Sector Overview
Published by cyijun in china-financial-services
What this skill does
基于 `tushare-data` skill 与网络搜索的A股行业深度概览。涵盖市场规模、竞争格局、估值分析、投资启示等模块,输出可用于投资研究、客户汇报、M&A评估的行业全景报告。
Add Sector Overview to your agent
Review the source and files first. When you are ready, copy the prompt instruction or use the CLI command supported by your environment.
Install with a prompt
Paste this into a compatible coding agent:
add this skill "sector-overview" from https://github.com/cyijun/china-financial-servicesInstall with the CLI
Run this command in a controlled environment after reviewing the repository:
npx skills add https://github.com/cyijun/china-financial-services --skill sector-overviewSkill instructions
行业概览 (Sector Overview)
为指定A股行业(申万/中信分类或自定义主题)生成一份结构化的深度概览报告,融合量化数据与定性研究,支持投资研究、客户汇报、竞争分析及M&A评估等场景。
数据源
- 主数据源:
tushare-dataskill(自动处理tusharePython 包及TUSHARE_TOKEN认证) - 辅助数据源:网络搜索(券商研报、艾瑞/易观等咨询报告、政府产业规划、新闻资讯)
- 市场范围:A股为主,可选含港股通/美股中概股作为对照
tushare-data skill 核心接口
| 目的 | 接口 |
|---|---|
| 股票列表与行业分类 | stock_basic, index_classify |
| 行业指数行情 | sw_daily, index_daily |
| 概念/主题指数 | ths_index, ths_member |
| 个股估值 | daily_basic |
| 财务指标 | fina_indicator |
| 财务报表 | income, balancesheet, cashflow |
| 资金流向 | moneyflow, moneyflow_hsgt |
| 宏观数据 | cn_cpi, cn_ppi, cn_pmi, cn_m, sf_month |
| 跨市场数据 | hk_daily, us_daily, index_global |
| 研报与公告 | research_report, anns_d |
Step 1:明确研究范围
在开始研究前,与使用者确认:
| 维度 | 问题 |
|---|---|
| 行业范围 | 申万/中信一级或二级行业?或自定义主题(如AI算力、固态电池)? |
| 研究目的 | 投资配置 / 个股选股 / 客户汇报 / M&A评估 / 市场进入咨询? |
| 深度要求 | 快速扫描(1-2小时)/ 标准深度(半日)/ 全面深度(1-2日)? |
| 分析角度 | 买方投资视角 / 卖方覆盖视角 / 企业战略视角? |
| 标的范围 | 仅A股 / 含港股通 / 含美股中概? |
| 时间维度 | 历史回顾(5年)/ 当前快照 / 未来预测(3-5年)? |
Step 2:市场概览 (Market Overview)
2.1 市场规模 (TAM)
- 国内市场规模:通过网络搜索获取券商研报、艾瑞/易观/前瞻产业研究院、政府统计局数据
- 全球市场规模及中国占比:评估中国企业在全球产业链中的地位
- 细分市场:按产品类型、地域(华东/华南/中西部)、终端应用(B端/C端/G端)拆分
- 产业链价值分布:上游(原材料/设备)、中游(制造/组装)、下游(品牌/渠道)各环节利润率对比
2.2 历史增速
- 通过
tushare-dataskill 调用sw_daily或index_daily获取行业指数过去5年的收益数据 - 计算行业指数的年化收益率、波动率、最大回撤
- 与沪深300、中证500对比,计算超额收益(Alpha)
- 分年度表现:识别行业的周期性特征(如强周期、弱周期、成长型)
# 示例:获取申万行业指数历史数据
df = pro.sw_daily(ts_code='801XXX.SI', start_date='20190101', end_date='20241231')
# 计算年化收益、波动率
2.3 预测增速
- 通过网络搜索获取券商一致预期(Wind/朝阳永续汇总)
- 结合宏观数据(
cn_pmi,cn_ppi,sf_month)判断行业景气度方向 - 政府产业规划中的目标增速(如"十四五"规划、各部委产业政策)
2.4 行业结构
- 集中度:CR3 / CR5 / CR10(基于上市公司营收数据从
fina_indicator计算) - 价值链分析:各环节利润率、资本密集度、技术壁垒
- 商业模式:TO B(合同/订单制)vs TO C(零售/平台)vs TO G(招投标)
- 进入壁垒:牌照、技术专利、资本、渠道、品牌
- 替代品威胁:跨界颠覆风险(如新能源对传统能源、电商对零售)
2.5 关键趋势
通过网络搜索与 tushare-data skill 获取的数据结合分析:
-
长期顺风(Secular Tailwinds):
- 国产替代(半导体、工业软件、医疗器械)
- 能源转型(光伏、储能、新能源车、电网升级)
- 人口结构变化(老龄化→医药/银发经济;少子化→宠物/ automation)
- 消费升级/降级并存
-
逆风与风险(Headwinds):
- 产能过剩与价格战(光伏、锂电、钢铁)
- 监管政策变化(教培、互联网、医药集采、地产)
- 技术路线不确定性(如锂电vs固态电池、PERC vs HJT vs TOPCon)
- 国际贸易摩擦(关税、出口管制)
-
技术颠覆:
- AI对行业的赋能或替代效应
- 新工艺/新材料对成本曲线的影响
-
并购活动:
- 近期A股同行业并购案例(通过网络搜索)
- 产业资本 vs 财务资本的投资逻辑差异
Step 3:竞争格局 (Competitive Landscape)
3.1 头部企业画像
筛选行业前5-10家上市公司,生成对比表:
# 获取行业内所有股票列表
# 通过 stock_basic 筛选行业代码
# 通过 fina_indicator 获取最新财报数据
对比表结构:
| 公司 | 股票代码 | 总市值(亿) | 营收(亿) | 营收增速 | 毛利率 | 净利率 | ROE | 资产负债率 | 研发费用率 | 市场份额 | 核心差异点 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 公司A | 6XXXXX.SH | XXX | XX.X | XX% | XX% | XX% | XX% | XX% | XX% | X% | ... |
| 公司B | 0XXXXX.SZ | XXX | XX.X | XX% | XX% | XX% | XX% | XX% | XX% | X% | ... |
数据来源:
- 市值:
daily_basic - 营收/增速/毛利率/净利率/ROE:
fina_indicator - 资产负债率:
fina_indicator或balancesheet - 研发费用率:
income中 research_expenses / total_revenue - 市场份额:基于上市公司营收加总估算,或通过网络搜索获取第三方数据
3.2 竞争动态分析
- 价格战:是否处于价格下行周期?哪些子领域最激烈?
- 产品竞争:技术代差、产品迭代速度、SKU丰富度
- 渠道竞争:线上vs线下、国内vs海外、直销vs经销
- 服务竞争:交付周期、售后、定制化能力
- 份额变化:近3年各公司营收增速差异反映的份额迁移
- 新进入者威胁:跨界玩家(如互联网巨头进入造车、家电)
- 退出壁垒:资产专用性、员工安置、政策限制
3.3 护城河评估
对头部企业逐一评估:
- 成本优势:规模效应、资源禀赋、工艺know-how
- 品牌溢价:消费者心智占有率、定价权
- 网络效应:平台型企业的双边网络
- 转换成本:B端客户的迁移成本
- 牌照/特许经营权:金融、公用事业、通信等
Step 4:估值语境 (Valuation Context)
4.1 行业估值水位
- 通过
tushare-dataskill 调用daily_basic获取行业内所有成分股的PE-TTM、PB、PS-TTM - 计算行业估值分布(中位数、均值、10%/90%分位)
- 绘制行业PE/PB历史区间(近5年),标注当前所处百分位
# 示例:计算行业PE分布
pe_list = []
for ts_code in sector_stocks:
df = pro.daily_basic(ts_code=ts_code, trade_date='YYYYMMDD')
pe_list.append(df['pe_ttm'].values[0])
# 计算中位数、均值、分位数
4.2 溢价/折价驱动因素
- 估值溢价原因:高成长确定性、强护城河、稀缺性(A股唯一标的)、北向资金偏好
- 估值折价原因:周期性、政策风险、治理问题、流动性差、ESG争议
- 中外估值对比:A股 vs 港股通标的 vs 美股中概的估值差异及原因
4.3 近期A股并购交易估值
- 通过网络搜索获取近1-2年同行业A股并购案例
- 记录交易估值倍数(PE、PB、EV/EBITDA)
- 与二级市场估值对比,评估是否存在并购溢价/折价
4.4 相对大盘估值
- 行业PE / 沪深300 PE → 相对估值溢价/折价
- 行业PE / 中证500 PE → 相对中盘估值
- 历史相对估值区间:当前处于历史中高位还是中低位
Step 5:投资启示 (Investment Implications)
5.1 最佳风险收益方向
- 行业整体配置建议:超配 / 标配 / 低配 / 回避
- 子领域优先级排序:哪些细分赛道景气度最高、估值最合理
- 产业链最优环节:上游/中游/下游中,哪个环节当前性价比最好
5.2 主题 bets
- 可通过本行业表达的大盘主题:
- 如新能源行业 = 碳中和主题 + 能源安全主题 + 出口主题
- 如半导体 = 国产替代主题 + AI算力主题 + 周期复苏主题
- 评估各主题当前的定价程度
5.3 多空辩论 (Bull vs Bear)
| 看多逻辑 | 看空逻辑 |
|---|---|
| ... | ... |
| ... | ... |
| ... | ... |
5.4 催化剂跟踪
| 催化剂类型 | 具体内容 | 时间预期 | 数据来源 |
|---|---|---|---|
| 政策 | 如:新能源补贴政策、医药集采扩围 | QX 20XX | 网络搜索 |
| 业绩 | 如:旺季来临、订单交付高峰 | QX 20XX | anns_d / 业绩预告 |
| 订单 | 如:军工大单、基建项目批复 | 即时 | anns_d |
| 价格周期 | 如:锂价触底、硅料价格企稳 | 月度 | 网络搜索 + 行业数据 |
| 技术突破 | 如:新品发布、产线投产 | QX 20XX | 网络搜索 |
Step 6:输出格式
最终输出为一份结构化报告,可导出为Word/PowerPoint/Excel:
报告结构
-
封面页
- 行业名称
- 报告日期
- 数据截止日期
- 分析师/Agent标识
-
执行摘要 (Executive Summary)
- 行业配置建议(1句话)
- 核心结论(3-5条)
- 推荐关注标的(2-3个)
- 主要风险警示
-
市场概览与规模 (Market Overview & Sizing)
- TAM及细分市场规模
- 历史增速与预测
- 行业结构(CR5、价值链)
- 关键趋势分析
-
竞争格局图谱 (Competitive Landscape)
- 头部企业对比表
- 市场份额变化趋势
- 竞争动态分析
- 护城河评估矩阵
-
公司对比表 (Company Comparison)
- 完整财务指标对比
- 估值指标对比
- 成长性 vs 估值散点图
-
估值总结 (Valuation Summary)
- 行业PE-band(近5年)
- 行业PB-band
- 相对大盘估值溢价/折价
- 成分股估值分布散点图
-
投资启示 (Investment Implications)
- 配置建议
- 子领域优先级
- 多空辩论
- 催化剂日历
-
附录
- 数据来源说明
tushare-dataskill 接口调用清单- 网络搜索参考来源
- 免责声明
建议图表
| 图表类型 | 内容 | 数据源 |
|---|---|---|
| 行业PE-band | 行业指数价格+PE区间(近5年) | sw_daily + daily_basic |
| 成分股涨幅分布 | 近1年/3年收益率分布 | daily_basic |
| 估值散点图 | PE-TTM vs 净利润增速 | daily_basic + fina_indicator |
| 财务指标雷达图 | 头部企业多维度对比 | fina_indicator |
| 资金流向图 | 北向资金/主力资金行业净流入 | moneyflow_hsgt |
| 市占率变化 | 近3年CR5变化 | fina_indicator |
| 产业链利润率 | 上中下游毛利率对比 | fina_indicator |
A股特别注意事项
区分TAM hype vs 真实市场
- A股常见"画大饼"现象:概念股描述的TAM极大,但实际可触达市场(SAM/SOM)很小
- 务必通过网络搜索验证:政府规划中的目标是否落地?产能规划是否已过剩?
- 案例:某"AI+医疗"概念公司,TAM万亿,但A股产品收入占比不足5%
数据时效性
- A股财报披露有季节性(1-4月年报、4-8月中报、10月三季报)
- 务必标注所有数据的截止日期,避免使用过时的财务数据做决策
- 行业指数数据建议使用最新交易日;财务数据使用最新完整报告期
政策驱动行业的监管风险
- 对于强政策驱动行业(新能源、医药、教培、互联网、地产、金融),需单独设置"政策风险"章节
- 通过网络搜索持续跟踪:监管态度变化、政策文件征求意见稿、行业整顿动态
- 政策转向可能是最大Alpha来源,也可能是最大风险来源
图表建议
- 行业PE-band:最能体现A股行业估值历史位置,是买方汇报的核心图表
- 成分股涨幅分布:识别行业内的alpha来源(是龙头集中还是分散普涨)
- 估值散点图(PE vs 增速):快速识别便宜的高增长标的(左下角区域)
- 北向资金+主力资金流向图:验证外资与内资对行业的态度是否一致
客户定制场景
- M&A目标筛选:增加控制权溢价分析、协同效应评估、反垄断审查风险
- 竞争定位:增加与全球龙头的对标分析(通过网络搜索获取海外公司数据)
- 市场进入咨询:增加渠道成本、客户获取成本、监管准入门槛分析
示例工作流
使用者:给我一份A股新能源汽车行业的深度概览,用于投资研究。
Agent:
1. 确认范围:申万电力设备-电池/整车/零部件,含港股通(比亚迪H、吉利等)
2. 网络搜索:2024年新能源汽车销量、渗透率、政策补贴退坡影响
3. 通过 `tushare-data` skill 获取:
- sw_daily:申万汽车/电力设备指数5年行情
- index_classify + ths_member:确认行业成分股
- daily_basic:所有成分股当前估值
- fina_indicator:最新财报核心指标
4. 计算:行业CR5、估值分布、相对沪深300溢价
5. 网络搜索:券商一致预期、2025年销量预测、固态电池技术进展
6. 生成报告:市场概览、竞争格局(比亚迪/宁德时代/理想/赛力斯等)、估值分析、投资启示
7. 输出结构化Markdown报告,附图表建议
Files included
- SKILL.md

