股票打分系统知识库

这套系统的目标不是预测明天涨跌，而是把“好生意、好价格、可验证风险”拆成可复查的证据链。量化负责筛选和排序，AI 负责补充商业判断，人负责最终假设、赔率、仓位和纪律。

先分清：判断企业，还是判断赚钱的股票

判断企业

不考虑股价，验证高分企业后来是否提高了ROIC、利润、现金流和资产负债表质量。它回答“公司判断对不对”，不能回答“当时买入能不能赚钱”。

判断赚钱的股票

把买入价格、估值、行业行情、风险和交易成本纳入验证。它回答“当时买入后是否跑赢同类”，上涨但跑输行业仍不算个股判断成功。

指标	正确用法
投资分	综合筛选入口，不能单独作为买入信号。
高效复利	寻找好生意：资本效率高、现金流好、长期留存资本能继续高回报再投。
十倍潜力	寻找高成长研究线索：空间、速度、估值起点和兑现概率都要成立。
估值	判断价格相对价值是否便宜；高质量公司也可能因为价格太贵而不适合买。
AI 模型分	用于补充商业理解、护城河和风险判断；多模型分歧大时必须人工复核。
判断把握度	代表数据和结论可用程度，不代表股票一定安全。低把握度先做数据审计。

不同类型公司使用对应的评分口径。分类是使用指标的入口，不是买入结论；每家公司还要结合生命周期、估值、风险和原始财报。

商业模式	专用模型重点
高效复利型	ROIC、增量回报、现金转化、再投资空间
平台与软件型	边际成本、可扩张性、留存、研发效率
资本投入成长型	扩产兑现、产能利用率、单位成本、资产负债表
周期资源型	中周期利润、成本位置、供需与资本开支周期
金融型	ROE、资产质量、拨备与资本充足，避免普通企业现金流口径
稳定收益型	维护性资本开支、债务覆盖、分红可持续性
研发期成长型	现金生存期、研发兑现、市场空间与稀释风险
困境反转型	生存能力、债务、毛利修复与治理变化
综合经营型	证据不足时使用通用模型，并降低分类依据充分度

先看商业模式与巴菲特评分，再核对原始财报、现金流、负债和估值假设；对比三个AI模型的判断与分歧。最后在人工复核页记录投资逻辑、反方观点、关键假设、仓位上限、跟踪指标和失效条件。分数只辅助筛选，不能替代判断。

人工判断项	为什么不能全交给模型
商业本质	系统能算利润率和 ROIC，但不能完全理解客户为什么持续付钱。人要判断生意是不是“省力赚钱”的好生意。
护城河真假	AI 可以给护城河分，但人要判断优势来自长期结构，还是来自短期供需、政策、价格周期。
资本开支解释	负自由现金流可能是高回报扩张，也可能是苦生意吞现金。必须结合新增资本回报和行业空间判断。
估值假设	内在价值不是目标价。Owner Earnings、合理倍数、增长年限需要人复核，尤其是周期股和亏损成长股。
仓位纪律	分数只解决排序，不自动决定买多少。仓位要由确定性、赔率、流动性、风险承受能力决定。
卖出条件	买入前就要写下卖出触发器：逻辑破坏、估值过高、管理层问题、财务质量恶化或更优机会。