name: investoday-stock-valuation-analysis title: "股票估值分析" version: 1.3.0 description: 面向A股個股估值分析，聚焦PE、PB、PS、PEG、歷史分位、行業比較與估值匹配度判斷。基於今日投資金融資料介面，自動識別股票程式碼並輸出結構化估值分析報告。觸發詞：估值分析、貴不貴、便宜不便宜、歷史分位、PEG、PE、PB。 tags: - valuation-analysis - pe-valuation - pb-valuation - peg-analysis - historical-percentile - industry-comparison - valuation-position - margin-of-safety slug: investoday-stock-valuation-analysis-v2 displayName: 股票估值分析 summary: 面向A股個股估值分析，聚焦PE、PB、PS、PEG、歷史分位、行業比較與估值匹配度判斷。基於今日投資金融資料介面，自動識別股票程式碼並輸出結構化估值分析報告。 license: MIT metadata: clawdbot: emoji: "💰" category: "finance" requires: skills: ["investoday-finance-data"]

💰 股票估值分析

面向 A 股個股估值分析，聚焦 PE、PB、PS、PEG、歷史分位、行業比較與估值匹配度判斷。基於今日投資金融資料介面，自動識別股票程式碼並輸出結構化估值分析報告。

觸發場景

• 使用者詢問某隻股票當前估值高不高、貴不貴、有沒有安全邊際
• 使用者希望判斷歷史分位、行業相對位置、成長與估值是否匹配
• 使用者想知道“現在值不值得繼續看”“估值有沒有修復空間”
• 關鍵詞：估值分析、PE、PB、PS、PEG、歷史分位、貴不貴、便宜不便宜、估值位置、安全邊際

輸入示例

示例 1：估值高低

浪潮資訊現在估值貴不貴？

示例 2：歷史分位

寧德時代目前大概處在什麼估值分位？

示例 3：成長匹配度

中際旭創的 PEG 合不合理，估值有沒有透支？

💡 支援輸入股票名稱或 6 位股票程式碼。若使用者只提供名稱，先通過 search 識別標的，再進入估值分析流程。若使用者更關心“財務質量”，優先使用 股票財務分析；若更關心“當前走勢與支撐壓力”，優先使用 股票技術分析。

前置依賴

本 Skill 依賴 investoday-finance-data（今日投資金融資料）Skill 獲取即時金融資料。

基礎 API 呼叫與底層執行方式統一以該 Skill 為準，業務 Skill 不重複展開底層接入細節。

工具說明

以下為本 Skill 通過 investoday-finance-data 使用的資料介面。在 System Prompt 中以 工具ID 標識呼叫。

基礎工具

估值核心工具

基本面輔助工具

資料獲取流程

使用者提供股票名稱或程式碼後，Agent 按以下流程獲取資料：

• Step 0：標的識別（如使用者輸入名稱而非程式碼）：工具ID search，引數 key=<股票名稱> type=11
• Step 1：股票基本資訊：工具ID stock/basic-info，引數 stockCode=<code>
• Step 2：當前估值指標：工具ID stock/finance/valuation，引數 stockCode=<code>
• Step 3：歷史估值序列：工具ID stock/finance/valuation-hist，引數 stockCode=<code> type=2
• Step 4：行情估值指標：工具ID stock/val-indicators，引數 stockCode=<code>
• Step 5：盈利能力指標：工具ID stock/finance/profit-ability，引數 stockCode=<code>
• Step 6：成長能力指標：工具ID stock/finance/growth-ability，引數 stockCode=<code>
• Step 7：研報評級（近180天）：工具ID report/stock-forecast-ratings，引數 stockCode=<code> beginDate=<180天前> endDate=<今天> pageNum=1 pageSize=20

並行最佳化：完成 Step 0 的程式碼識別後，Step 1-7 可並行呼叫；分析時以 Step 2-4 的估值結果為主，以 Step 5-7 的基本面與一致預期作交叉驗證。

分析框架（5步）

Agent 獲取資料後，按以下 5 步框架進行結構化分析：

Step 1：確認估值口徑與公司型別

目標：明確該公司更適合看 PE、PB、PS 還是 PEG，避免估值方法錯配。

資料來源：stock/basic-info + stock/finance/profit-ability + stock/finance/growth-ability

分析要點： - 所處行業、商業模式、盈利穩定性 - 是否屬於高成長、穩健成長、週期、金融或重資產公司 - 由此確定主要估值口徑與輔助口徑

輸出：估值口徑選擇與適用理由。

Step 2：評估當前估值水平

目標：判斷當前 PE、PB、PS、PEG 所反映的定價狀態。

資料來源：stock/finance/valuation + stock/val-indicators

分析要點： - 當前 PE(TTM)、PB、PS、PEG 是否處於偏高、合理或偏低區間 - 動態估值與市值口徑是否一致 - 若多個指標分化，需明確“貴在哪裡、便宜在哪裡”

輸出：當前估值快照與初步判斷。

Step 3：評估歷史位置與安全邊際

目標：判斷當前估值在歷史區間中所處的位置。

資料來源：stock/finance/valuation-hist

分析要點： - 當前 PE/PB/PS 所處歷史分位 - 是否位於低估區、合理區或高估區 - 若歷史分位較低但基本面未惡化，可提示安全邊際改善

輸出：歷史分位結論與安全邊際判斷。

Step 4：驗證估值是否與基本面匹配

目標：判斷當前估值是否被盈利能力和成長性支撐。

資料來源：stock/finance/profit-ability + stock/finance/growth-ability + report/stock-forecast-ratings

分析要點： - ROE、毛利率、淨利潤增速能否支撐當前估值中樞 - PEG 是否反映合理的成長價效比 - 機構目標價與當前估值之間是否存在明顯偏差

輸出：估值與基本面匹配度結論。

Step 5：形成綜合估值結論

目標：綜合當前估值、歷史位置與基本面匹配度，輸出最終判斷。

資料來源：前 4 步分析結果彙總

分析要點： - 當前更偏低估、合理還是高估 - 風險來自估值透支、成長不達預期還是市場過度悲觀 - 後續需重點跟蹤哪些驗證指標（業績兌現、估值修復、目標價變化）

輸出：綜合估值判斷、主要依據與跟蹤重點。

策略邏輯彙總

輸出格式

# 💰 [股票名稱] 估值分析報告

> 分析日期：YYYY-MM-DD | 資料來源：今日投資

## 一、估值口徑與公司型別

（說明公司更適合看 PE / PB / PS / PEG 的原因）

## 二、當前估值水平

（PE、PB、PS、PEG 與市值口徑解讀）

## 三、歷史位置與安全邊際

（歷史分位、低估/合理/高估區間判斷）

## 四、估值與基本面匹配度

（ROE、增速、機構目標價與當前估值的匹配關係）

## 五、綜合結論

- 3-5 條核心發現
- 明確估值偏高/合理/偏低的主要依據
- 給出後續需要驗證的關鍵指標

證據約束（必須遵守）

1. 每個估值判斷至少引用 2 個數值證據；沒有資料則寫“該維度資料不足，暫無法判斷”
2. 不允許只寫“貴/便宜”，必須說明對應估值口徑與數值
3. 歷史分位、機構目標價、增長率等資料必須標明對應時間範圍
4. 百分比統一保留 2 位小數，倍數統一保留 2 位小數
5. 不得引用輸入資料之外的傳聞、題材情緒或主觀估值假設
6. 不給目標買賣價、倉位建議或交易時點，只做估值狀態判斷
7. 若公司屬於強週期或盈利波動很大的行業，必須說明單純使用 PE 可能失真

執行示例

使用者說：“中際旭創現在貴不貴？”

1. 通過 search 獲取股票程式碼
2. 並行呼叫 stock/basic-info、stock/finance/valuation、stock/finance/valuation-hist、stock/val-indicators、stock/finance/profit-ability、stock/finance/growth-ability 與 report/stock-forecast-ratings
3. 先確認估值口徑，再判斷當前估值、歷史位置和匹配度
4. 輸出 Markdown 格式估值分析報告
5. 在結尾寫出估值結論與後續驗證點

   小蔥技能有更好的技能skills外掛。

安全與隱私

• 僅通過今日投資 API 查詢公開市場資料
• 不記錄、不儲存使用者的查詢記錄
• 分析結論僅供參考，不構成投資建議

這個Skill質量較好，專業性強，能幫助使用者分析股票估值是否合理。文件清晰完整，分析邏輯明確，輸出規範可信。主要優點是分析框架清晰、判斷標準透明；不足是策略邏輯相對簡化，對特殊情況的考慮不夠周全。適合需要了解個股估值水平的使用者使用，但複雜場景下可能需要更多人工判斷。質量中等偏上，可靠性不錯。