经济学
周期、供需、资本成本与价格形成。先问这笔生意在怎样的经济结构里赚钱,再判断利润能不能持续。
法雨科技箴研 AI 选股系统,依托经济学、政治学、科技、社会学等社会科学模型,叠加金融学经典价值投资框架开展分析。它不是把财报再讲一遍,而是把制度、技术、社会与政治条件,写进对公司价值的判断。
箴研是一套 AI 决策系统。社会科学解释公司所在的世界如何变化;价值投资判断当前价格有没有覆盖这些变化。地缘政治会进入收入、成本和折现率,而不是写成一篇时事评论。
周期、供需、资本成本与价格形成。先问这笔生意在怎样的经济结构里赚钱,再判断利润能不能持续。
产业政策、监管与制度约束。许可、补贴和规则变化,会改写谁能做、能做多久、利润归谁。
技术路线、扩散速度与替代威胁。创新只有落到成本、份额和资本开支,才进入选股决策。
需求结构、组织能力、信任与舆论。人怎么用、组织怎么运转,决定增长是真实需求还是短暂热度。
关税、制裁、供应链重组、关键资源与航道,会改变收入能见度、资本开支和折现率。箴研把这些条件当作估值假设来处理:它改的是公司值多少钱,以及现在该不该买。
我们理解的 AI 选股,是先用社会科学看清公司所在的世界,再用价值投资给价格,并把事实、方法与计算连成可以追问、复用和持续验证的研究。
财报 · 公告 · 公开研报
经营数据 · 行业与外部环境
报告 · 来源 · 底稿 · 估值模型
公司 Master → 用户个人研究
AI 研报分析
机构研报阅读与总结
AI 财报解读
公司筛选与收藏
上下文问题推荐
按主题发现研究对象
财务数据可视化
模型估值与关键假设
价格与估值区间对照
预测路径可视化
多情景对照与敏感性分析
Master 派生与冷启动
研究沙盒与 AI 问答
个人假设与研究版本
个人工作台整合
多流派与投资理念
AI 公司经营图谱
逐层展开经营结构
查看解释与资料来源
产业链与事件跟踪
资金面与市场预期
Ontology 情景模拟
持续验证的建设方向:新财报与新事件进入研究,对照原有假设,定位变化,再更新受影响的分析。
了解验证方式 ↗这是产品整体框架。当前能力、演示功能与规划方向已分别标注,下文按模块展开。点击上方功能卡可直接跳转。
底层采用「公司 Master+用户派生」架构。每位用户都能从平台的投研框架和公司资产起步,在独立空间中继续分析。
平台投研框架 + 资料与来源 + 研究底稿 + 估值脚本 + 已发布报告
派生公司资产,按需启动沙盒
派生公司资产,按需启动沙盒
已有资产通过派生、加载与恢复直接复用,无需为重建已有成果再次消耗生成 Token。新的 AI 问答、假设调整和补充研究仍产生实际模型用量。
已有覆盖公司直接承接 Master;尚未建立研究的公司,仍需先完成基础研究。
用户修改互不覆盖,也不回写公共 Master;公共更新不自动覆盖个人副本。
研究保存成功后可回收运行环境,下次从个人资产恢复。统一工作台界面属于后续完善方向。
从发现公司到阅读报告,再到财务分析、估值与追问。以比亚迪为例,看看一次公司研究如何展开。
集中查看公司信息、市场价格与模型估值区间,沿着核心观点继续检查增长假设和主要风险。
围绕商业模式、竞争格局、制度与技术条件、增长驱动与风险形成公司研究,并支持机构研报阅读与 AI 总结。
把报表和关键指标转为趋势,结合期间、单位与适用的同比、环比观察经营变化。
提取经营变化与重要财务信息,把报表数字与业务结构、风险和研究假设联系起来。
呈现模型分析价、估值区间及关键假设。制度、技术扩散和地缘条件,会进入收入能见度、资本开支和折现率,而不是停留在附录里的风险提示。
承接公司研究继续追问。明确调整假设时,形成自己的研究版本,连接正文与估值结果。
在已收录公司中筛选研究对象,保存关注公司,继续阅读报告和历史对话。
无论从哪里开始,都能把问题落到具体业务和证据上。
只熟悉比亚迪汽车,希望理解集团的业务全貌。
“价格竞争会压缩利润”,这句话需要哪些条件?
更看好海外业务,但希望采用审慎的利润率假设。
新财报出现后,继续检查此前关注的经营指标。
不知道该问什么时,从公司真正重要的分歧出发。
当前网页端体验更完整,亦支持微信小程序。各端、公司及数据字段的覆盖情况可能不同;完整研究更新与行情更新并不同步。
从公司全貌逐层进入收入、成本、竞争优势、现金与风险,让重要问题直接呈现在研究路径上。
由总览进入业务与关键变量。
增长从哪里来,现金如何形成。
区分披露事实、分析判断与待验证项。
客观层描述公司所在的世界和经营现状;主观层叠上价值投资框架,并保留你自己的假设。社会科学解释变化,价值投资决定价格。
以可核验披露为共同基础。
借鉴 Graham、Klarman 等方法的关注点,以审慎盈利与现金流假设研究比亚迪,检验价格竞争和海外扩张不及预期时的承受能力。
审慎价值与价格余量;同时检查“低估”背后的业务衰退。
竞争优势、管理与资本配置;进一步验证优势持续时间。
研发、产品与需求能否支撑增长;检查预期是否已在价格中。
区分资产、现有盈利与增长价值;关注重资产估计的适用性。
倒推价格隐含的增长与利润率;保留多组假设可能对应同一价格的解释。
将海外扩张等叙事连接收入、利润与再投入;明确参数敏感性。
检验优势带来的收益与模仿障碍;寻找能推翻护城河判断的证据。
现金转化与资本回报;结合汽车业务周期理解指标波动。
不利情景、价值保护与兑现条件;对照可能遗漏的长期成长。
能否理解公司赚钱方式、经营文化与长期逻辑;检查判断依据。
这些方法是拟采用的研究视角。结果保留各自假设与结论,不简单平均成一个目标价;用户自己的理念也可独立保留。
上述为简化的研究视角示例,不代表相关人物背书。现有问答可承接用户指定视角;预设流派切换、一键对照与跨公司理念档案属于规划功能。
用 Ontology 连接公司对象、经营关系与计算规则,逐步推演事件、财报和个人假设的影响。
定位受影响的业务与关系
用同口径实际值校验假设
研究预期与市场定价变化
按自己的前提推演新情景
示意的是关系类型,不代表已核实的具体采购或销售关系。Ontology 为对象与关系补充计算规则、来源和时间,目标是让模型随证据持续更新。
合同、库存与采购周期影响传导速度
竞争和车型结构影响让利幅度
图中箭头表示待验证的影响路径。实际方向、幅度与时间差需要证据和参数支持,不能仅凭事件与股价同步变化认定因果关系。
纯假设的量价关系演示,不使用比亚迪预测数据。未纳入业务组合、成本、税项、再投入与其他业务,不能据此推算集团利润或估值。
先建立可阅读、可追问的公司研究基础,再逐步连接结构化模型、个性化方法与持续验证。
来源核验是当前质量重点;系统化预测对照与投资表现验证属于后续建设。
对照财报与公告,检查数字、期间、口径和来源。
保留研究日期、信息截止时间及个人预测前提。
新一期数据出现后,检查量、价、成本的实际变化。
定位偏差来自哪里,保留原判断并更新受影响的部分。
需要完整样本、预先确定的规则、时间边界与比较基准。后来生成的研究不能视为历史时点已存在的信号,当前不宣称已验证稳定超额收益。
AI 决策、社会科学方法和可核验研究,是产品建设的共同基础。
法雨科技箴研是一套 AI 选股系统。它依托经济学、政治学、科技、社会学等社会科学模型,叠加金融学经典价值投资框架,帮助你判断一家公司值多少钱、风险在哪里、现在该不该买。
公司不是在真空里赚钱。需求来自社会,许可来自制度,技术决定谁能活下来,政治和地缘会改写成本、市场和估值。财报是结果;社会科学解释这些结果从哪里来,价值投资再决定价格有没有覆盖这些变化。
这是正在包装和建设的方法。关税、制裁、供应链重组、关键资源与航道,会改变收入能见度、资本开支和折现率。目标是把这些条件写成估值假设,而不是另开一篇国际新闻。当前完整研究已覆盖业务、财务、竞争、成长、风险与估值;地缘条件会逐步进入同一套判断。
箴研把公司研究框架、整理后的资料、报告、估值脚本和来源沉淀为可复用资产。用户可以直接进入研究、检验已有假设,也更容易发现自己尚未想到的问题,减少重复准备与从零组织研究的工作。
可以从完整研究和财报解读进入。以比亚迪为例,先了解主要业务与收入结构,再查看财务趋势和风险。正在完善的公司图谱与规划中的问题推荐,将进一步提供逐层深入的阅读路径。
资产派生与恢复无需重新生成已经保存的研究成果。新的 AI 问答、补充资料分析或假设调整仍按实际模型调用产生用量;未覆盖公司的首次基础研究也需要计算资源。
个人研究与公共 Master 分开保存。普通解释性问答形成回答;明确调整假设时,在自己的空间形成个人版本,不覆盖他人的研究。统一工作台与跨公司理念管理是后续完善方向。
首先搜索“比亚迪”,查看公司概览与可用研究,再阅读财务数据、围绕具体问题追问;需要调整前提时,明确要求形成个人研究版本。Web 设计提供已发布研究的公开阅读,深入问答、研究生成等消耗型服务按账户权益提供,会员、积分与各端范围以产品页面为准。
长期方向是围绕研究内容、个人分析及逐步开放的跟踪和模拟能力提供持续研究服务,具体套餐随能力建设另行说明。
完整研究需要结合资料、商业环境、财务与模型分析,更新时间与行情不同。阅读时应一起查看研究日期、信息截止时间和估值假设;新的市场价格并不表示整份研究刚刚重新计算。
模型估值依赖资料、研究日期、方法和假设,不保证收益,也不代表未来成交价格。产品帮助用户理解公司、比较判断与检验前提;研究质量需要通过后续披露、预测偏差和用户使用持续验证。
从一份公司研究出发,用经济学、政治学、科技与社会学看清变化,再用价值投资决定现在该不该买。