操作指南2026年5月26日 · 阅读约 3 分钟

用 PickSkill 15 分钟研究一只新股票

一套完整的首轮股票研究工作流 —— 商业模式、财务、估值、技术形态、风险 —— 用 chat 与指标工具 15 分钟完成。

PT
PickSkill TeamPickSkill 研究团队 —— 为散户构建一位 AI 分析师。
信息图 —— 左侧 5 步研究流程 (业务 → 财务 → 估值 → 技术 → 风险),右侧 TSM 的一页式决策卡。

一次过去要花 2–3 小时的首轮股票研究会话,用对工作流可以在 15 分钟内完成。 不是因为你跳过步骤 —— 框架仍然覆盖商业模式、财务、估值、技术形态、风险 —— 而是因为 PickSkill 把"收集数据"这一步压缩到秒级,把你真正需要的 15 分钟留给判断。本教程是首轮研究的标准工作流。任何你在考虑的新名字,在决定加入 自选股 或投入更多研究时间之前,先跑一遍。

核心要点

  • 5 步,合计约 15 分钟。 业务 → 财务 → 估值 → 技术 → 风险。每步一条 prompt。
  • 框架强制结构化思考 —— 在回答上游问题之前,不允许跳到"我该买吗?"
  • 输出一页摘要,适合加入 自选股 或拒绝该名字。
  • 快速版本(15 分钟)能抓到 80% 的硬伤。 慢速版(2+ 小时的深度工作)只在快速版说"有意思"之后才需要。
  • 同一套工作流适用美股、港股、A 股,PickSkill 会按市场拉对应的备案文件。

为什么重要

大多数散户卡在首轮研究阶段。两种常见失败:

  1. 直接跳到图。 "图看起来好"不是论点。没有底层商业模式和财务检查,你买的是一个价格形态。
  2. 被细节淹没。 在判断一只票值不值得深做之前,读完整 10-K、8-K、最近一份业绩电话稿、和每一份研报。等你读完,可能 4 小时研究了一只在第 1 小时按结构化框架就该被拒绝的票。

15 分钟首轮工作流是拒绝过滤器。你研究的大多数名字应该过不了这一关。要点是每只名字花 15 分钟,把 2 小时深挖留给通过首轮的小部分名字。

5 步工作流

第 1 步 —— 商业模式(3 分钟)

打开 /chat。粘贴这条 prompt:

用 5 个要点概述 [代码]:
1. 公司到底做什么(一句话)
2. 营收构成 —— 前 3 大业务板块及占比
3. 前 3 大客户或客户集中度
4. 前 3 大竞争对手
5. 这家生意必须做对的一个最重要问题

PickSkill 会基于最新 10-K 和近期新闻稿返回一段简明的商业模式摘要。"最重要的一个问题"框架强制你想清楚到底是什么驱动这家生意 —— 一个有用的测试,看你是真懂这家公司,还是只懂这个代码。

此阶段红旗:5 个要点之后商业模式仍不清楚、单一客户集中度超过 30%、看不到明显竞争护城河。看到这些就停;这只票不值得接下来的 12 分钟。

第 2 步 —— 财务健康(3 分钟)

下一条 prompt:

对 [代码],拉过去 4 个季度和过去 3 年的:
- 营收和同比增速
- 毛利率轨迹
- 经营利润率轨迹
- 自由现金流(最近 4 个季度)
- 净负债状况(现金 − 总负债)
- 同比股本变化(回购 vs 增发)

PickSkill 渲染成一张小表。财务故事应该在一分钟阅读内逻辑自洽。

此阶段红旗:营收增速急剧减速、利润率压缩但无清晰原因、不是为成长投入产生的负 FCF、每年股本增长 5%+ 而无并购活动。

第 3 步 —— 估值快照(3 分钟)

下一条 prompt:

对 [代码],计算:
- 当前 TTM P/E、前向 P/E、EV/EBITDA、P/B
- 各倍数过去 5 年历史区间(10%–90% 分位)
- 当前倍数在历史区间里的位置
- 与最近 3 家同业对比当前倍数
- 简版 5 年 DCF —— 基准假设下的隐含价

PickSkill 返回倍数、同业对比、和一个简版 DCF(完整版见 60 秒搭一个 DCF)。

此阶段红旗:每个倍数都贴在 5 年区间顶部且基本面没有清晰加速来支撑;DCF 隐含价比当前价低 30% 以上;相对估值高于每一个同业。

第 4 步 —— 技术形态(3 分钟)

下一条 prompt:

对 [代码],展示当前技术形态:
- 价格 vs 20 / 60 / 200 日均线
- 当前 MACD、RSI、KDJ 读数
- 任何活跃的背离(常规或隐藏)
- 最近的支撑和阻力位
- 全部指标族的 5 日 bucket 趋势

PickSkill 拉 /indicators 数据,呈现多信号对齐情况。

此阶段红旗:深度超买入场(RSI > 75、每个指标都钉在高位)、看空背离正在形成、价格远在 200 日 SMA 之上。这些不是即刻买入的设置;是等回调的名字。

第 5 步 —— 风险(3 分钟)

最后一条 prompt:

对 [代码],列出:
- 最新 10-K 风险因素部分的前 3 条风险
- 近期业绩会(过去 4 个季度)里的前 3 条风险
- 一个下行情景 —— 如果看多逻辑错了,这只股票看起来怎样?

PickSkill 总结 10-K 风险因素与近期管理层评论。下行情景问题是大多数散户跳过的一步 —— 也是抓到最贵错误的一步。

此阶段红旗:管理层列出的风险包括单一客户集中、监管悬顶、资产负债表压力、或任何"持续经营"措辞。这些不是自动否决,但应重新框定仓位管理对话。

怎么编排输出

第 5 步之后,问:

把这段对话编成一页可保存的摘要:
- 2 句话商业模式
- 4 条要点的财务轨迹
- 3 行的看多 / 基准 / 看空估值摘要
- 技术形态状态
- 前 3 大风险
- 决策:自选股、深度研究、或放弃

PickSkill 返回一份结构化的单页文件。通过 chat 会话书签保存。如果你决定把名字加入 自选股,这张单页就成为你的论点文档。

现在就试。 打开 /chat,对你在考虑的票跑上面 5 条 prompt。包括阅读时间在内,整个循环约 15 分钟。

工作流抓到、即兴研究漏掉的东西

1. 结构性拒绝 vs 价格驱动的拒绝

即兴研究常常基于图的样子拒绝名字("看着超买"),但没检查这家生意在任何价位是否值得拥有。结构化工作流颠倒顺序:业务 → 财务 → 估值 → 技术。如果业务或财务不通过,图无关紧要;如果业务和财务通过,图告诉你的是时机,不是可行性。

2. 下行情景问题

散户研究里被跳过最多的一步是"看空逻辑是什么样的?"结构化工作流强制问。没有它,你会过度加权看多逻辑,对方差准备不足。

3. 多来源在一处的综合

工作流把 10-K 数据、近期业绩、当前倍数、同业对比、技术状态拉进一个 chat 会话。每块手工要 10–20 分钟,PickSkill 把每块压缩到秒级,把时间留给真正的思考。

股票研究的四个陷阱

  1. 跳过商业模式步骤。 知道代码不等于知道公司。没有 5 要点摘要,你是在交易代码,不是在研究生意。
  2. 忽略下行情景。 看多逻辑会自我推销;看空逻辑需要主动浮现。如果你说不出看空逻辑,你的研究没做完。
  3. 把"全绿"当买入。 一只基本面强、估值便宜、技术好的票不是自动买入 —— 有时只是好赚的钱已经赚完了、未来 12 个月会持平。仓位管理与入场位纪律仍然重要。
  4. 不把输出落地到自选股或拒绝。 15 分钟首轮的整个意义在于最后做决策。"再想想"是杀手 —— 消耗心智带宽却不产出决策。强制自己落在自选股、深度研究、或放弃三选一。

A 股上的应用

工作流在 A 股和港股名字上完全一样。两个具体调整:

  • A 股的"扣非净利润"是相关的盈利数;PickSkill 在算 A 股 P/E 与 EPS 增速时默认用扣非。
  • 多数板块,A 股估值倍数结构性低于美股同业。与 A 股历史区间比,而不是美股等价物比。

更广的市场专属玩法见 A 股最佳指标

常用追问

15 分钟首轮之后:

  • "对 [代码] 深入 DCF —— 完整敏感性表、板块级营收预测。"
  • "用完整倍数族和 FCF 增速对比 [代码] 与最近的 3 家同业。"
  • "从这段对话给 [代码] 生成投资 deck。"(见 从 chat 生成投资 deck。)
  • "用这段论点把 [代码] 加入我的自选股: [...]"
  • "在下一次财报发布前为 [代码] 安排复盘。"

延伸阅读

FAQ

为什么 15 分钟 —— 对一只股票不是太快了吗? 对首轮的是 / 否决策,15 分钟绰绰有余 —— 多数名字应该在这一阶段被拒绝。深度工作(对特定假设建模、读完每份近期 SEC 文件、找前员工)留给通过首轮的少数名字。对每只遇到的票都花 4 小时,是积极散户的主流失败模式。

能并行研究多只名字吗? 能 —— PickSkill 支持并行 chat 会话。许多用户同时开 3–5 个会话,对每只跑同样的 5-prompt 模板。结构让批量研究变得可行。

如果 PickSkill 没有这只票的数据怎么办? PickSkill 覆盖多数美股(NYSE / NASDAQ)、港股(HKEx)、A 股(SSE / SZSE)名字。对很小或刚上市的名字,覆盖可能薄一些 —— PickSkill 会告诉你哪些数据点不可用,而不是凭空捏造。

应该保存 chat 会话吗? 应该 —— PickSkill 每个会话都持久化。把有用的研究会话加书签备查。当你决定建仓时,chat 会话就是你到达论点的审计追溯。

这和通用 ChatGPT 研究有什么不同? PickSkill 的 chat 立足于实时备案、市场数据、和计算出的指标 —— 不是模型的训练数据。ChatGPT 会幻觉营收数字和 P/E 比率;PickSkill 在查询时从一手来源拉。结构性差异在财务和估值步骤最重要 —— 那里过时或捏造的数字能彻底改变结论。

想让 PickSkill 帮你完成这件事?

打开对话框直接告诉它。AI 会自动拉取实时数据、跑出计算结果,并把成品输出为可下载的 PPT、Word 或 Excel 文件。

免费试用对话
教程研究工作流dcf10k指标