hjdspace Codex adapter note
This skill is generated from berkshire-industry-funnel so Claude Code and Codex users share one canonical workflow.
- Treat
$ARGUMENTSas the user's request in the current Codex thread. - When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
- Use shared project tools from
tools/in this repository. Prefer running commands from the repository root with paths likepython3 .claude/skills/berkshire-shared/tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path. - Before starting research, run the
datecommand to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data. - Preserve the research quality rules from
AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.
行业漏斗筛选：从全市场到 3 家的价值投资精选流程
对 $ARGUMENTS 行业/方向执行漏斗式价值投资筛选，从全市场扫描逐层精选到 3 家终选标的。
适用场景
当你说出一个行业或投资方向（如"AI 算力"、"创新药"、"机器人"），想要：
- 不遗漏任何重要标的（含 A 股、港股、美股、未上市候选）
- 用统一标准过滤掉"故事股"和质量不足的公司
- 把精力聚焦到真正值得深度研究的 3 家头部
- 每层有明确的留/弃标准，可复盘可追溯
与 industry-research 的区别：
industry-research偏重产业链结构与全景，环节切片industry-funnel偏重个股筛选漏斗，从全市场逐层精选到 3 家
两者可以互补：先用 industry-research 看清产业链格局，再用 industry-funnel 精选标的。
漏斗结构总览
第一层：全市场扫描 30-60 家 （活跃度+涨幅+市值前 30 的并集）
↓ 价值投资 5 条硬指标
第二层：粗筛 ≤ 10 家 （5 条全部及格 + 护城河 ★★★ 以上）
↓ 精细分析
第三层：精细分析 ≤ 10 家 （每家 300-500 字结构化分析）
↓ 终选
第四层：四大师深度分析 3 家 （每家 800-1200 字，巴芒段李四视角）
↓
输出：投资建议 + 操作信号 + 仓位建议
每层"过滤掉的标的"必须留下淘汰理由，不能黑箱。
第一步：全市场扫描入口
1.1 活跃股票定义（三类并集）
A 类 - 成交活跃度：
- 近 30 天日均成交额排名行业前列（A 股/港股/美股各自取前 30）
B 类 - 涨幅榜：
- 近 30 天涨幅前 20
- 近 90 天涨幅前 20
- 两者并集
C 类 - 市值锚定：
- 行业内市值前 30（无论涨跌）
最终扫描池 = A ∪ B ∪ C，预期 30-60 家。
1.2 必须搜索的市场
| 市场 | 来源建议 |
|---|---|
| A 股（沪深） | 同花顺/东方财富行业板块、通达信 |
| 港股 | 富途/同花顺港股、HKEX 行业分类 |
| 美股 | NASDAQ/NYSE 行业 ETF 持仓、Yahoo Finance |
| 国际市场 | 日韩台欧的相关公司不能漏（特别是半导体、电子） |
| 未上市公司 | 单列"未来 IPO 候选"小节，注明最新估值与潜在 IPO 时间 |
1.3 输出格式
| 公司名 | 代码 | 市场 | 市值 | 主业一句话 | 该行业占比 | 入选类别(A/B/C) |
|---|
关键自查：
- 行业占比 < 30% 的"沾边股"要谨慎，标注"非纯正标的"
- 中国/亚洲市场不要因英文资料少而漏掉
- 小市值公司不要因为 AI 偏好龙头而漏
第二步：价值投资 5 条硬指标粗筛 → ≤ 10 家
对第一步的 30-60 家公司，逐家应用 5 条硬指标。
2.1 5 条硬指标
| # | 指标 | 通过标准 | 放宽条件 | 数据来源 |
|---|---|---|---|---|
| 1 | PE 估值 | 合理（与历史区间、同业对比） | 高成长可放宽到 PEG < 1.5 | 财报+wind/同花顺 |
| 2 | ROE | > 15% 或近 3 年趋势改善 | 重资产行业可放宽 | 财报 |
| 3 | 经营现金流 | 为正且占净利润 > 70% | — | 财报 |
| 4 | 资产负债率 | < 60% | 公用事业/电力可放宽至 70% | 财报 |
| 5 | 护城河快评 | ★★★ 以上 | — | 定性判断 |
护城河 5 类：
- 品牌/定价权
- 转换成本/用户黏性
- 网络效应
- 规模效应
- 技术/牌照/资源壁垒
2.2 输出格式
| 公司 | PE | ROE | 现金流/净利 | 负债率 | 护城河 | 综合 | 留/弃 | 淘汰理由 |
|---|
保留规则：
- 5 条全部及格 → 直接保留
- 4 条及格 + 1 条接近 → 保留但标黄
- 不足 4 条 → 淘汰，注明理由
目标：保留 ≤ 10 家。如果保留过多（> 12），把护城河标准提到 ★★★★ 再筛一次。
第三步：精细分析（≤ 10 家，每家 300-500 字）
对粗筛保留的公司，逐家做结构化分析。
3.1 每家公司分析模板
## {公司名}（{代码}）
**一句话商业模式**：
（卖什么、卖给谁、怎么收钱）
**财务质量**：
- 收入增速 / 利润增速 / 毛利率 / ROE / 现金流
- 关键变化（近 1-2 年最重要的财务转折点）
**护城河深度**：
- 主要护城河类型 + 具体证据
- 护城河 5 年后是否还在的简要判断
**主要风险（前 3）**：
1.
2.
3.
**估值快评**：
- 当前 PE/PS/EV/EBITDA + 历史区间位置
- 同业对比
- 一句话结论：贵 / 合理 / 便宜
**进入终选 3 家？**：是 / 否（理由）
3.2 终选 3 家的选择标准
不是按打分排序选前 3，而是按"投资组合互补性"选：
- 至少 1 家"高确定性低弹性"（巴菲特型）
- 至少 1 家"中等确定性中等弹性"（成长型）
- 可选 1 家"高弹性高风险"（期权型）
如果某子赛道找不到 3 家足够好的，宁可写"终选 2 家 + 1 家观察"，不要凑数。
第四步：四大师深度分析（3 家，每家 800-1200 字）
对终选 3 家执行四大师视角深度分析。
4.1 段永平视角：生意本质
- 一句话定义这家公司在做什么生意
- 这是好生意吗？为什么？
- 它的"本分"是什么？管理层有没有偏离？
- 商业模式的"持续性"在哪？
4.2 巴菲特视角：护城河深度
- 用五类护城河打分（★1-5），列具体证据
- 10 年后护城河还在吗？
- 现在买入的"安全边际"在哪？
| 护城河 | 强度 | 具体证据 |
|---|---|---|
| 品牌/定价权 | ||
| 转换成本 | ||
| 网络效应 | ||
| 规模效应 | ||
| 技术/牌照壁垒 |
4.3 芒格视角：风险与失败模式
- 这家公司最可能怎么失败？（列出前 3 失败路径）
- 最坏情景下值多少钱？（极简估值）
- 聪明人为什么不买？（反向论证）
- 是否有道德/合规/管理层风险？
4.4 李录视角：文明级趋势定位
- 这家公司所在的赛道是"文明级范式转移"还是"阶段性热潮"？
- 历史上最接近的技术革命类比？
- 10-20 年后这家公司的终局？
- 是不是赢家通吃格局？
4.5 综合推荐度
推荐度：★★★★☆
仓位类型：核心 / 卫星 / 期权 / 观察
建议买入区间：当前价 / 回调 N% / 有耐心等待
建议持仓比例：占该主题仓位 X%
关键监测指标：（这家公司逻辑一旦反转的信号是什么）
第五步：综合输出
报告末尾整合：
5.1 终选 3 家组合表
| 公司 | 类型 | 推荐度 | 建议仓位 | 核心逻辑 | 关键风险 |
|---|---|---|---|---|---|
| A | 核心 | ★★★★★ | 50-60% | ||
| B | 卫星 | ★★★★☆ | 25-35% | ||
| C | 期权 | ★★★☆☆ | 5-15% |
5.2 行业级 ETF 替代
如果不想选股，列 1-3 个相关 ETF（A 股/港股/美股）。
5.3 整体行业位置判断
- 行业 PE/PB 历史分位
- 资金流向（北向、ETF 申赎、卖方覆盖密度）
- 整体处于"早期/扩张/成熟/衰退"哪个阶段
5.4 信息充分度自评（必填）
| 维度 | 等级 | 说明 |
|---|---|---|
| 公司财务数据完整性 | A/B/C | |
| 估值数据时效性 | A/B/C | |
| 行业格局判断 | A/B/C | |
| 管理层信息 | A/B/C |
A = 数据充分可信；B = 部分缺失但不影响主结论；C = 缺失较多，结论需谨慎。
5.5 待更新数据点
明确列出：哪些数据是估计值、哪些数据需要后续核实、哪个季度财报需要重点跟踪。
5.6 资料来源清单
每个数据/结论的来源链接，分类列出（财报、研报、新闻、行业报告）。
AI 研究偏见自觉（重要）
漏斗筛选过程中，AI 容易踩的坑：
| 偏见 | 表现 | 应对 |
|---|---|---|
| 龙头偏好 | 大市值公司资料多、分析篇幅长，看起来"更好" | 按硬指标和护城河打分，不按报告篇幅排序 |
| 英文偏好 | 美股资料丰富，A 股港股容易被低估 | 必须中英文都搜，A/H 公司不能漏 |
| 故事偏好 | 高涨幅 + 媒体热度 = 看起来更好的"AI 概念股" | 区分"AI 收入占比" vs "AI 故事占比"，看真实业务 |
| 当下偏好 | 当前财务好的公司容易入选，可能错过转型期黑马 | 第二层粗筛允许"趋势改善"作为放宽条件 |
| 上市偏好 | 只看上市公司可能错过赛道最好的玩家 | 必须列"未来 IPO 候选"，标注估值与时间窗 |
输出要求
- 报告位置：
reports/{行业名}-funnel-{YYYYMMDD}.md（行业报告放 reports/ 根目录） - 语言：中文
- 风格：直接、犀利、不说废话
- 数据：所有数据标注来源；估计值标"估计"
- 不预设立场：先摆数据 → 推逻辑 → 出结论
- 正反两面：每个核心判断附反面论据
- 每层留淘汰记录：被淘汰的公司也要留名字+理由
数据抽检（准出流程）
报告写入后，执行数据抽检，通过方可发布：
# Step 1 — 提取抽检清单（15% 随机抽样）
python3 .claude/skills/berkshire-shared/tools/report_audit.py extract \
--report <报告文件路径>
# Step 2 — 对清单每项从可靠信源取数（参见 berkshire-financial-data）
# Step 3 — 输出准出/打回判决
python3 .claude/skills/berkshire-shared/tools/report_audit.py verdict \
--results '<填好的JSON>' \
--report <报告文件名>
【准出】 全部通过 → 报告可发布；【打回】 有不通过 → 修正后重审。
后续动作
漏斗终选 3 家后，对每家可单独执行：
/investment-team—— 完整四大师并行深度研究（独立子目录 + 5 文档）/investment-checklist—— 巴菲特买入前 checklist 系统过一遍/management-deep-dive—— 管理层纵深研究
industry-funnel 是入口，后续 skill 是深挖。