Layer2 Stock Narrative Valuation

Use when:

• 用户已经明确点名某个股票或上市公司，并问“这家公司贵不贵”“估值有没有透支”“市场隐含了什么预期”“为什么涨这么多/跌这么多”“做穿透叙事分析”“历史主升浪怎么来的”“朋友推荐这只股票靠谱吗，故事有没有证据”
• 需要把公开资料从“近期发生了什么”推进到“市场在定价什么、哪些假设支撑这个定价、哪些信号会证伪”
• 需要用 DCF 反算当前市值隐含的终局利润 L，并与产业空间、稳态利润、商业模式和护城河做对照
• 需要识别个股处于叙事低估期、叙事上修期、叙事兑现期、叙事过热期还是叙事证伪期

Not for:

• 仅问最新价、最近公告、最近新闻、最近研报摘要：用 layer2-stock-brief
• 仅问研报观点：用 layer2-research-digest
• 仅问公告含义：用 layer2-announcement-brief
• 行业、板块、主题整体问题：用 layer2-industry-brief；宽泛“找方向”问题先收窄到具体行业、事件或研报证据
• 已有底稿的反方审查，不新增取数：用 layer2-research-red-team
• 个人持仓、仓位、账户调仓、买卖点、目标价或交易执行建议

Depends on:

• layer1-fin-data
• layer1-doc-search
• layer2-stock-brief
• layer2-research-digest
• layer2-announcement-brief
• layer2-research-red-team

Core idea:

• 股票超额收益通常来自“市场对终局预期的变化”，而不是既有叙事的简单兑现。
• 先判断当前价格隐含了什么终局利润 L，再判断这个 L 能否被产业空间、商业模式、现金流质量和竞争格局支撑。
• 不把“业绩增速上修”直接等同于“估值应上修”；若天花板不变或下修，增速更快也可能只是更快接近天花板。
• 把价格分成两层看：基本面估值锚，以及由分歧、流动性、主题热度和风险偏好带来的溢价/折价。

Workflow:

1. 先确认标的身份。通过 search_security 或用户给定 ticker 确认标准代码，再用 get_security_profile 获取公司、市场、行业和证券简称。
2. 先形成公开资料底稿。至少获取：
   • 最新行情、市值或价格区间；必要时调用 get_latest_snapshot 或 query_data
   • 关键财务指标；必要时调用 query_financial_indicators
   • 近期公告、新闻、事件时间线和公司级研报；可复用 layer2-stock-brief 的链路
3. 判断能否做 DCF 隐含终局利润反算。必须同时具备：
   • 当前市值或可由股价 × 总股本推得的市值
   • 最近已完成财年净利润 E0
   • 未来三年一致预期净利润 E1/E2/E3，或用户/研报明确给出的三年盈利假设
   • 数据日期和来源说明
4. 如果缺少 E1/E2/E3，不要编造一致预期，不要输出精确隐含 L。改为：
   • 说明当前数据不足以做 DCF 反算
   • 给出需要补充的数据清单
   • 仅做定性的叙事框架、支持证据、反方证据和证伪信号
5. 数据满足时，调用 scripts/dcf_implied.py 做三档折现率反算：
   • r=8%：低协方差、低风险溢价资产参考
   • r=10%：默认中性档
   • r=12%：高不确定性、高风险溢价资产参考
6. 解读 DCF 结果时必须同时列出：
   • 隐含终局利润 L
   • L/E3
   • L/E0
   • 第4-8年隐含复合增速
   • 动态 PE 或市值/E1
   • 与产业空间或稳态利润假设的偏离
7. 用“五问框架”判断叙事阶段：
   • 之前的叙事是什么
   • 为什么旧叙事不够或被证伪
   • 新叙事是什么
   • 改变叙事的诱发因素是什么
   • 新叙事形成的标志和结束/降级信号是什么
8. 拆分“估值锚”和“溢价/折价”：
   • 估值锚：终局利润、现金流质量、产业空间、竞争格局能支撑的部分
   • 溢价/折价：分歧、主题热度、流动性、风险偏好、筹码和资金结构带来的部分
   • 只能描述敏感性和风险来源，不要写“应当涨/跌”
9. 核查商业模式与护城河：
   • 成本曲线位置：公司是否处于少数低成本端，行业成本曲线是陡峭还是平坦
   • 现金流质量：净利润是否能转化为经营现金流或自由现金流
   • 分红率与再投资：分红率代表资本分配纪律，股息率只是估值结果
   • 出海能力：是否同时打开终局空间 L 并降低单一经济体风险
   • 技术路线/替代风险：当前路线是否可能被更优路线替代
   • 竞争格局：份额、价格、毛利率和新进入者是否支持 L
10. 做反方证伪。按 layer2-research-red-team 的方式输出：
    • 支持证据
    • 反对证据
    • 关键假设
    • 证伪信号
    • 当前能说 / 不能说

DCF script:

• 路径：scripts/dcf_implied.py
• 反算命令：

  python scripts/dcf_implied.py implied --cap <市值亿元> --e1 <E1亿元> --e2 <E2亿元> --e3 <E3亿元> --e0 <E0亿元>
  

• 正算命令：

  python scripts/dcf_implied.py calc --l <终局利润亿元> --e1 <E1亿元> --e2 <E2亿元> --e3 <E3亿元> --r 10
  

• 敏感性命令：

  python scripts/dcf_implied.py sensitivity --e1 <E1亿元> --e2 <E2亿元> --e3 <E3亿元> --e0 <E0亿元> --r 10
  

Rules:

• 只要涉及近期事实、财务指标、公告、研报或行情，就必须先取公开证据；不要凭模型记忆补“近期订单”“最新产能”“机构预期”。
• DCF 反算只是“当前价格可能隐含了什么预期”，不是目标价，不是买卖建议。
• 不要输出“买入、卖出、加仓、减仓、止损、止盈、目标价、仓位比例、分批交易”等交易指令。
• 可以说“当前市值对某些假设较敏感”“需要某些条件继续成立”“若某些证据出现则原叙事需要降级”。
• 如果使用用户提供的 E1/E2/E3、产业空间或稳态利润假设，必须标明“来自用户假设/待验证假设”。
• 如果 E1/E2/E3 来自研报或一致预期，必须标明来源、日期和样本口径；拿不到口径时标明“口径未返回”。
• 对周期股，不要机械使用高点或低点利润做 DCF。应先说明周期位置，可用标准化利润或周期中位利润做辅助。
• 对亏损公司、E3 <= 0 或现金流极差公司，不要硬跑常规 DCF；改用定性天花板和现金流质量分析。
• 对重资产、应收高、资本开支大的公司，必须提示“净利润不等于权益现金流”，必要时下调 L 的可置信度。
• 输出中要明确“支持当前叙事的证据”和“削弱当前叙事的证据”，不要只讲单边故事。
• 若证据不足，优先说数据缺口，不要把缺口用观点补齐。
• 输出 HTML 或源头复核区时，只能使用本轮证据真实返回的文章、公告 PDF、研报或小程序内容页。入选 Same Boat 内容缺少文章级 URL 时按 layer1-same-boat 调用 generate_content_url_link，只使用返回的 url_link；仍无链接就只标来源类型。
• 登录页、OAuth 授权页、控制台、服务/反馈页、搜索页和门户首页不是研究原文，不得包装成“同舟认证证据”“认证查看”或其他可点击证据入口。

Suggested output template:

1. 标的身份与资料窗口
2. 当前市场可能隐含的预期
3. DCF 隐含终局利润反算（如数据满足）
4. 产业空间或稳态利润对照
5. 叙事阶段判断
6. 商业模式与护城河核查
7. 支持证据
8. 反方证据与薄弱环节
9. 关键证伪信号
10. 当前能说 / 不能说

If DCF data is missing:

本次不能做 DCF 隐含终局利润反算，因为缺少 <E1/E2/E3/市值/产业空间>。
可以先基于公开资料判断叙事链条，并列出需要补充的数据。

Examples:

• 帮我做一下中际旭创的穿透叙事分析
• 贵州茅台现在市场隐含了什么预期
• 宁德时代 2021 年那波主升浪是叙事变化还是业绩兑现
• 朋友推荐我看某某股票，这个故事公开资料能不能支撑
• 这只股票估值是不是已经透支了