给Codex装上投研脑

最近给 Codex 装了 4 个投资研究 Skill，挺适合做产业链分析、美股成长股研究、AI 供应链研究。 它们不是用来“直接荐股”的，而是帮你把市场信息变成一套可验证的研究框架。 1. Serenity Alpha：把新闻翻译成投资假设 核心逻辑是： 新闻 → 真实需求 → 财务传导 → 小市值弹性 → 验证路径 比如看到“AI 数据中心带动液冷需求上升”，它不会只说“利好液冷”，而是继续拆：谁真正受益？需求会进入哪家公司的收入项？这家公司市值够不够小？未来几个季度能不能在订单、收入、毛利率里验证？ 适合用来找产业链线索。 2. TAM-Adj-PEG：判断成长股估值贵不贵 传统 PEG 只看 PE 和增速，但这个框架会额外看 TAM 空间和公司质量。 它会问：增长还能持续多久？市场空间够不够大？公司有没有定价权？增长能不能转化成利润？竞争会不会打掉利润率？ 适合分析 AI、半导体、机器人、SaaS、医疗科技等高成长公司。 3. GF-DMA Health Index：判断走势是否健康 它会结合基本面增长和均线结构，判断一只股票是健康上涨，还是短线过热。 主要看：20/50/100/200 日均线、股价离均线多远、基本面增速能不能支撑走势、预期有没有上修、有没有 FOMO 逃逸风险。 适合看强势股，也适合判断回调是不是健康。 4. Bayesian Intrinsic Growth Valuation：判断市场有没有过度定价 它不会简单说“利好”或“利空”，而是把信息转化成未来 3-5 年增长概率的变化。 它会判断：公司真实增长速度是多少？当前估值隐含了多高增长？股价上涨是基本面驱动，还是情绪 FOMO？市场是不是已经提前透支了未来？ 我自己的理解是： serenity-alpha：找线索 tam-adj-peg：看估值 gf-dma-health-index：看走势 bayesian-intrinsic-growth-valuation：看定价是否过度 AI 做投资研究，真正有价值的不是直接问“买什么”，而是帮你建立一套更稳定的提问方式。 一条新闻，怎么变成投资假设？ 一个热点，怎么找到真正有财务弹性的公司？ 一只股票上涨，怎么判断是基本面驱动还是情绪驱动？ 这才是这些工具最有用的地方。 一句话总结： AI 不应该只是帮你找答案，而应该帮你建立研究框架。 #AI工具 #投资研究 #产业链分析 #股票研究