股价 = 盈利 × 估值。用 AI 分析个股基本面，最容易做的是对财报披露的盈利数据做静态分析。但只算清楚"盈利"这一半，就漏掉了对股价波动定价最关键的另一半——估值。盈利反映的是公司已经赚了多少，估值反映的是市场愿意为它未来赚的钱出多高的价。前者好算，后者才是难点。
这个 Skill 想解决的，正是估值这一半，思路有两条：
第一，用"分型 → 定性 → 定量"三步法拆解估值问题，回答一个核心问题——这只股票未来上涨的理由到底是什么，市场给的预期是高了还是低了。
第二，加入深度分析模式，让 AI 带着问题去翻资料，主动挖掘与市场主线相关的线索。
一、先分型，再分析
很多人不理解的是：不同类型的公司，估值体系是完全不同的。
就拿 30 倍 PE 来说。对一只成长股，这稀松平常，大家赌的是它未来还能涨多快；可放到红利股身上就贵得离谱——这类公司市场通常只给 10 到 15 倍。一只龙头股的 PE 跌进历史最低区间，往往是机会信号；但成长股一旦增速开始放缓，PE 再低也不代表便宜。
所以第一步，需要先判断公司是哪一种类型？简单分三类：
还在快速扩张的，是成长股，买它赌的是未来空间，关键看增速能不能延续； 行业地位已经稳固、增速慢下来但盈利质量不错的，是成熟龙头，关键看赚钱稳不稳、能不能持续回报股东； 增长空间有限但分红稳定的，是红利价值，逻辑近似买债券，看的是股息率够不够高、分红能不能持续。
明确类型才能匹配估值体系和分析方法，错配的结果就是你的判断与市场走势背道而驰。
二、定性：这家公司值不值得看
用五个维度，来回答一个更基本的问题：这家公司本身，值不值得花时间看？
收入增长的质量。营收涨了，但要追问怎么涨的：靠涨价还是靠走量？是新业务拉起来的，还是老业务在吃老本？ 利润的含金量。利润数字好看，钱真收回来了吗？应收账款涨得比收入还快、存货越堆越高，都不是好信号。 现金流。经营性现金流是利润的照妖镜。利润年年涨、现金流年年弱，要么数字有水分，要么生意本身回款就慢——两种情况都得警惕。 业务结构和护城河。客户集中度高不高？有没有护城河？护城河可以是品牌、成本优势、技术壁垒，也可以是牌照或渠道。没有护城河的高增长，撑不了太久。 ROE 要拆开看。同样是高 ROE，靠的是高杠杆、快周转，还是高利润率？三条路子的风险特征完全不同。
五个维度过下来，基本就能判断这家公司处在哪个阶段：高速成长、稳健成长、成熟稳定、增速放缓，还是已经陷入困境。
关键是，这个判断要和第一步的定型对得上。如果当初定的是成长股，五维看下来却增长乏力，那只有两种可能：要么是型定错了，要么是这家公司正在经历类型切换——而后者，本身往往就是一条值得深挖的线索。
三、定量：好公司，也得有好价格
确认了是家好公司，接下来才轮到价格。因为好公司买贵了，照样亏钱。
这里有个 A 股特色要说明：A 股是个高度叙事的市场。一只股票如果正好踩在当下的主线上，估值容忍度会明显高一截；反过来，不在主线上，基本面再好也可能被长期冷落。所以定量这一步的最后，要专门判断公司和当前主线的连接是强是弱，并把它作为估值的修正项。
回到价格本身。最常见的陷阱是：公司基本面确实不错，但市场已经把"好"完全消化进了价格，甚至消化过了头。成长股的"隐含预期法"就是用来识别这种情况的——从当前 PE 倒推，市场这个价格到底隐含了多高的增速预期？再拿这个隐含增速去对照公司实际能兑现的增速，差距有多大？如果市场的预期已经打得太满，那就是典型的"好公司，但太贵"。这时候冲进去，赚的是情绪的钱，不是基本面的钱，当情绪退潮时同样可能亏的很惨。
真正值得挖的是另一种情况：公司不错，但价格还没充分反映它的价值。也许市场忽视了某些业务亮点，也许短期波动盖住了长期趋势，也许公司正在转型却还没被注意到。基本面和估值之间裂开了一道缝——这道缝就是预期差，也是投资机会真正藏身的地方。
不同类型的公司，用不同的估值尺子：成长股用隐含预期配合三情景推演，看看乐观、中性、悲观三种假设下价格分别往哪偏；成熟龙头看历史分位，贵不贵，先和自己的过去比；红利价值看股息率，分红稳不稳、有没有吸引力。方法各异，但目的只有一个——判断"好"和"贵"之间到底匹不匹配。
四、深度模式：带着问题去读资料
前面这些判断——预期差也好、财务疑点也好——最靠谱的是回到原始资料里去验证。问题是，资料该怎么读。深度模式的做法是：先用数据扫描，提出具体问题假设，再带着问题去原文里找答案。不是通读，而是精准定位。
具体来说，先做一轮确定性的数据扫描，把疑点和值得深挖的方向标出来；然后对症找章节——业绩异常，去读管理层讨论与分析；财务疑点，去翻报表附注；资本运作，去看公告原文。有方向地读，效率和通读完全不是一个量级。
这里有一个常被忽略的高价值信息源：定增审核的问询函回复。监管替投资者把问题问得很细，公司必须逐项作答，里面经常藏着年报不会细写的东西——产品的具体规格参数、技术路线、客户名单、收入结构为什么变了。要确认一家公司的新业务布局，或者搞清楚财务异常背后的真实原因，这类材料的信息密度特别高。
说到底，深度模式就挖两样东西：一是财务异常背后的真实原因，帮你排雷；二是市场还没注意到的价值点，帮你找机会。一个防风险，一个抓机会，但都有同一个前提——靠定向读原文来验证，而不是拍脑袋猜出来的。
下载此Skill： https://clawhub.ai/chinfi-codex/stock-ai-analyzer
---
关于我：15年互联网产品专家，长期投资 AI 基础设施、半导体、机器人与中国科技产业链。 欢迎围绕 AI 流程落地、AI投研Agent、Agent 产品设计等方向咨询交流
