# Event Scenario Analyzer

> 事件驱动分析与情景敏感性工具。分析特定事件（业绩、政策、并购、监管等）对股价的潜在影响，并构建多情景定量分析。 触发词：事件分析、事件驱动、event driven、情景分析、scenario analysis、敏感性分析、sensitivity、催化事件影响、what if、如果...会怎样

- Skill: `ahang1598/event-scenario-analyzer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add ahang1598/event-scenario-analyzer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ahang1598/event-scenario-analyzer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: ahang1598 (https://skillmd.com/u/ahang1598)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/ahang1598/event-scenario-analyzer

---


# 事件与情景分析（Event & Scenario Analyzer）

## 功能说明

提供两大核心能力：

1. **事件驱动分析**：评估特定事件（如业绩发布、政策变动、并购交易、监管行动等）对标的股价和基本面的潜在影响
2. **情景敏感性分析**：构建多情景假设矩阵，量化不同情景下的估值影响

## 一、事件驱动分析

### 工作流

#### Phase 1：事件识别与分类

| 事件类型 | 示例 | 典型影响时间 |
|---------|------|------------|
| 盈利事件 | 财报发布、盈利预警、指引调整 | 1-5 交易日 |
| 公司行动 | 并购、分拆、回购、增发、管理层变动 | 1-20 交易日 |
| 监管事件 | 政策发布、审批决定、反垄断裁定 | 即时-数月 |
| 行业事件 | 竞争对手动向、技术突破、供需变化 | 数周-数月 |
| 宏观事件 | 利率决议、贸易政策、地缘冲突 | 即时-数月 |

#### Phase 2：历史类比分析

1. 找到 3-5 个历史上类似事件的先例
2. 分析每个先例：
   - 股价反应幅度和持续时间
   - 基本面实际影响
   - 市场预期 vs 实际结果
3. 归纳历史规律和偏差范围

#### Phase 3：当前事件定量评估

1. **前置条件**：事件发生前市场已经定价了什么？
2. **核心变量**：事件将改变哪些关键财务指标？
3. **影响路径**：
   - 短期（交易日层面）：情绪/仓位调整
   - 中期（季度层面）：估计修正/倍数重估
   - 长期（年度层面）：基本面结构性改变
4. **概率评估**：事件各种结果的概率分布

#### Phase 4：交易策略

1. 事前建仓策略（赌事件方向）
2. 事后反应策略（等事件落地再行动）
3. 对冲策略（利用期权等工具限定风险）
4. 不行动的成本（错过机会的代价）

## 二、情景敏感性分析

### 工作流

#### Phase 1：确定关键变量

1. 识别对估值影响最大的 2-4 个变量
2. 典型变量组合：
   - 收入增速 × 利润率
   - 销量 × 单价
   - 市场份额 × 行业增速
   - WACC × 终值增长率
   - 政策情景 × 执行力度

#### Phase 2：定义情景

对每个关键变量设定：
- 乐观值（牛市情景）
- 基本值（最可能情景）
- 悲观值（熊市情景）
- 极端值（压力测试，可选）

每个值须有数据或逻辑支撑，不是随意拍数。

#### Phase 3：构建敏感性矩阵

1. 单变量敏感性：固定其他变量，逐一改变
2. 双变量敏感性：两个最关键变量交叉
3. 情景组合：命名情景（牛/基/熊）下的全变量组合
4. 蒙特卡洛模拟（如适用）：概率分布下的估值分布

#### Phase 4：解读与决策含义

1. 哪些变量对估值最敏感？（弹性排序）
2. 当前价格隐含了什么假设？
3. 盈亏平衡点在哪里？（什么假设下股票不赚钱）
4. 概率加权期望值是多少？
5. 风险回报比如何？

### 输出格式

#### 事件影响评估卡

```
事件: [事件描述]
日期: [确定日期/预期窗口]
类型: [盈利/公司行动/监管/行业/宏观]

┌────────────────────────────────────────────┐
│ 情景        | 概率  | 股价影响  | 基本面影响  │
│------------|-------|---------|------------|│
│ 超预期     | XX%   | +XX%    | [描述]     │
│ 符合预期   | XX%   | +/-X%   | [描述]     │
│ 不及预期   | XX%   | -XX%    | [描述]     │
│ 概率加权   |       | +/-X%   |            │
└────────────────────────────────────────────┘

历史类比:
• [先例1]: 股价反应 +/-XX%，持续 X 天
• [先例2]: ...

交易建议: [事前/事后/对冲/观望]
```

#### 双变量敏感性表

```
目标价敏感性 (¥)
              收入增速
利润率    | 10%   | 15%   | 20%   | 25%   | 30%
----------|-------|-------|-------|-------|------
18%       | ¥XX   | ¥XX   | ¥XX   | ¥XX   | ¥XX
20%       | ¥XX   | ¥XX   | [基本] | ¥XX   | ¥XX
22%       | ¥XX   | ¥XX   | ¥XX   | ¥XX   | ¥XX
24%       | ¥XX   | ¥XX   | ¥XX   | ¥XX   | ¥XX

当前股价: ¥XX (隐含假设: 收入增速 ~XX%, 利润率 ~XX%)
盈亏平衡: 收入增速 >XX% 且利润率 >XX%
```

## 注意事项

- 事件分析的核心是"市场预期差"——不是事件本身好坏，而是相对预期的超预期/不及预期
- 历史类比要谨慎使用，每次事件的背景不同，不能简单套用
- 敏感性分析的变量选择比计算本身重要——选错变量，精确的计算也没意义
- 概率评估必须诚实：不确定就给宽区间，不要伪装精确
- 极端情景不是"不可能"——标注为低概率但高影响
- 所有数据标注来源和截至日期