Codex adapter note

This skill is generated from skills/industry-funnel.md so Claude Code and Codex users share one canonical workflow.

• Treat $ARGUMENTS as 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 like python3 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 date command 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：

1. 不遗漏任何重要标的（含 A 股、港股、美股、未上市候选）
2. 用统一标准过滤掉"故事股"和质量不足的公司
3. 把精力聚焦到真正值得深度研究的 3 家头部
4. 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

1.3 输出格式

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

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

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？

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

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）

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：

输出要求

1. 报告位置：reports/{行业名}-funnel-{YYYYMMDD}.md（行业报告放 reports/ 根目录）
2. 语言：中文
3. 风格：直接、犀利、不说废话
4. 数据：所有数据标注来源；估计值标"估计"
5. 不预设立场：先摆数据 → 推逻辑 → 出结论
6. 正反两面：每个核心判断附反面论据
7. 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 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 skills/financial-data.md）

# Step 3 — 输出准出/打回判决
python3 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。