定义研究范围。你需要明确分析的是哪个行业、是否有特定子赛道，以及研究的深度和目标读者。
第二步是市场概述，包括市场规模、增长率以及市场分割。这一步决定了整个分析的“边界”。
第三步进入行业结构和趋势分析，比如行业是否集中、有哪些长期驱动因素（Tailwinds），以及潜在风险（Headwinds）。
第四步是竞争格局，这也是最“有信息量”的部分。Skill 会自动生成主要公司的对比，包括收入、增长、利润率和市场份额。
第五步是估值分析，把行业放在资本市场中进行对比，判断当前定价是否合理。
最后一步是投资含义，也就是把前面的分析转化为“可操作的判断”，比如哪些子赛道更值得关注、有哪些潜在催化剂。
实战中的关键经验
在实际进行行业分析时，有几个经验非常值得注意。
首先是对 TAM 的判断。很多初学者容易直接引用公司给出的市场规模，但这往往存在夸大的情况。更好的方式是结合第三方数据，或者用自下而上的方法重新估算。
其次是不要把行业分析变成“公司列表”。真正有价值的行业研究，重点在于解释行业是如何运作的，而不是简单罗列公司信息。
另外，价值链分析经常被忽视，但它往往是找到投资机会的关键。利润率最高的环节，通常也是资本最集中的地方。
还有一点是区分周期性和结构性行业。比如半导体行业具有明显周期，而云计算则更偏结构性增长。这两类行业的分析方法和估值逻辑完全不同。
最后是时效性。行业数据变化非常快，如果使用过时数据，很容易得出错误结论。
如何接入本地环境
如果你希望在自己的工作流中使用这个 Skill，也可以非常方便地接入本地环境。
只需要一行命令完成安装：
claude plugin install equity-research@financial-services-plugins你还可以根据自己的使用习惯进行配置，比如设置默认输出为 PowerPoint，或者默认使用 overview 模式。
这对于需要频繁写行业报告、做路演材料的人来说，会极大提升效率。
关于 Finance Context
它把 Claude Skills、金融建模方法论，以及真实投行/研究工作流，封装成一套可以直接调用的“金融插件体系”，让 AI 不只是回答金融问题，而是真正参与金融工作本身。
简单来说：? 它既是“金融版 Claude Skills 文档标准”? 也是一套可以直接上手的 AI 金融工作流操作系统? 更是一份从入门到实战的 Finance 101 guidebook
由 LLMQuant 社区打造。
点击文末“阅读原文”即可快速体验。
? 想深入了解对冲基金策略、顶级研究员的思维框架与实战经验？欢迎加入 LLMQuant知识星球，获取第一手资料与独家内容。
