name: Securities Equity Research Report Generator slug: security-equity-research description: AI-powered equity research report generator for China A-share market — covers industry research, company coverage initiation, earnings analysis, valuation modeling (DCF/DDM/PE-band), and investment thesis synthesis. Built for China equity research analysts, buy-side analysts, and investment bank researchers. Updated 2026 with latest ESG integration requirements, short-seller report response templates, and cross-sector comparison frameworks. Keywords: equity research, A-share research, investment report, short-seller defense, ESG integration, valuation model, China stock analysis, 研報生成, 行業研究, 個股覆蓋, 估值建模, 投研報告, 行研, 財報分析, 盈利預測, 目標價, 評級, 深度報告, 事件點評, 新股分析. version: "3.0.1"

Securities Equity Research Report Generator / 證券投研報告生成器

English: AI-powered equity research report generator for China A-share market — automates industry research, company coverage initiation, earnings analysis, valuation modeling, and investment thesis synthesis. Solves pain points: time-consuming data collection, repetitive report templates, and fast-response capability for short-seller reports. Built for equity research analysts and buy-side researchers.

中文: 證券投研報告生成器——覆蓋行業研究、公司首次覆蓋、業績點評、估值建模（DCF/DDM/PE區間）、投資邏輯提煉的全流程AI助手。解決痛點：資料收集耗時、報告模板重複、快速響應做空報告需求。適用：中國A股研究員、買方分析師、投資銀行研究人員。

證券監管最新動態 [2026-05-25更新]

資料截止: 2026-05-25 | 來源：證監會、NFRA、中證協、安永Q1分析 宣告: 以上動態供參考，具體以官方最新發布為準

Industry Pain Points / 行業痛點

Trigger Keywords / 觸發關鍵詞

English Triggers: equity research, A-share research, investment report, coverage initiation, earnings review, valuation model, DCF, DDM, PE band, short-seller response, ESG integration, China stock analysis, industry research report, buy-side research

中文觸發詞（優先）： 投研報告 / 行業研究 / 個股分析 / 首次覆蓋 / 業績點評 / 估值建模 / DCF / DDM / PE區間 / 做空報告回應 / ESG整合 / 投研框架 / 研究報告 / 買方研報 / 券商研報 / 宏觀策略 / 行業比較 / 公司對比 / 盈利預測 / 目標價 / 評級調整 / 研究報告審查 / 研報合規檢查 / 研報降重 / 研報改寫

Core Capabilities / 核心能力

1. Research Report Templates / 研報模板庫

標準研報結構（證監會/中證協規範格式）：

7w4.net小蔥技能站，你的AI助手技能庫。

# [公司簡稱]（[股票程式碼]）深度報告
**報告日期**: YYYY-MM-DD
**研究員**: [姓名]
**聯絡方式**: [郵箱/電話]

## 核心觀點
[3-5句話概括投資亮點和核心風險]

## 投資邏輯
### 邏輯1：[一句話]
### 邏輯2：[一句話]
### 邏輯3：[一句話]

## 關鍵假設
| 假設項 | 數值 | 依據 |
|-------|------|------|
| 收入增速 | XX% | [市場/公司歷史資料] |
| 毛利率 | XX% | [行業趨勢/競爭格局] |
| 費用率 | XX% | [歷史均值/管理變革] |

## 盈利預測
| 指標 | 2024A | 2025E | 2026E | 2027E |
|------|-------|-------|-------|-------|
| 營業收入（億元） | | | | |
| 歸母淨利潤（億元） | | | | |
| EPS（元） | | | | |
| YoY增速 | | | | |

## 估值分析
### DCF估值
- WACC: XX%
- 永續增長率: XX%
- 絕對估值區間: [XX-XX]元

### 相對估值
| 可比公司 | P/E | P/B | P/S |
|---------|-----|-----|-----|
| [公司A] | | | |
| [公司B] | | | |
| 行業中位數 | | | |

## 風險提示
1. [風險1]
2. [風險2]
3. [風險3]

2. Valuation Models / 估值模型

2.1 DCF Model / 現金流折現模型

import numpy as np
import pandas as pd
from scipy.optimize import brentq

def dcf_valuation(fcf_forecast: list, wacc: float, terminal_growth: float, 
                   terminal_share: float = 1.0) -> dict:
    """
    DCF估值模型
    Args:
        fcf_forecast: 未來5年自由現金流預測（億元）
        wacc: 加權平均資本成本（%）
        terminal_growth: 永續增長率（%）
        terminal_share: 終值折現係數
    Returns:
        估值結果字典
    """
    # 預測期現值
    discount_factors = [(1 + wacc/100) ** t for t in range(1, len(fcf_forecast) + 1)]
    pv_forecast = sum([fcf / df for fcf, df in zip(fcf_forecast, discount_factors)])

    # 終值計算
    terminal_fcf = fcf_forecast[-1] * (1 + terminal_growth / 100)
    terminal_value = terminal_fcf / (wacc / 100 - terminal_growth / 100)
    pv_terminal = terminal_value / discount_factors[-1] * terminal_share

    # 企業價值 & 股權價值
    enterprise_value = pv_forecast + pv_terminal
    equity_value = enterprise_value  # 簡化：無淨負債調整

    # 敏感性分析
    sensitivity = {}
    for wacc_adj in [-0.5, 0, 0.5]:
        for tg_adj in [-0.5, 0, 0.5]:
            adj_wacc = wacc + wacc_adj
            adj_tg = terminal_growth + tg_adj
            if adj_wacc > adj_tg:
                adj_tv = terminal_fcf * (1 + adj_tg/100) / (adj_wacc/100 - adj_tg/100)
                adj_pv_tv = adj_tv / discount_factors[-1] * terminal_share
                adj_pv_f = sum([fcf / ((1 + adj_wacc/100) ** t) 
                               for t, fcf in enumerate(fcf_forecast, 1)])
                sensitivity[f"WACC={adj_wacc}%, g={adj_tg}%"] = adj_pv_f + adj_pv_tv

    return {
        "enterprise_value": round(enterprise_value, 2),
        "equity_value": round(equity_value, 2),
        "pv_forecast": round(pv_forecast, 2),
        "pv_terminal": round(pv_terminal, 2),
        "terminal_value": round(terminal_value, 2),
        "sensitivity_table": sensitivity
    }

# 使用示例
result = dcf_valuation(
    fcf_forecast=[5.2, 6.1, 7.3, 8.5, 9.8],  # 未來5年FCF（億元）
    wacc=9.5,  # WACC 9.5%
    terminal_growth=2.5,  # 永續增長率 2.5%
    terminal_share=0.8  # 終值折現係數
)
print(f"企業價值: {result['enterprise_value']} 億元")
print(f"股權價值: {result['equity_value']} 億元")

2.2 DDM Model / 股利貼現模型

def ddm_valuation(current_dps: float, dividend_growth: list, 
                  required_return: float, terminal_growth: float) -> dict:
    """
    DDM估值模型（兩階段）
    Args:
        current_dps: 當前每股股利（元）
        dividend_growth: 高增長階段各年增長率（%）
        required_return: 必要收益率（%）
        terminal_growth: 永續增長率（%）
    """
    pv_dividends = []
    cumulative_dps = current_dps

    for i, g in enumerate(dividend_growth, 1):
        cumulative_dps *= (1 + g / 100)
        pv = cumulative_dps / ((1 + required_return / 100) ** i)
        pv_dividends.append(pv)

    # 永續價值
    terminal_dps = cumulative_dps * (1 + terminal_growth / 100)
    terminal_value = terminal_dps / (required_return / 100 - terminal_growth / 100)
    pv_terminal = terminal_value / ((1 + required_return / 100) ** len(dividend_growth))

    intrinsic_value = sum(pv_dividends) + pv_terminal

    return {
        "intrinsic_value": round(intrinsic_value, 2),
        "pv_dividends": [round(p, 4) for p in pv_dividends],
        "terminal_value": round(terminal_value, 2),
        "pv_terminal": round(pv_terminal, 2)
    }

2.3 PE Band Analysis / PE估值區間分析

def pe_band_analysis(eps_history: list, price_history: list, 
                     forecast_eps: float) -> dict:
    """
    PE估值區間分析
    基於歷史估值分佈給出當前估值水位
    """
    # 計算歷史PE
    pe_history = [p / e for p, e in zip(price_history, eps_history) if e > 0]

    # 統計分佈
    pe_stats = {
        "min": np.min(pe_history),
        "q25": np.percentile(pe_history, 25),
        "median": np.median(pe_history),
        "q75": np.percentile(pe_history, 75),
        "max": np.max(pe_history),
        "mean": np.mean(pe_history)
    }

    # 估值區間
    valuation_band = {
        "極度低估 (PE < Q25)": forecast_eps * pe_stats["q25"],
        "偏低估 (Q25 < PE < Median)": forecast_eps * pe_stats["median"],
        "合理區間 (Median < PE < Q75)": forecast_eps * pe_stats["q75"],
        "偏高估 (PE > Q75)": forecast_eps * pe_stats["max"]
    }

    return {
        "pe_statistics": pe_stats,
        "valuation_band": {k: round(v, 2) for k, v in valuation_band.items()}
    }

3. Industry Research Framework / 行業研究框架

## 行業研究標準框架

### 一、行業概述
- 行業定義與邊界
- 產業鏈結構圖
- 行業發展階段（匯入期/成長期/成熟期/衰退期）

### 二、競爭格局
- 市場集中度（CR3/CR5/CR10）
- 波特五力分析
- 競爭格局演變趨勢

### 三、驅動因素
- 需求側：市場規模、增速、滲透率
- 供給側：產能擴張、技術迭代
- 政策面：監管政策、扶持政策
- 宏觀面：經濟週期、人口結構

### 四、核心標的
- 龍頭公司競爭優勢
- 二線公司差異化
- 潛在黑馬

### 五、風險因素
- 週期性風險
- 政策風險
- 技術替代風險
- 競爭加劇風險

4. Short-Seller Response Template / 做空報告回應模板

# 關於[做空機構名稱]做空報告的宣告

**公司宣告日期**: YYYY-MM-DD
**股票程式碼**: [程式碼]
**宣告人**: [公司名稱]投資者關係部

## 一、核心回應

[機構]於[日期]釋出的做空報告，存在嚴重的事實錯誤和誤導性陳述。
本公司特此宣告如下：

### 1. 關於[指控1]的回應
**事實**: [澄清事實]
**證據**: [提供證據]
**結論**: [明確結論]

### 2. 關於[指控2]的回應
[同上格式]

## 二、補充資訊

### 財務資料核實
| 指標 | 公司公告資料 | 做空報告資料 | 差異說明 |
|-----|-------------|-------------|---------|
| | | | |

## 三、風險提示

本宣告不構成投資建議。投資者應仔細閱讀公司過往公告，
審慎判斷投資風險。

---
聯絡方式：[IR郵箱]

Compliance Checklist / 合規檢查清單

Usage Examples / 使用示例

啟動研報撰寫：

分析[行業名稱]的競爭格局和投資機會，生成行業研究報告模板

估值建模：

幫我用DCF模型對[公司名稱]估值：
- 未來5年FCF預測：[X]億/[X]億/[X]億/[X]億/[X]億
- WACC：[X]%
- 永續增長率：[X]%

做空報告應急：

[機構]剛釋出做空報告指控[公司]，需24小時內回應，
幫我生成回應初稿框架，重點反駁以下3點：
1. [指控點1]
2. [指控點2]
3. [指控點3]

Disclaimer

This skill provides research report templates and valuation models for educational and reference purposes. Investment decisions should be based on independent research and professional advice. All outputs should be reviewed by qualified analysts before publication or use in investment decisions.

這款投研報告生成器質量不錯，模板專業規範符合國內監管要求，估值模型也很實用，做空報告應急功能是一大亮點。優點是覆蓋全面，能顯著提升投研工作效率；不足是缺少更多實際案例參考，互動引導可以做得更細緻。對於需要撰寫A股研報的分析師來說，這是一個值得一試的工具。