aifinlab A 股可比公司分析
数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 各公司财务指标
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 各公司实时行情（市值、PE、PB 等）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],[CODE3]
# 各公司近 1 年日线（用于股价走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [1年前日期]
补充：通过 web 搜索确认行业分类、可比公司池选择的合理性。
Workflow
Step 1: 确定标的与可比公司池
- 明确标的公司（用户指定的代码/名称）
- 确定可比公司池：
- 用户直接给出 → 使用
- 用户说"同行"/"行业对比" → 通过 web 搜索确认行业分类，选 5-10 家同行业上市公司
- 选择标准：同行业、相似业务模式、相近市值规模
可比公司选择注意事项：
- A 股同行为主，港股/美股同行可用 cn-stock-data 跨市场获取
- 避免选择ST/*ST公司
- 标注哪些是直接可比（业务高度相似）vs 间接可比（同行业但模式不同）
Step 2: 数据获取
对标的和每家可比公司获取：
finance— 最新财务指标（ROE、毛利率、净利率、增速等）quote— 实时行情（市值、PE、PB）- 如需更多估值数据（EV/EBITDA、PS 等），需要计算：
- EV = 市值 + 有息负债 - 现金（从财务数据估算）
- PS = 市值 / 收入
Step 3: 构建估值表
参见 references/valuation-metrics.md 的指标定义和行业处理规则。
核心估值列（必含）： | 代码 | 名称 | 市值(亿) | PE(TTM) | PB | ROE(%) | 营收增速(%) | 净利润增速(%) | 毛利率(%) | 净利率(%) |
进阶列（formal 模式）： | EV/EBITDA | PS | PEG | 资产负债率(%) | 经营现金流/利润 | 股息率(%) |
Step 4: 统计分析
计算可比公司组的：
- 均值 / 中位数 / 最大值 / 最小值
- 标的公司所处的百分位排名
- 标注标的哪些指标优于/低于中位数
Step 5: 输出
Excel 输出规则（formal 模式）：
- 所有派生值必须是 Excel 公式，不是硬编码数字
- 输入数据（从 cn-stock-data 获取的原始值）用蓝色字体
- 公式计算结果用黑色字体
- 统计行（均值/中位数）用粗体
- 标的公司行用黄色底色高亮
- 包含条件格式：PE 低于中位数=绿色，高于=红色
Markdown 输出（brief 模式）：
- 直接输出 Markdown 表格
- 在表格下方用 1-2 句话总结标的的估值位置
风格说明
| 维度 | formal（投行估值表） | brief（快速对标表） |
|---|---|---|
| 输出格式 | Excel (.xlsx) | Markdown 表格 |
| 指标列数 | 12-15 列 | 6-8 列 |
| 统计行 | 均值+中位数+最大+最小 | 仅中位数 |
| 图表 | PE/PB 散点图数据 | 无 |
| 结论 | 客观描述估值位置 | 可加个人判断 |
| 免责声明 | 需要 | 不需要 |
关键规则
- 公式优先于硬编码：在 Excel 中，PE 不应直接写入数字，而应该是
=市值单元格/净利润单元格 - 数据来源标注：每个数字都应能追溯到 cn-stock-data 的哪个字段
- 行业调整：银行/保险用 PB 而非 PE；科技用 PS 或 EV/Revenue；地产看 NAV
- 不给买卖建议：formal 模式只陈述事实（"标的 PE 处于可比组 25 百分位"），不说"建议买入"