Stock Thesis Tracker — 持仓股跟踪器

一句话概括

围绕你的投资逻辑（Thesis），每天自动告诉你的持仓有没有变化需要关注。

怎么用（3 句话讲完）

写逻辑：用自然语言告诉我每只股票的投资逻辑——"我看盐湖是因为锂价中枢抬升 + 钾肥战略属性"
说「跟踪持仓」：我自动从 5 路数据源（公告/研报/行业站/新闻/行情）抓增量，逐条标注对你的逻辑是利好还是利空，市场有没有已经定价，异动了帮你溯源
要审视时：说「审查这个逻辑」——我帮你找假设漏洞、反方论点、失效路径、隐藏风险，逼你重新想一遍

使用说明

日常跟踪

对 AI 说「跟踪持仓」或「跟踪 [标的名]」。AI 自动完成：

抓取 5 路数据源的最新增量信息
逐条标注对你的逻辑是利好(+)还是利空(-)，市场是否已定价
若单日涨跌超阈值（默认 5%），触发 5 维度异动溯源
生成结构化日度报告（横截面快照 + 逐标的增量分析 + 一句话结论）
更新每只标的的事件日志

示例对话：

你：跟踪持仓 AI：[运行采集 → 分析 → 输出报告]

深度分析（每周）

对 AI 说「深度分析持仓」。在日度摘要基础上增加：

短/中/长期逻辑逐段验证（成立/需观察/边际削弱）
竞品横截面对比（估值分位、近期催化）
估值状态快照（当前 PE/PB 分位 vs 历史）
本周预期差全景

建议每周一执行一次。

建立新标的

直接告诉 AI：

「我要跟踪 XX 股票，代码 XXXX，投资逻辑是：[你的逻辑]」

AI 会自动完成所有配置：创建 thesis.md + 配置 portfolio.json + 自动匹配行业信源 + 拆解投资逻辑为跟踪清单。

也可以手动操作（见下方「上手准备」）。

拆解投资逻辑

对 AI 说「拆解 [标的名] 的投资逻辑」。AI 会将你的逻辑拆成：

| 类别 | 跟踪指标 | 优先级 | 信源 | |------|---------|--------|------| | [需求/供给/价格/政策] | [具体可量化数据] | ★★★/★★/★ | [网站/报告] |

日常跟踪时 AI 会按这个清单重点采集对应数据。

对抗式审查

对 AI 说「审查 [标的名] 的投资逻辑」。AI 会：

逐条假设挑战——"这条逻辑成立需要什么前提？如果前提不成立最可能的原因？"
搜集市场上反对这条逻辑的观点和论据
列出最可能击穿你逻辑的 2-3 条具体事件链
检查隐藏风险——逻辑对但赚不到钱的场景（估值陷阱、时间成本、杠杆风险等）

建议每月执行一次，或在重大市场事件后立即执行。

修改投资逻辑

直接告诉 AI 你想修改哪个标的的哪部分逻辑。AI 会更新 thesis.md，并自动重新拆解跟踪清单。

上手准备（AI 自动创建更简单，见上方「建立新标的」）

如果需要手动操作：

复制 coverage/portfolio_example.json → portfolio.json，编辑为你的持仓
复制 coverage/thesis_template.md 为每只标的写投资逻辑
pip install akshare pandas
对 AI 说「跟踪持仓」

IMA 浑水知识库需要手动在 WorkBuddy 中添加（id: 7297249738490228），不添加则自动降级到 WebSearch 替代。

功能概览

| 模式 | 触发方式 | 输出 | 频率 | |------|---------|------|------| | 摘要模式 | "跟踪持仓" / "跟踪[标的名]" | 增量信息标注(+/-/0) + 失效条件检查 + 横截面快照 | 日常 | | 深度模式 | "深度分析持仓" | 短/中/长期逻辑完整验证 + 竞品分析 + 估值状态 | 每周/事件触发 | | Thesis 拆解 | "拆解[标的名]投资逻辑" / 修改 thesis 后 | 关键假设→可跟踪指标→数据清单（含优先级+信源） | 新建/修改 thesis 时 | | 对抗式审查 | "审查[标的名]投资逻辑" / "对抗式审查持仓" | 逻辑漏洞扫描+反方论点+失效路径+隐藏风险 | 按需/定期 |

数据源

| 数据源 | 内容 | 用途 | 是否需要配置 | |--------|------|------|------------| | 巨潮资讯网 WebFetch | cninfo fulltextSearch（A股+H股） | 公司公告（JS渲染，AI层WebFetch） | portfolio.json 自动导出 announcement_source | | 港交所披露易 WebFetch | hkexnews.hk（港股本体） | 腾讯本体公告 | 同上 | | 行业信源映射表 | 25 行业 × 3 类信源(协会/数据/媒体) | WebSearch site:/keyword 定点搜索 | portfolio.json → industry_sources | | IMA 浑水调研 | 53k+ 外资研报/电话会 | 行业深度/卖方观点/预期差 | 需要在 IMA 中加入知识库 | | AKShare | 东方财富个股新闻 | 基础增量新闻 | pip install akshare | | 新浪实时行情 | A股+港股实时价格 | 盘中异动检测（三源链兜底） | 无需配置，外网可达 | | WebSearch | 全品类实时信息 | 政策/竞品/共识/事件 | 无需配置 |

已废弃：portfolio.json 中 search_config.ima_cninfo 的 folder_id 配置（原 IMA 巨潮公告库路径）已由 cninfo WebFetch 全量替代，保留字段仅作向后兼容，AI 层不再读取使用。

浑水搜索核心规则

浑水的搜索是话题驱动而非公司名驱动：

| ✅ 有效搜索 | 实测效果 | ❌ 无效搜索 | |-----------|---------|-----------| | CATL / BYD / Tencent | 英文ticker直接命中外资研报 | 中文公司名（宁德时代 → 0条） | | 钾肥 / 碳酸锂 / 机场 / 固态电池 | 行业关键词找到行业报告（含公司分析） | 泛化词（锂矿 / 互联网 → 0条） | | Potash / ESS | 英文行业词命中外资行业报告 | 股票代码（000792 → 0条） |

核心原则：搜行业不搜公司。 搜"钾肥"能找到盐湖股份完整研报，搜"盐湖股份"反而 0 条。

行业信源自动查表（v5 新增）

系统根据标的 industry 字段自动从 portfolio.json 顶层的 industry_sources 映射表获取行业信源，无需手动配置。

映射规则

标的声明 industry: ["基础化工/钾肥化肥", "有色金属/锂业/碳酸锂"]
系统先试子级 key（精确定位），不命中回退父级
每个行业 key 含 3 类信源：协会/官方 + 数据/价格平台 + 行业媒体
AI 层逐站用 WebSearch site:[站名] [关键词] 定点搜索（共 6-9 站/标的）

搜索策略分支

| 站点类型 | 策略 | 示例 | |---------|------|------| | SEO 可达 | site:[站名] [关键词] | site:bjx.com.cn 固态电池 | | paywall/JS 渲染 | [站名] [关键词]（去 site:） | smm.cn 碳酸锂报价 | | 数据平台 | 优先 WebFetch 价格页 | oilchem.net 钾肥报价表 |

预置覆盖 13 个父级行业（基础化工、电力设备/新能源、互联网/传媒等）+ 12 个子行业（钾肥化肥、锂电设备、速冻预制菜等），新增标的只需声明 industry 即可自动对号入座。

执行流程（MUST 强顺序）

每次执行「跟踪持仓」时，必须严格按以下顺序执行，不可跳过：

Step 1：数据采集

运行 fetch_data.py --mode all 获取：实时价格 + 异动检测 + AKShare 7天新闻 + 全市场PB + 公告源导出（保存到 reports/announcement_sources.json）
公告采集（两轮）： a) 标的公告：读取 announcement_sources.json，对每只标的用 WebFetch 抓取 cninfo/hkexnews 公告列表（仅取标题+日期，7天时效筛后入库） b) 竞品交叉公告：读 holdings[i].competitors_a / competitors_global，对每个竞品生成 cninfo 搜索 URL（同标生成规则），WebFetch 抓取公告列表（限前 5 条/竞品，避免信息爆炸）。合并为"[标的]+竞品行业公告流"，与标的本体公告一同进入时效筛。报告中标注 [cninfo-竞品名] 区分来源
并行搜索 IMA 浑水（行业关键词，5 只标的）。cursor 分页规则：若搜索结果 is_end=false 或数据量过大导致截断，用 next_cursor 逐页获取，累计取 5-10 条最新后停止，避免 token 溢出。
读 portfolio.json 的 industry_sources 和每标的 industry 字段，自动查表获取对应行业协会/数据平台/媒体站点 → 按站点类型选择搜索策略：SEO 可见站用 site:[站名] [关键词]，paywall/JS 渲染站用 [站名] [关键词]（去 site: 限制）。
并行 WebSearch 补充（stock_news + competitor + thesis_trigger + consensus_search）

Step 2：时效筛 ← 关键步骤，不可跳过

在写入报告之前，逐条检查所有采集到的信息的日期。

日期 ≤ 7 天 → 放入「增量信息标注」
日期 8-30 天，且仍影响 Thesis → 放入「已知事实」
日期 > 30 天 → 丢弃，不写入报告
如果一条信息没有明确日期 → 标记为「日期未确认」放在已知事实区

时效筛检查清单：在生成每只标的的报告前，先回答——"这条信息的原始发布日期是哪天？距离今天几天了？属于哪个区域？"

Step 3：双层分析

每条款式标注：

[日期 来源] 事件 → [+] / [-] / [0]  ← Thesis影响
                  → [超预期] / [符合预期] / [低于预期] / [已定价] / [未定价]  ← 预期差

Step 4：生成报告

严格按下方强制模板输出。 横截面表的列名和顺序不可改变。

Step 5：更新 log.md

追加关键事件的日志到每只标的的 coverage/{标的}/log.md。

数据源降级矩阵

| 数据源 | 正常状态 | 降级方案 | 检测方法 | |--------|---------|---------|---------| | IMA 浑水 | 搜索返回结果 | 自动切换 WebSearch 增补行业研报/政策搜索 | 搜索返回空或 connector disconnected | | 巨潮/港交所公告 | WebFetch 正常返回 | WebSearch site:cninfo.com.cn [标的名] 或 site:hkexnews.hk [标的名] 替代 | WebFetch 无公告列表数据 | | 新浪实时行情 | 返回有效价格 | 新浪空→东方财富push2(重试3次)→腾讯行情(qt.gtimg.cn)→快照回退/占位 | 价格=null | | 行业信源定点站 | WebSearch site: 有返回 | 降级为普通关键词搜索（去 site: 限制） | 连续3站无返回 | | WebSearch | 正常返回 | 报告底部标注不可用 | 返回空 |

核心原则：数据源断了不能导致报告不生成。降级后标注，不停机。

强制输出模板（MUST）

A. 横截面快照

放在报告最顶部。列名和顺序不可变：

| 标的 | 收盘价 | 日涨跌幅 | 较上周 | 预期差信号 | 优先级 | |------|--------|---------|--------|-----------|--------|

「较上周」：与上一个交易周收盘的累计涨跌幅
「预期差信号」：选择最显著的预期差标注（超预期/低于预期/未定价/符合预期）

B. 每只标的章节

## [标的名] (代码) 每日跟踪摘要

### 增量信息标注（≤7天）
[日期 来源] 事件描述
  → Thesis: [+] / [-] / [0]
  → 预期差: [超预期] / [符合预期] / [低于预期] / [已定价] / [未定价]

### 预期差检查
- 市场共识：[当前市场一致预期的核心假设]
- 偏差发现：[新信息与市场共识之间的差距在哪里？]

### 已知事实（8-30天持续背景）
[仍在影响Thesis但超过7天的关键信息]

### 失效条件状态
[逐条检查，标注是否触发]

### ⚠️ 股价异动溯源（仅触发阈值时）
5维度：公司层面 / 行业层面 / 竞品联动 / 大盘资金 / 边际对比

### 一句话结论
> [Thesis判断] + [预期差判断]

C. ⚠️ 异动溯源（触发阈值时）

当单日跌幅 ≥ alert_threshold_pct 时，必须输出完整 5 维度溯源，不可省略为普通跟踪格式。

深度分析模式（周度/事件触发）

触发方式：说「深度分析持仓」。每周一自动执行。

内容要求

深度模式 = 日度摘要骨架 + 以下 4 个额外维度：

1. 短/中/长期逻辑逐段验证

对 thesis.md 中每段逻辑，写明当前状态：“成立 / 需观察 / 边际削弱”
引述本周增量信息作为证据

2. 竞品横截面对比

当前价格位置、估值分位、近期催化对比表
回答：“相对竞品，我的持仓被高估还是低估？”

3. 估值状态快照

当前 PE/PB 分位 vs 历史分位
当前隐含的长期增长预期 vs 我的 thesis 假设
标注：“当前估值在定价什么故事？”

4. 预期差全景

市场共识（EPS/目标价/关键假设）vs 我的判断
本周新增的预期差有哪些？有哪些旧预期差被修复了？

输出格式

# 持仓股深度分析 — YYYY-MM-DD

## 全景透视
[所有标的的横截面对比表 + 预期差矩阵]

## 逐标深度分析
### [标的1]
#### 短/中/长篇逻辑逐段验证
#### 竞品对比
#### 估值快照
#### 本周预期差

### [标的2] ...

频率

常规：每周一 08:00 自动执行（模型 deepseek-V4-Pro）
手动：市场有重大事件时手动触发

文件结构

项目根目录/
├── coverage/
│   ├── portfolio.json           ← 持仓配置 + industry_sources
│   ├── market_pb_latest.json    ← 全市场PB分位（单份）
│   └── {代码}_{名称}/
│       ├── thesis.md            ← 投资逻辑（必填）
│       ├── log.md               ← 边际变化流水账（自动追加）
│       ├── snapshot.json        ← 价格快照 + price_history
│       └── news_latest.json     ← AKShare新闻快照
├── scripts/
│   └── fetch_data.py            ← 数据采集脚本 v4.1
└── reports/
    ├── YYYY-MM-DD_daily.md      ← 日度分析报告
    ├── fetch_report_latest.json ← 脚本采集汇总（覆盖）
    ├── intraday_latest.json     ← 盘中异动检测
    └── announcement_sources.json← 公告源导出（AI层消费）

Thesis 拆解模式（新建/修改投资逻辑时）

触发方式

用户说「拆解 [标的名] 的投资逻辑」
用户新建或修改 thesis.md 后主动询问是否需要拆解
输入：thesis.md 中用户写的投资逻辑文本 OR 用户口述的逻辑

拆解流程（MUST 顺序）

Step T1：提取关键假设 从用户的短/中/长期逻辑中逐段提取隐含假设。每条假设表述为"如果 X 成立，则 Y 成立"。区分三个时间维度。

Step T2：映射为可跟踪指标 将每条假设拆解为可量化、可观测的数据指标。每个指标标注：

优先级：★★★（核心，每期必看）/ ★★（重要，每周看）/ ★（参考，月度看）
数据来源：具体网站或报告（优先从 industry_sources 查表匹配）
跟踪频率：日度/周度/月度

Step T3：构建数据清单 按类别（价格/需求/供给/政策/竞争）组织为结构化表格，包含指标名称、优先级、信源建议。写入 thesis.md 底部的「跟踪数据清单」章节。

示例（盐湖 v2 拆解结果）

[用户输入] 锂价中枢抬升：需求端全球电车+储能IRR拐点，供给端资本开支萎缩+边际成本12万

[拆解输出]
需求-电车：全球新能源车月度销量 ★★★ → 乘联会/SNE
需求-储能：中国储能IRR及容量电价 ★★★ → 国家能源局
供给-资本开支：全球锂矿资本开支数据 ★★★ → IEA/机构研报
供给-成本线：江西锂云母边际成本 ★★ → SMM/百川盈孚

完整的盐湖 v2 拆解结果参考 coverage/000792_盐湖股份/thesis.md 底部的「跟踪数据清单」。

对抗式审查模式（审视投资逻辑）

触发方式

用户说「审查 [标的名] 的投资逻辑」
用户说「对抗式审查持仓」
重大市场事件后用户要求重新审视逻辑

审查流程（MUST 顺序）

Step A1：逐条假设挑战 对 thesis.md 中每条短/中/长期逻辑，依次执行以下检查：

隐含假设显性化——"这条逻辑成立需要哪些前提？"
假设失效测试——"如果这个前提不成立，最可能的原因是？"
未明说的信仰——"作者没说出来但默认相信的是什么？"

Step A2：反方论点矩阵 为每只标的构建市场反方观点表。来源包括：浑水研报中的看空观点、财报中的风险提示、行业竞争者的威胁、WebSearch 的负面讨论。

| 反方论点 | 来源 | 可信度 | 对Thesis的冲击 | |---------|------|--------|---------------| | [反方观点] | [出处] | 高/中/低 | 哪些逻辑会被击穿 |

Step A3：最可能失效路径分析 列出 2-3 条最可能击穿 thesis 的路径（不是泛泛的不利情况，而是具体的事件链），并评估每条路径的触发概率。

Step A4：隐藏风险清单 找出那些"逻辑正确但可能赚不到钱"的场景：

估值陷阱：基本面正确，但市场永远不给合理估值（如市场把"稳定盈利"当"没有增长"）
时间成本：逻辑需要 3-5 年兑现，但持仓期只有 12-18 个月
杠杆/仓位风险：正确的逻辑被融资盘/仓位管理放大为亏损
相关性风险：标的与大盘/板块高度相关，Beta 掩盖 Alpha
流动性风险：小市值标的即使逻辑兑现也无法顺利退出

Step A5：生成审查报告 输出结构化报告，包含：

# 对抗式审查 — [标的名] ([代码])

## 一、逐条假设挑战
[对短/中/长期每条逻辑的挑战分析]

## 二、反方论点矩阵
[表格：反方观点、来源、可信度、冲击评估]

## 三、最可能失效路径 Top 3
1. [具体事件链] — 触发概率: X%
2. [具体事件链] — 触发概率: X%
3. [具体事件链] — 触发概率: X%

## 四、隐藏风险
- [估值陷阱/时间成本/杠杆风险/相关性风险/流动性风险]

## 五、综合评分
- 逻辑稳健度: ★★★☆☆ (评估整体逻辑结构)
- 反方说服力: ★★★☆☆ (反方论点的杀伤力)
- 隐藏风险: ★★★☆☆ (风险严重程度)
- 建议：保持 / 减仓观察 / 重新审视

使用原则

不替你决策——审查报告是镜子，不是命令
必看隐藏风险——"逻辑正确但赚不到钱"比"逻辑错误导致亏损"更隐蔽
定期执行——建议每月一次，或重大市场事件后立即执行

核心分析框架：双层验证

第一性原理

持仓跟踪的本质目的不是"验证自己是对是错"，而是识别市场定价与客观现实之间的偏差。

可操作的信号 = (新信息 vs 你的Thesis) + (新信息 vs 市场共识)

两层验证

| 层次 | 对比对象 | 回答的问题 | 信息来源 | |------|---------|-----------|---------| | 第一层：Thesis 验证 | 我的投资逻辑 | "这个信息是否改变了我的判断？" | thesis.md | | 第二层：预期差验证 | 市场共识预期 | "这个信息是否超出/低于市场已有预期？" | 浑水研报 / WebSearch 一致性预期 |

预期差判定

对于每条增量信息，不仅标注对 Thesis 的影响，还需判断市场是否已经定价：

| 标注 | 含义 | 场景示例 | |------|------|---------| | [超预期] | 信息好于市场一致预期 | 订单6亿，市场只估了3亿 | | [符合预期] | 信息与市场预期一致 | 业绩在一致预期±5%范围内 | | [低于预期] | 信息差于市场一致预期 | 碳酸锂跌破15万，市场原以为16万是底 | | [未定价] | 市场尚未充分反应 | 新政策刚出台，卖方报告还没跟上 | | [已定价] | 市场早已反应 | 连续下跌后，负面信息已经price-in |

重要：一条信息可能同时是 [+]利好Thesis 但 [已定价]，这意味着它对股价已经没有推动力。最值钱的信号是 [+]利好Thesis + [未定价]——这是买入窗口。

如何获取市场共识

浑水研报：从外资/内资卖方的目标价和一致预期中提取
WebSearch：搜索 [标的] 一致预期 2026 EPS 券商目标价 [标的]
近期价格：价格本身隐含了市场当前定价
估计修正方向：最近一个月 EPS 估计是上调还是下调？

在 portfolio.json 的 search_config 中新增 consensus_search 字段配置共识预期搜索。

重要原则

围绕 Thesis 分析 — 所有结论必须映射回你的投资逻辑
增量思维 — 只关注边际变化，不重复已知信息
失效条件优先 — 首先检查 Thesis 的失效条件是否被触发
预期差优先于方向 — [+]利好+[已定价]不如[0]中性+[未定价]有价值
不替你做决策 — 提供分析框架，买卖由你决定
时效纪律 — 每日摘要只展示最近 7 天增量，老数据放背景区

依赖

Python 3.8+ (pip install akshare pandas)
IMA MCP 连接（用于搜索浑水调研知识库；IMH 巨潮公告库已由 cninfo WebFetch 替代）
网络连接（新浪/东方财富/腾讯实时行情 + cninfo + hkexnews + WebSearch）