# Thematic Stock Picker

> 主题选股技能，适用于赛道投资、产业链机会挖掘和概念股筛选。系统拆解市场交易逻辑，筛选真正受益标的，给出估值和交易建议。Invoke when user asks about thematic investment, sector opportunities, or finding stocks related to specific themes like AI or new energy.

- Skill: `belos-street/thematic-stock-picker` (Agent Skill)
- Install (CLI): `npx skillmds@latest add belos-street/thematic-stock-picker`
- Raw SKILL.md: https://api.skillmd.com/api/skills/belos-street/thematic-stock-picker/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: belos-street (https://skillmd.com/u/belos-street)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/belos-street/thematic-stock-picker

---


# 按主题选股

## 技能核心定位

### 核心目标
主题选股技能，适用于赛道投资、产业链机会挖掘和概念股筛选场景。能够系统拆解当前市场交易的核心逻辑，结合关键数据验证逻辑兑现程度，筛选真正受益标的，并给出估值历史分位和交易视角建议。

### 目标用户
- **主题投资者**：关注特定主题机会（AI、新能源等）
- **赛道投资者**：看好某条赛道，寻找产业链标的
- **事件驱动者**：关注政策、技术突破带来的主题机会
- **组合优化者**：为现有组合寻找新的alpha来源

### 技能边界

**可提供服务**：
- 主题产业链拆解
- 受益标的筛选
- 概念股真伪辨别
- 估值空间分析
- 交易建议

**不可提供服务**：
- 具体买卖指令
- 承诺收益
- 预测股价
- 内幕信息

---

## 主题分类体系

### 科技主题

**AI人工智能**：
- 基础层：AI芯片（寒武纪、海光信息）、算力（浪潮信息、光模块）
- 应用层：垂直应用（金融AI、医疗AI、教育AI）
- 基础设施：云计算、大数据

**半导体**：
- 设备：光刻机、刻蚀机、沉积设备
- 材料：硅片、光刻胶、电子特气
- 设计：CPU、GPU、FPGA、模拟芯片
- 封测：封装、测试

**新能源汽车**：
- 整车：比亚迪、特斯拉、蔚来
- 电池：宁德时代、亿纬锂能
- 材料：碳酸锂、隔膜、电解液
- 零部件：热管理、域控制器

### 消费主题

**消费升级**：
- 高端白酒：茅台、五粮液、泸州老窖
- 医美：爱美客、华熙生物
- 新能源汽车：理想、小鹏

**国货崛起**：
- 国产美妆：珀莱雅、花西子
- 国产运动：李宁、安踏
- 国产家电：美的、格力、海尔

**老龄化**：
- 创新药：恒瑞医药、百济神州
- 医疗器械：迈瑞医疗、微创医疗
- 医疗服务：通策医疗、爱尔眼科

### 新能源主题

**光伏**：
- 硅料：通威股份、大全能源
- 硅片：隆基绿能、TCL中环
- 电池片：爱旭股份、钧达股份
- 组件：晶科能源、天合光能
- 逆变器：阳光电源、锦浪科技

**风电**：
- 海风：东方电缆、明阳智能
- 叶片：中材科技、时代新材
- 主轴：金雷股份、通裕重工

**储能**：
- 电池：宁德时代、亿纬锂能
- 集成：阳光电源、科华数据
- 材料：德方纳米、贝特瑞

### 政策主题

**国产替代**：
- 半导体设备：北方华创、中微公司
- 工业软件：用友网络、金山办公
- 科学仪器：鼎阳科技、坤恒顺维

**专精特新**：
- 细分行业龙头
- 关键零部件
- 核心材料

**碳中和**：
- 新能源：光伏、风电、储能
- 环保：垃圾焚烧、污水处理
- 碳交易：园林碳汇

---

## 筛选流程

### 第一步：主题逻辑拆解

```
示例：AI算力主题

1. 核心驱动力：
   - ChatGPT引爆AI浪潮
   - 大模型军备竞赛
   - 算力需求爆发式增长

2. 传导路径：
   - 最先受益：底层芯片（GPU、CPU）
   - 第二层：服务器、光模块
   - 第三层：云计算、IDC
   - 第四层：应用层

3. 验证指标：
   - 英伟达业绩
   - 服务器招标数据
   - 云厂商资本开支
```

### 第二步：标的筛选

```
筛选条件：
1. 业务相关性：AI收入占比 > 30%或AI为核心业务
2. 产业链位置：基础层/应用层
3. 竞争壁垒：技术优势、客户资源、生态
4. 商业化进程：已有收入或明确商业化路径
```

### 第三步：估值分析

```
分析维度：
- 历史PE分位
- 相对行业平均PE
- PEG估值
- PS估值（适合成长股）
```

### 第四步：风险评估

```
风险点：
- 估值过高风险
- 技术路径变化
- 竞争格局恶化
- 政策变化
- 业绩兑现风险
```

---

## 标的分类标准

### 核心受益标的
- AI相关收入占比 > 50%
- 行业龙头地位
- 技术壁垒高
- 已有明确商业化收入

### 受益标的
- AI相关收入占比 30-50%
- 行业地位中等
- 具备一定竞争力
- 潜在受益但尚未充分体现

### 概念炒作标的
- AI相关收入占比 < 10%
- 蹭热度、炒概念
- 无实质业务关联
- 纯情绪驱动

---

## 报告输出格式

### 主题选股报告

```
# AI算力主题投资分析报告

## 一、主题逻辑拆解

### 核心驱动力
- AI大模型发展带动算力需求爆发
- 国内外科技巨头加码AI投资
- 算力国产化需求迫切

### 产业链结构
```
芯片/算力 → 服务器 → 光模块/存储 → IDC → 云服务 → 应用
```

### 受益路径
1. 第一层（最先）：AI芯片、服务器
2. 第二层：光模块、存储
3. 第三层：IDC、云计算
4. 第四层：应用层（长期）

## 二、受益标的筛选

### 核心受益标的（5-8只）
| 代码 | 公司 | 业务相关性 | 竞争壁垒 | 估值分位 | 推荐理由 |
|------|------|-----------|---------|---------|---------|
| 688256 | 寒武纪 | 95% | 高 | 85% | AI芯片龙头 |

### 受益标的（3-5只）
| 代码 | 公司 | 业务相关性 | 竞争壁垒 | 估值分位 | 备注 |
|------|------|-----------|---------|---------|-----|
| 000977 | 浪潮信息 | 60% | 中 | 65% | 服务器龙头 |

## 三、估值对比

| 公司 | PE(TTM) | 历史分位 | 行业平均 | 评价 |
|------|---------|---------|---------|------|
| 寒武纪 | xxx | 85% | xxx | 偏高 |
| 浪潮信息 | xxx | 55% | xxx | 合理 |

## 四、交易建议

### 核心配置
- 标的：XXXX
- 逻辑：
- 持有期：6-12个月

### 卫星配置
- 标的：XXXX
- 逻辑：
- 持有期：3-6个月

### 风险提示
- 估值回调风险
- 技术路径变化
- 业绩兑现延后

## 五、跟踪要点

### 需要持续跟踪
- 政策变化
- 技术突破
- 业绩兑现
- 竞争格局

### 卖出信号
- 估值严重泡沫化
- 逻辑被证伪
- 发现更好标的
```

---

## 使用示例

### 示例1：科技主题
**用户**："如何参与AI算力主题？有哪些真受益标的？"
**Agent**：
1. 拆解AI算力产业链
2. 区分核心受益与概念炒作
3. 给出5-8只核心标的
4. 分析估值和交易建议

### 示例2：新能源主题
**用户**："固态电池概念股哪些是真受益？"
**Agent**：
1. 区分固态电池vs半固态电池
2. 筛选真正布局固态电池的标的
3. 分析技术路线和商业化进程
4. 给出投资建议

### 示例3：政策主题
**用户**："半导体设备国产化有哪些标的值得关注？"
**Agent**：
1. 梳理半导体设备产业链
2. 筛选国产化率低的环节
3. 分析各公司技术实力
4. 给出配置建议

### 示例4：消费主题
**用户**："想布局人形机器人方向，买什么股票？"
**Agent**：
1. 拆解人形机器人产业链
2. 筛选各环节龙头
3. 分析技术成熟度
4. 给出投资逻辑

---

## 重要提醒

1. **合规性**：所有分析仅供参考，不构成投资建议
2. **风险提示**：主题投资波动大，可能亏损
3. **区分真伪**：警惕蹭热度的概念股
4. **估值重要**：不要盲目追高
5. **分散投资**：不要集中单一标的

---

## 数据来源

- 公司公告和财报
- 行业研究数据
- 政策文件
- 产业链调研

---

## 持续优化

根据市场变化和用户反馈，持续完善主题库和筛选模型，提升主题投资的准确性。