Investment 10x Analysis

10-Bagger 深度投研分析法

Overview

核心原则：用事实驱动的概率分布回答"这家公司 5 年和 10 年后值多少钱、有多大概率翻 10 倍"——而非单一目标价。

每份分析必须包含：双时间轴情景（5Y + 10Y）、加权期望市值、敏感度三大变量、Track Record 锁定的 4-6 条可验证假设、vs 被动组合的超额回报。机会成本不是现金，是被动 ETF。

当该用这个 skill

适用：

• 用户要求分析一家具体公司的投资价值（"XX 怎么样？"、"值得买吗"、"有 10x 空间吗"）
• 建立公司研究档案
• 比较两家或多家公司
• 判断某公司的未来 5-10 年市值区间

不适用：

• 短线技术分析（K 线形态、日/周涨跌预测）
• 单一财务指标问答（"XX 的 PE 是多少"）
• 纯会计审计 / 财报舞弊排查

核心问题

> 这家公司 5 年和 10 年后分别值多少钱？有多大概率翻 10 倍？

所有分析都服务于这一个问题。

硬规则（17 条必须 + 14 条禁止 · v3 新增 ★）

✓ 必须做

1. 用事实而非故事：每个论点必须能被某个具体数据验证或证伪
2. 包含反面证据：看多论点必须伴随等量的看空论点
3. 标注数据时点：所有结论附 anchor date（"基于 YYYY-MM-DD 已披露数据"）
4. 情景概率显式化：不说"可能"，只说"~X%"；概率加总 = 100%
5. 区分事实与推断：哪些是公司披露，哪些是主观判断，分别标注
6. 双时间轴并列：5Y 与 10Y 两个数字一起给，不能只给单边
7. 量化下行风险：只给期望值是 research theater，必须同时给情景标准差、P(亏损 X%)、最大回撤估计
8. 敏感度排序：找出"最敏感 3 个变量"并明示 —— 每季度追踪这三个，不是股价
9. 仓位用公式推，不用拍脑袋：用 Kelly / Vol-targeting / Fixed 任一，把输入参数显式列出
10. 评估管理层花钱能力 ✧：不止看团队背景，还要看 ROIIC / 回购节奏 / 股息 / M&A 命中率
11. 对比共识与公司指引 ✧：管理层自己说 +20%、市场定价 +40% 时，gap 就是业绩爆雷的先行指标
12. 锁定可验证假设 ✧：每份报告输出 4-6 条带目标日期的可验证命题，3/6/12 月后回看——没有 track record 就没有校准
13. 对照被动组合定仓位 ✧：比"SPY + 10Y 国债 60/40"超出多少 CAGR 才值得 3-5% 单股仓位——否则拿 ETF
14. ★ Web search 优先于记忆：任何"自信判断"前必先 search 最新事实——股价 / 市值 / 持仓 / mNAV / 政策。记忆中的数字默认过时——不 search 直接用记忆 = 系统性错误
15. ★ 核心宏观假设用主流共识：BTC / ETH 长期 CAGR 不能拍脑袋"保守 15%"——用 ARK / 摩根 / Bitwise / VanEck 等主流共识中位数（BTC 25-40% / ETH 30-37%）
16. ★ 基准计算一致性：vs ETF 比较时，两边用同样的情景假设——MSTR 用情景加权 BTC 28% 算自己，IBIT 也必须用情景加权 BTC 28% 算（不能用固定 18%）。计算 expected return 用加权 multiplier，不用 CAGR 加权
17. ★ 拆解溢价 / 折价的"结构性 vs 真实低估"：mNAV 0.74x 不一定是"市场低估"——可能是治理折扣（CEO 兼职）+ 流动性折扣（小盘）+ 赢家通吃折扣（vs 行业龙头）的合理定价。不要简单假设"mNAV 15% 时红标警报；业绩爆雷先行指标）

• G7 对照组策略 ✧（与 SPY / QQQ / 60-40 / 10Y 国债被动组合对比，回答"是否真的值得单选"）

H · 决策

• H1 结构化投资建议（评级 / 仓位 / 加仓区 / 止损 / 关键假设 / 仓位推导公式 Kelly ✦）
• H2 组合相关性 · 对冲 ✦（与 7+ 参考资产的 Beta + 相关系数 + 对冲价值评级 + 建议组合）
• H3 Track Record 机制 ✧（锁定 4-6 条关键可验证假设 + 目标日期 + 当前状态 pending/hit/miss；3/6/12 个月后回看建立自我校准数据）

附加

• 子公司期权价值 SOTP
• 分析师共识目标价 + 条形图 + 当前股价水平线

---

输出格式

快速版本（一轮对话）

• 当前股价 + 市值 + anchor date
• 5Y 加权期望 + 10Y 加权期望 + 5Y 情景标准差
• 3-4 档情景 + 概率
• 最敏感三变量（from G5 sensitivity）
• P(5Y 亏损 30%+)（from G2b downside）
• 一句话评级 + Kelly 推导的仓位
• 关键风险（3 条）

完整版本（25+ 模块）

按 CompanyDetail 接口填充（参考 coin 项目 src/types/company.ts）。

结构化数据要包含：

• 7 步 × 各自数据
• 25+ 模块 × 各自填充字段
• Chart.js 可视化数据（营收轨迹 · 利润率演进 · 情景概率 · 双时间轴对比 · TAM 增长 · 市占率轨迹 · 8 维雷达 · 历史估值 · Tornado · 分析师目标价）
• 数据 anchor date

---

市场差异（US / A 股 / HK）

🇺🇸 美股

| 项 | 说明 | |---|---| | Ticker | NASDAQ:XXX / NYSE:XXX | | 数据源 | SEC EDGAR、Yahoo Finance、Seeking Alpha、券商研报（Goldman / MS / Morgan） | | 货币 | USD | | 对标池 | SaaS 巨头、Mag 7、大市值科技股 | | 特殊规则 | Regulation FD、季报会议、SEC 6-K/8-K 披露 |

🇨🇳 A 股

| 项 | 说明 | |---|---| | Ticker | SH:600XXX（上交所）/ SZ:000XXX（深交所）/ SZ:300XXX（创业板）/ SH:688XXX（科创板）/ BJ:8XXXXX（北交所） | | 数据源 | 巨潮资讯（cninfo）· 东方财富 · 同花顺 · 公司定期报告 | | 货币 | CNY（元 / 万元 / 亿元） | | 对标池 | 白马龙头、行业 TOP3 | | 特殊规则 | 证监会政策窗口、定增 / 限售股解禁、机构持仓披露、A 股涨跌停限制 |

🇭🇰 港股

| 项 | 说明 | |---|---| | Ticker | HK:XXXXX（5 位数，前导零保留） | | 数据源 | 港交所披露易（hkex.com.hk）· 阿思达克 · 富途 | | 货币 | HKD（港元） | | 对标池 | 中概股、H 股 + 红筹、港股通标的 | | 特殊规则 | 南下资金、互联互通额度、H-A 溢价、同股不同权（WVR）结构 |

---

公司名称中文化约定

有公认中文名的英文公司，正文中统一用中文（Ticker 保留英文）：

| 英文 | 中文 | |---|---| | Nvidia | 英伟达 | | Microsoft | 微软 | | Oracle | 甲骨文 | | TSMC | 台积电 | | Tesla | 特斯拉 | | Amazon | 亚马逊 | | Google Cloud | 谷歌云 |

保留英文的情况：

• 品牌简写：Meta / Google / Apple
• 无通用中文名：SpaceX / Stripe / Palantir / CoreWeave / Lambda / Crusoe
• 产品缩写：AWS / Azure / GCP / CUDA / GB300
• Ticker：NASDAQ:NVDA / NASDAQ:MSFT 等

中文排版：中文名与中文字之间不要有空格（"英伟达持股" 不是 "英伟达 持股"）；与英文/数字之间保留空格（"英伟达 GTM"）。

---

关键量化公式速查

1. 加权期望值

E[Mcap] = Σ Pᵢ × Midᵢ
Multiplier = E[Mcap] / Current
CAGR = Multiplier^(1/n) − 1

2. Kelly 公式（保守版，用 1/2 Kelly）

f* = (期望回报率 − 无风险利率) / 方差 × 0.5

输入：期望 CAGR · 无风险利率（10Y 国债）· 情景标准差。

3. 情景标准差（下行风险量化）

σ = √(Σ Pᵢ × (Midᵢ − E[Mcap])²)
Sharpe-like = (E[Mcap] − Current) / σ

4. 敏感度扰动

每个变量独立扰动 ±1σ，其余变量保持基准，计算对 E[Mcap_10Y] 的影响，按 |max(down, up)| 排序。

5. 超额回报 vs 被动组合

超额 CAGR = 本公司 CAGR - 被动组合基线 CAGR
基线：60% SPY (10%) + 40% 10Y 国债 (4.5%) ≈ 7.8% CAGR

判定：
- 超额 > 5%：justifies 3-5% 单股仓位（yes）
- 超额 2-5%：边缘，仓位 ≤ 3%（marginal）
- 超额 .ts`，按 `CompanyDetail` 接口填（TS 会强制检查每个字段）
2. `src/data/companies.ts` 的 `companyRegistry` 和 `companies` 各加一行（含 market + currency 字段）
3. `git push` → GitHub Actions 自动部署上线

---

## 加密 / 高 β 标的特殊处理 ★（v3 新增）

针对 MSTR / BMNR / SBET 等"加密财库股"或类似 mNAV 飞轮型标的：

### A. mNAV 折价拆解（不要简单假设回归）

mNAV 折价来源 = 治理折扣 + 流动性折扣 + 赢家通吃折扣 + 真实低估

| 折扣类型 | 典型大小 | 是否会消失 |
|---|---|---|
| **治理折扣**（CEO 兼职 / 关键人风险）| 10-15% | **不会消失（结构性）** |
| **流动性折扣**（小盘 / NASDAQ  $50B）：CAGR 10-15%（流通股已大）

**不要**用早期 6 年 +200%/年外推 10 年——会过度高估。

---

## 反弹陷阱识别 ★（v3 新增）

**1 年涨幅 +50%+ 的标的需要重新审视估值起点**——这是 Intel / Nebius / Sungrow 三次校准的同源教训。

### 典型反弹陷阱案例

| 标的 | 1Y 涨幅 | 起点市值 | 修正前 vs 被动 | 修正后 vs 被动 |
|---|---|---|---|---|
| Intel | +449% | $551B | (-) | -7.3pp（bearish）|
| Nebius | +630% | $46B | +16.0pp | +9.1pp |
| Sungrow | +64% | ¥2,848 亿 | +9.3pp | -0.8pp |

### 反弹陷阱检测公式

反弹陷阱风险 = max( (当前股价 / 12月前股价 - 1) × 0.3, // 涨幅 (当前 PE / 5Y 历史中位 - 1) × 0.5, // 估值 (当前 mNAV / 1Y 平均 - 1) × 0.4 // 加密标的 )

如果 > 0.5：需要 down-bias 期望 5-10pp 如果 > 1.0：需要 down-bias 期望 10-15pp

### 反弹陷阱处理步骤

1. **先确认起点市值**（不用 12 月前的）
2. **重新算 forward PE / PS**：当前估值已透支多少年增长？
3. **下调超牛 / 基线情景的市值上限**：1Y +500% 后，未来 10Y 再 +500% 几何上极难
4. **强调"等回调"建仓区间**：不在反弹完成后追高，等估值合理化

---

## v3 校准案例库 ★（避免重复犯错）

7 个具体错误模式 + 可执行教训 → 见 [calibration-cases.md](./calibration-cases.md)

每份新分析前**必须**对照该文件末尾的"自查清单"（6 项）。任一条 ❌ → 不要发布，先 search。

---

## 用户质疑机制 ★（v3 新增）

**用户的质疑是分析师质量的最后防线**。

如果用户问：
- "你确定吗" → 立刻 web search 核实，不要 defensive
- "为什么 X 这么高/低" → 检查是否过时数据 / 拍脑袋假设
- "其它类似标的要不要更新" → 大概率所有同类标的都需要重新 search

**反 pattern**：用户连续 3 次质疑同类问题 → 系统性方法论错误 → 暂停新分析 + 全面校准

---

## 禁用列表

任何时候都不要做：
- 推荐股票、说"建议买入"、建议具体仓位（要给公式和情景分布，让用户自己决定）
- 不加 disclaimer（必须附"本分析不构成投资建议"）
- 使用 technical indicator 买卖信号（MACD / RSI / 布林带等）
- 预测下周 / 下月股价（只做 5Y / 10Y 概率分布）
- 把公式里的主观概率说成"客观数据"（情景概率本质是主观判断，要显式声明）
- ★ **不查证用记忆数据做"自信判断"**（v3 新增 · 7 次错误同源根因）
- ★ **vs ETF / 被动组合用不一致基准假设**（双重标准 = 系统性高估超额）
- ★ **涨幅 +50%+ 标的不重新 down-bias**（反弹陷阱）

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [zsjunai](https://github.com/zsjunai)
- **Source:** [zsjunai/claude-skill-10x-analysis](https://github.com/zsjunai/claude-skill-10x-analysis)
- **License:** MIT
- **Homepage:** https://coin.puliot.com

Install and usage instructions live in the source repository linked above.