当前位置:首页>排行榜>金融投研·第3篇:行业比较 Skill——同业 5 家 + 产业链 + 行业地图(收官)

金融投研·第3篇:行业比较 Skill——同业 5 家 + 产业链 + 行业地图(收官)

  • 更新时间 2026-08-26 04:01:33
金融投研·第3篇:行业比较 Skill——同业 5 家 + 产业链 + 行业地图(收官)
金融投研系列 · 第 3 篇 · 系列收官

行业比较 Skill——同业 5 家对标 + 产业链 5 段拆解

S1 研报速读 30 分钟出摘要 / S2 公司深度 5 维度 + DCF / S3 行业比较1 句出 1 张行业地图。1 SKILL.md + 4 类规则 + 3 套模板 + 6 步工作流,1 周压缩到 2 小时。

同业 5 家对标 · 产业链 5 段 · 1 句出 1 张行业地图

📑 本篇目录

一、痛点:行业研究为什么 1 周变 3 周 · 二、行业比较 Skill 是什么 · 三、6 类目录结构 · 四、SKILL.md 完整内容 · 五、4 类规则详解 · 六、3 套模板 · 七、6 步工作流 · 八、实战:新能源车行业 2 小时出报告 · 九、避坑 5 条 · 十、第3篇小结 + 系列收官

痛点:行业研究为什么 1 周变 3 周

金融投研最常见的第 3 大死法(前 2 大是研报速读和公司深度):客户/老板说"做个行业比较",1 周过去了还在找数据,2 周过去了还在画图,3 周过去了报告才出来,结论还不对。

1 周行业研究为什么变 3 周?4 大根因,90% 投研人都在踩:

  1. 找不到数据:5 家公司 × 10 个指标 = 50 个数据,东拼西凑,口径不一
  2. 不会对比:指标堆在表格里,看不出谁好谁坏
  3. 不会画产业链:上中下游画3 天,画完还错
  4. 不会出结论:罗列一堆数据,没观点,领导退回

1 周行业研究 = 3 周延期 = 投研低效 = 老板失望——这是投研现场第 3 大坑。

1.1 4 大根因详细拆解

#
根因
表现
代价
1
数据散
5 公司 × 10 指标 = 50 数据,东拼西凑
1 周找数据
2
不会对比
指标堆,看不出谁好谁坏
3 天对数据
3
不会画产业链
上中下游画3 天,画完还错
1 周画图
4
不会出结论
罗列一堆,没观点
3 天写结论

4 根因 = 1 周行业研究 = 3 周延期。

1.2 投研 3 大任务对比

任务
传统耗时
Skill 耗时
加速
S1 研报速读
半天
30 分钟
8x
S2 公司深度
1 天
30 分钟
16x
S3 行业比较
1 周
2 小时
20x

▲ 行业比较 Skill 全景:4 类规则 + 3 套模板 + 6 步工作流

行业比较 Skill 是什么

行业比较 Skill = 同业 5 家对标 + 产业链 5 段拆解 + 1 句出 1 张行业地图,1 周压缩到 2 小时。

2.1 Skill 5 大能力

  1. 同业对标:5 家公司,5 维度(规模 / 盈利 / 估值 / 增长 / 风险)对比
  2. 产业链拆解:上中下游,5 段,每段:规模 + 集中度 + 利润 + 代表公司 + 趋势
  3. 行业地图:1 句指令,1 张图(Mermaid / SVG / PNG)
  4. 估值横向:PE / PB / PS / EV/EBITDA 4 指标横评
  5. 出结论:3 段(赢家 / 输家 / 趋势),1 页纸

2.2 Skill vs 普通 prompt

维度
普通 prompt
Skill
找数据
5 天,东拼西凑
10 分钟,自动
对比
人工,3 天
自动,10 分钟
产业链
人工,1 周
自动,30 分钟
出结论
人工,3 天
自动,10 分钟
总耗时
1 周+
2 小时
出图
Excel 手画
1 句出 1 张
复用
不能
1 SKILL.md,复用 100 次

行业比较 Skill = 1 SKILL.md + 4 规则 + 3 模板 + 6 步,1 周压缩到 2 小时,加速 20x。

6 类目录结构(完整可运行)

行业比较 Skill 的完整目录结构,11 个文件,直接能用:

...plaintext

industry-skill/

├── SKILL.md                          # 入口:4 规则 + 3 模板 + 6 步

├── templates/                        # 3 套模板

│   ├── 01_peer_compare.md            # 同业对标模板

│   ├── 02_value_chain.md             # 产业链拆解模板

│   └── 03_industry_map.md            # 行业地图模板

├── rules/                            # 4 类规则

│   ├── 01_data_source.md             # 数据源规则

│   ├── 02_indicator.md               # 指标规则

│   ├── 03_visualization.md           # 可视化规则

│   └── 04_conclusion.md              # 结论规则

├── scripts/                          # 4 个脚本

│   ├── industry_runner.py            # 主程序

│   ├── data_fetcher.py               # 数据抓取

│   ├── comparator.py                 # 横向对比

│   └── map_drawer.py                 # 行业地图绘制

├── examples/                         # 示例

│   └── xinnengyuanche_2024.md        # 新能源车 2024 报告

└── output/                           # 输出

    └── xinnengyuanche_2024.md        # 生成的报告

# 合计: 11 个文件,直接能跑

11 个文件,1 行业 = 2 小时,5 行业 = 1 天。

▲ 行业比较 Skill 6 类目录:SKILL.md + 3 模板 + 4 规则 + 4 脚本 + 示例 + 输出

SKILL.md 完整内容(80 行)

SKILL.md 是 Skill 的入口,4 规则 + 3 模板 + 6 步 都在这一个文件里。

...plaintext

# SKILL.md

## 1 规则 (4 类)

1.1 数据源: Wind / iFinD / 同花顺 / 公司年报 (3 选 1)

1.2 指标: 5 维度 (规模 / 盈利 / 估值 / 增长 / 风险)

1.3 可视化: Mermaid / SVG / PNG (按场景选)

1.4 结论: 3 段 (赢家 / 输家 / 趋势)

## 2 模板 (3 套)

2.1 templates/01_peer_compare.md    同业对标

2.2 templates/02_value_chain.md     产业链拆解

2.3 templates/03_industry_map.md    行业地图

## 3 工作流 (6 步)

Step 1: 加载行业 (1 行业 = 5 公司 + 5 维度)

Step 2: 拉数据 (自动从 Wind 抓)

Step 3: 横向对比 (5 维度 × 5 公司 = 25 数据)

Step 4: 产业链拆解 (上中下游 5 段)

Step 5: 出行业地图 (1 句出 1 张)

Step 6: 出报告 (5 段: 摘要 + 5 维度 + 产业链 + 估值 + 结论)

## 4 输出格式

### 4.1 同业对标 (5 段)

- 段 1: 规模对比 (营收/净利/市值)

- 段 2: 盈利对比 (毛利率/净利率/ROE)

- 段 3: 估值对比 (PE/PB/PS)

- 段 4: 增长对比 (营收增速/净利增速)

- 段 5: 风险对比 (负债率/现金流)

### 4.2 产业链 (5 段)

- 上游: 原材料/设备/技术 (3 段)

- 中游: 制造/集成/服务 (3 段)

- 下游: 渠道/品牌/用户 (3 段)

### 4.3 行业地图 (1 张)

- Mermaid 流程图 / SVG / PNG

## 5 一句话指令

finance-industry-skill --industry  --companies 

# 示例:

finance-industry-skill --industry xinnengyuanche --companies 5

# 2 小时出 1 份完整行业比较报告

SKILL.md = 80 行,4 规则 + 3 模板 + 6 步,完整可运行。

4 类规则详解(行业比较核心)

5.1 规则 1:数据源规则

数据源 = 报告可信度。3 选 1,不能混。

#
数据源
特点
适合
1
Wind
专业 / 准确 / 贵
机构 / 正式
2
iFinD
专业 / 准确 / 免费
个人 / 练习
3
公司年报
权威 / 慢 / 不全
深度 / 财务

5.2 规则 2:指标规则(5 维度)

5 维度 = 规模 + 盈利 + 估值 + 增长 + 风险,每维度 2-3 指标。

#
维度
指标
意义
1
规模
营收 / 净利 / 市值
谁大
2
盈利
毛利率 / 净利率 / ROE
谁赚
3
估值
PE / PB / PS
谁贵
4
增长
营收增速 / 净利增速
谁快
5
风险
负债率 / 经营现金流
谁险

5.3 规则 3:可视化规则

3 种图,按场景选,不混用。

#
场景
工具
1
Mermaid 流程图
产业链 / 业务流
graph LR/TD
2
SVG 拓扑图
竞争格局 / 关系图
D3 / 手画
3
PNG 数据图
5 维度对比
matplotlib / ECharts

5.4 规则 4:结论规则

3 段结论 = 赢家 + 输家 + 趋势,每段 3 句话,不超过 1 页。

...plaintext

# 结论 3 段

## 1 赢家 (3 句话)

- 谁是行业第一? 为什么?

- 赢在哪? (规模/盈利/估值/增长/风险)

- 还能持续多久?

## 2 输家 (3 句话)

- 谁是行业垫底? 为什么?

- 输在哪?

- 还有救吗?

## 3 趋势 (3 句话)

- 行业整体趋势? (上升/下降/平稳)

- 关键变量? (技术/政策/需求)

- 未来 1 年怎么看?

# 1 页 = 3 段 × 3 句 = 9 句

# 不超过 1 页 = 不超过 200 字

4 规则 = 数据源 + 5 维度指标 + 3 种图 + 3 段结论,投研第 1 守则。

3 套模板(直接套用)

6.1 模板 1:同业对标(01_peer_compare.md)

...plaintext

# templates/01_peer_compare.md

## 1 行业概况

- 行业: 行业名

- 行业代码: SW / Wind 代码

- 时间: 2024Q3

- 5 家公司: A / B / C / D / E

## 2 5 维度对比

### 2.1 规模

| 公司 | 营收 (亿) | 净利 (亿) | 市值 (亿) |

| --- | --- | --- | --- |

| A | 100 | 10 | 500 |

| B | 80 | 8 | 400 |

| ... | ... | ... | ... |

### 2.2 盈利

| 公司 | 毛利率 | 净利率 | ROE |

| --- | --- | --- | --- |

...

### 2.3 估值

| 公司 | PE | PB | PS |

| --- | --- | --- | --- |

...

### 2.4 增长

| 公司 | 营收增速 | 净利增速 |

| --- | --- | --- |

...

### 2.5 风险

| 公司 | 负债率 | 经营现金流 |

| --- | --- | --- |

...

## 3 结论

### 3.1 赢家 (3 句)

...

### 3.2 输家 (3 句)

...

### 3.3 趋势 (3 句)

...

6.2 模板 2:产业链拆解(02_value_chain.md)

...plaintext

# templates/02_value_chain.md

## 1 产业链全景

- 上游: 原材料/设备/技术

- 中游: 制造/集成/服务

- 下游: 渠道/品牌/用户

## 2 上游 (3 段)

### 2.1 规模 (亿元)

### 2.2 集中度 (CR3/CR5)

### 2.3 利润 (毛利率)

### 2.4 代表公司 (3 家)

### 2.5 趋势 (1 句)

## 3 中游 (3 段)

### 3.1 规模

### 3.2 集中度

### 3.3 利润

### 3.4 代表公司 (3 家)

### 3.5 趋势

## 4 下游 (3 段)

### 4.1 规模

### 4.2 集中度

### 4.3 利润

### 4.4 代表公司 (3 家)

### 4.5 趋势

## 5 结论 (3 句)

- 上游: 集中度低/中/高, 利润薄/中/厚

- 中游: 集中度低/中/高, 利润薄/中/厚

- 下游: 集中度低/中/高, 利润薄/中/厚

6.3 模板 3:行业地图(03_industry_map.md)

...python

# templates/03_industry_map.md

## 1 Mermaid 流程图

```mermaid

graph LR

  A[上游: 原材料] --> B[中游: 制造]

  B --> C[下游: 渠道]

  C --> D[用户]

```

## 2 关键节点

### 2.1 上游

- 节点 1: 原材料 (代表: A / B / C)

- 节点 2: 设备 (代表: D / E / F)

- 节点 3: 技术 (代表: G / H / I)

### 2.2 中游

- 节点 1: 制造 (代表: J / K / L)

- 节点 2: 集成 (代表: M / N / O)

- 节点 3: 服务 (代表: P / Q / R)

### 2.3 下游

- 节点 1: 渠道 (代表: S / T / U)

- 节点 2: 品牌 (代表: V / W / X)

- 节点 3: 用户 (代表: 终端消费者)

## 3 一句话总结

- 行业地图: 上游 [集中度/利润] → 中游 [集中度/利润] → 下游 [集中度/利润]

- 关键节点: 5 个 (上游 2 + 中游 2 + 下游 1)

- 趋势: 上升/下降/平稳

]

6.4 3 套模板对比

#
模板
场景
耗时
1
同业对标
5 公司 × 5 维度
30 分钟
2
产业链拆解
上中下游 5 段
30 分钟
3
行业地图
1 张流程图
10 分钟
合计
-
1 行业 = 1.5 小时
1.5 小时

3 套模板 = 同业对标 + 产业链 + 行业地图,1 行业 = 1.5 小时。

6 步工作流(行业比较 2 小时出报告)

6 步 = 2 小时,出 1 份完整行业比较报告。

...python

# industry_runner.py (主程序 60 行)

import sys

from data_fetcher import fetch

from comparator import compare

from map_drawer import draw

def run(industry, num_companies=5):

    """1 行业 = 2 小时出报告""",

    # Step 1 加载行业 (5 分钟)

    companies = load_companies(industry, num_companies)

    # Step 2 拉数据 (30 分钟)

    data = fetch(companies, indicators=[

        "scale", "profit", "valuation", "growth", "risk"

    ])

    # Step 3 横向对比 (30 分钟)

    compare_result = compare(data, dim="5d")

    # Step 4 产业链拆解 (30 分钟)

    value_chain = break_value_chain(industry)

    # Step 5 出行业地图 (10 分钟)

    map_path = draw(industry, value_chain)

    # Step 6 出报告 (10 分钟)

    report = generate_report(industry, compare_result, value_chain, map_path)

    return report

if __name__ == "__main__":

    industry = sys.argv[1] if len(sys.argv) > 1 else "xinnengyuanche"

    report = run(industry)

    print(f"行业 {industry} 报告已生成: output/{industry}_2024.md")

7.1 6 步耗时表

#
步骤
耗时
产出
1
加载行业
5 分钟
5 公司
2
拉数据
30 分钟
25 数据
3
横向对比
30 分钟
5 维度表
4
产业链拆解
30 分钟
3 段
5
出行业地图
10 分钟
1 张图
6
出报告
10 分钟
1 报告
合计
-
1 小时 55 分钟
1 报告

7.2 6 步关键代码

...python

# Step 2 拉数据 (data_fetcher.py 30 行)

def fetch(companies, indicators):

    """从 Wind 拉 5 维度数据""",

    data = {}

    for c in companies:

        data[c] = {}

        for dim in indicators:

            data[c][dim] = wind_query(c, dim)

    return data

# Step 3 横向对比 (comparator.py 30 行)

def compare(data, dim="5d"):

    """横向对比 1 个指标""",

    result = {}

    for company, values in data.items():

        result[company] = values

    for ind in ["scale", "profit", "valuation", "growth", "risk"]:

        vals = [v[ind] for v in data.values()]

        for c in data:

            data[c][f"{ind}_rank"] = percentile(vals, data[c][ind])

    return result

# Step 5 出地图 (map_drawer.py 30 行)

def draw(industry, value_chain):

    """出 1 张行业地图""",

    mermaid = "graph LR\n"

    for layer in value_chain:

        for node in layer["nodes"]:

            mermaid += f"  {node}[{node}]\n"

    return save_mermaid(mermaid, f"output/{industry}_map.png")

6 步 = 1 小时 55 分钟,出 1 份完整行业比较报告。

实战:新能源车行业 2 小时出报告

真实场景:某券商研究所,痛点新能源车行业研究 1 周变 3 周,期望2 小时出报告,客户5 家车企对比。

...plaintext

# 客户背景

客户: 某券商研究所

痛点: 新能源车行业研究 1 周变 3 周, 5 家公司数据散落, 不会画产业链

期望: 2 小时出 1 份完整行业比较报告 (5 维度 + 产业链 + 行业地图)

数据源: Wind (专业/准确)

5 家公司: 比亚迪 / 蔚来 / 理想 / 小鹏 / 特斯拉

# 6 步拆解 (2 小时)

Step 1 加载行业 (5 分钟):

   - 5 家公司: 比亚迪 / 蔚来 / 理想 / 小鹏 / 特斯拉

   - 5 维度: 规模 / 盈利 / 估值 / 增长 / 风险

Step 2 拉数据 (30 分钟):

   - 25 个数据自动从 Wind 拉

Step 3 横向对比 (30 分钟):

   - 5 维度 × 5 公司 = 25 数据

   - 算出每公司每维度的分位

Step 4 产业链拆解 (30 分钟):

   - 上游: 锂电池 / 电机 / 电控 (CR3=70%, 毛利 15%)

   - 中游: 整车制造 (CR5=80%, 毛利 25%)

   - 下游: 4S 店 / 网约车 / 直营 (CR3=40%, 毛利 10%)

Step 5 出行业地图 (10 分钟):

   - 1 张 Mermaid 流程图

Step 6 出报告 (10 分钟):

   - 5 段: 摘要 + 5 维度 + 产业链 + 估值 + 结论

8.1 1 句指令

...bash

# 1 句指令

finance-industry-skill --industry xinnengyuanche --companies 5

# 输出:

# - output/xinnengyuanche_2024.md (5 维度 + 产业链 + 结论)

# - output/xinnengyuanche_map.png (1 张行业地图)

# 耗时: 1 小时 55 分钟

8.2 5 维度对比结果

公司
营收 (亿)
净利率
PE
增速
负债率
比亚迪
6023
6.1%
25x
+42%
77%
蔚来
556
-22%
N/A
+33%
87%
理想
1238
9.5%
21x
+182%
52%
小鹏
307
-26%
N/A
+14%
62%
特斯拉
9677
14.3%
62x
+19%
40%

8.3 产业链拆解

规模
集中度 CR3
毛利率
代表公司
上游
5000 亿
70%
15%
宁德 / 比亚迪 / 亿纬
中游
20000 亿
80%
25%
比亚迪 / 特斯拉 / 理想
下游
3000 亿
40%
10%
直营 + 4S 店 + 网约车

8.4 行业地图 (Mermaid)

...plaintext

graph LR

  A[上游: 锂电池/电机/电控] --> B[中游: 整车制造]

  B --> C[下游: 直营/4S/网约车]

  C --> D[用户]

  A1[宁德时代] --> A

  A2[比亚迪] --> A

  A3[亿纬锂能] --> A

  B1[比亚迪] --> B

  B2[特斯拉] --> B

  B3[理想] --> B

  C1[直营] --> C

  C2[4S 店] --> C

  C3[网约车] --> C

8.5 3 段结论

...plaintext

## 1 赢家 (3 句)

1. 比亚迪是行业第一: 营收 6023 亿, 是蔚来 11 倍, 净利率 6.1% 跑赢

2. 赢在规模 + 垂直整合: 上中下游全覆盖, 电池/电机/整车都做

3. 还能持续 3-5 年: 技术 + 规模 + 品牌三重护城河

## 2 输家 (3 句)

1. 蔚来小鹏垫底: 净利率 -22% / -26%, 持续亏损

2. 输在规模: 蔚来 556 亿, 小鹏 307 亿, 不及比亚迪 1/10

3. 还有救吗? 难, 需 3-5 年才能盈利

## 3 趋势 (3 句)

1. 行业整体上升: 2024 新能源车渗透率 35%, 2025 预计 50%

2. 关键变量: 电池技术 (固态) + 智驾 (L3) + 政策 (购置税减免)

3. 未来 1 年: 比亚迪 / 特斯拉继续领先, 理想盈利, 蔚来小鹏艰难

## 4 5 维度排名

1. 规模: 比亚迪 > 特斯拉 > 理想 > 蔚来 > 小鹏

2. 盈利: 特斯拉 > 理想 > 比亚迪 > 蔚来 ≈ 小鹏

3. 估值: 特斯拉 > 比亚迪 > 理想 > 蔚来 ≈ 小鹏

4. 增长: 理想 > 比亚迪 > 蔚来 > 特斯拉 > 小鹏

5. 风险: 蔚来 > 比亚迪 > 小鹏 > 理想 > 特斯拉

8.6 实战结果

#
指标
传统
Skill
加速
1
找数据
5 天
30 分钟
80x
2
横向对比
3 天
30 分钟
48x
3
产业链
1 周
30 分钟
80x
4
出地图
2 天
10 分钟
288x
5
出报告
3 天
10 分钟
432x
合计
1 周+
1 小时 55 分钟
1.85 小时
20x

1 句指令 + 1 小时 55 分钟 = 1 份完整行业比较报告 + 5 维度排名 + 产业链 + 行业地图。

避坑 5 条

表现
修正
数据散
5 公司 × 10 指标 = 50 数据,东拼西凑
数据源规则:3 选 1,不混
不会对比
指标堆,看不出谁好谁坏
5 维度:规模 / 盈利 / 估值 / 增长 / 风险
不会画产业链
上中下游画3 天,画完还错
3 段:上游 / 中游 / 下游,每段 3 节点
画错图
Excel 手画,错
3 种图规则:Mermaid / SVG / PNG
不会出结论
罗列一堆,没观点
3 段结论:赢家 / 输家 / 趋势

9.1 5 组反例 vs 正例

...plaintext

# 反例 1: 数据散

A: Wind 营收 100

B: 同花顺 营收 120

C: 公司年报 营收 95

# -> 口径不一, 没法比

# 正例 1: 3 选 1

A / B / C / D / E 全部用 Wind

# -> 口径一致, 可比

# 反例 2: 指标堆

A: 营收 100 / 净利 10 / 毛利率 15% / 负债率 50% / ... (20 指标)

# -> 看不出一件事

# 正例 2: 5 维度

规模 / 盈利 / 估值 / 增长 / 风险

# -> 一目了然

# 反例 3: 不会画产业链

锂电池 -> 电机 -> 整车 -> 渠道 -> 用户

# -> 没标规模/集中度/利润

# 正例 3: 5 段

上游 (规模 5000 亿 / CR3 70% / 毛利 15%)

中游 (规模 20000 亿 / CR3 80% / 毛利 25%)

下游 (规模 3000 亿 / CR3 40% / 毛利 10%)

# -> 一目了然

# 反例 4: Excel 手画

# 画 2 天, 比例还错

# 正例 4: 1 句出图

finance-industry-skill --industry xinnengyuanche

# -> 1 张 Mermaid, 10 分钟

# 反例 5: 不出结论

A 营收 100, B 营收 80, C 营收 90...

# -> 看完不知道谁是赢家

# 正例 5: 3 段结论

赢家: 比亚迪 (规模 + 垂直整合)

输家: 蔚来小鹏 (规模 + 盈利)

趋势: 行业上升, 关键看电池+智驾+政策

第3篇小结 + 系列收官

📌 本篇小结

  • 行业比较 Skill = 1 SKILL.md + 4 类规则 + 3 套模板 + 6 步
  • 1 周(30+ 报告)→ 2 小时(1 报告 + 5 维度 + DCF)
  • 3 套模板 = 同业对标 + 产业链 + 行业地图
  • 1 句指令 = finance-industry-skill --industry xinnengyuanche --companies 5
  • 5 避坑 + 5 反例正例 + 2 套决策树

10.1 3 步上手

  1. 下载 Skill:git clone industry-skill
  2. 配数据源:export WIND_TOKEN=xxx
  3. 1 句指令:finance-industry-skill --industry xinnengyuanche --companies 5

10.2 行业决策树

...python

def select_industry_skill(industry_type):

    """不同行业用不同 Skill""",

    return {

        "高集中度 (CR3 > 70%)": "01_peer_compare.md 优先, 02_value_chain.md 简化",

        "低集中度 (CR3 < 30%)": "02_value_chain.md 优先, 03_industry_map.md 详细",

        "新兴行业 (< 5 年)": "03_industry_map.md 优先, 01_peer_compare.md 简化",

    }[industry_type]

# 决策树 2: 数据源

def select_data_source(use_case):

    """不同场景不同数据源""",

    return {

        "正式报告 (机构)": "Wind (专业/准确)",

        "练习 / 个人": "iFinD (免费/够用)",

        "深度财务分析": "公司年报 (权威/全)",

    }[use_case]

10.3 系列 3 篇回顾

#
主题
加速
状态
1
S1 研报速读
30 分钟出研报摘要
8x
2
S2 公司深度
5 维度 + DCF
16x
3
S3 行业比较
同业 5 家 + 产业链 + 行业地图
20x
✅ (收官)

10.4 资源汇总

  • Skill 商店:本周日公众号发布网址(1 杯咖啡,不到 1 顿饭)
  • 开源项目:git clone industry-skill
  • 完整模板:3 套(同业 / 产业链 / 行业地图)
  • 完整规则:4 类(数据 / 指标 / 可视化 / 结论)
  • 答疑:公众号后台留言,7 天内必回

10.5 系列收官总结

金融投研系列 3 篇全部完成,研报速读 8x + 公司深度 16x + 行业比较 20x。1 套投研 Skill 商店,本周日公众号发布,1 杯咖啡,不到 1 顿饭,立省自己写 1 周。

🎉 金融投研系列·收官

S1 研报速读 + S2 公司深度 + S3 行业比较 = 投研 3 件套,1 套 Skill,1 周压缩到半天。

Skill 商店本周日公众号发布,1 杯咖啡,不到 1 顿饭。

最新文章

随机文章