HALO V5.0 滞胀复合分析报告

触发条件：用户要求分析某只A股股票时触发（如"分析600519"、"帮我看看亨通光电"） 用法：/halo <股票代码或名称> 版本：V5.0（数据驱动 + 行业公平版）

工作流程

Step 1: 获取数据

# 激活虚拟环境
source .venv/bin/activate

# 获取量化数据（行情+财报+资金流）
python fetch_stock_data.py <股票代码> <股票名称>

# 获取定性数据（新闻+研报+公告）
python fetch_qualitative.py <股票代码> <股票名称>

脚本输出：

• data/{code}.json — 量化数据（行情/三表/HALO原始值/财务比率/成长性/资金流）
• data/{code}_qualitative.json — 定性数据（新闻/研报/公告）

可选增强：a-stock-data 桥接

如果已安装 a-stock-data skill（43端点A股数据底座），可使用桥接脚本获得：

• 更稳定的数据获取（内置限流防封 + 备用源降级）
• 3项新增能力：龙虎榜 / 北向资金 / 融资融券

# 生成桥接配置（告诉 AI 按路由表调用 a-stock-data 端点）
python bridge_a_stock_data.py <股票代码> <股票名称>

桥接不替换原有脚本，而是作为数据路由层：a-stock-data 端点优先，失败自动 fallback 到 fetch_stock_data.py。

Step 2: 生成报告骨架（数据锁定）

# 生成骨架：所有数据从 JSON 填充，分析槽位留空
python generate_report.py <股票代码>

输出：reports/{code}_skeleton.md

• 🔒 数据层：价格/PE/PB/HALO评分/财务比率/成长性… 全部由 Python 填充，100% 来自 JSON
• ✍️ AI层：66 个 {{AI_*}} 槽位，等待 AI 填充分析文字

Step 3: AI 填充分析槽位

读取 reports/{code}_skeleton.md，将所有 {{AI_*}} 槽位替换为分析文字。

关键规则：

1. 绝对不能修改 🔒 数据区域——所有数字已由 Python 从 JSON 精确填充
2. 只在 {{AI_*}} 位置写入分析文字
3. AI 分析中引用的数字必须与骨架中已有的数据一致
4. 如果骨架中某数据标注 ⚠️ 缺失，分析中不得编造该数据

Step 4: 保存最终报告

将填充完毕的报告保存到 reports/{code}_halo_v5.md

Step 5: 一致性校验（可选）

检查最终报告中是否有任何数字与 JSON 源数据不一致。

Step 6: Serenity 产业链集成（可选）

如果已有 Serenity 产业链扫描数据，可集成到报告中：

# 集成 Serenity 数据到报告
python integrate_serenity.py <股票代码> [serenity_json_path]

Serenity 数据格式：data/{code}_serenity.json，包含：

• 产业链位置（chain, layer, bottleneck）
• 稀缺性评级（scarcity_rating）
• 证据链（evidence[]）
• 风险分析（risks）
• 产业链评分（scores）

集成效果：在报告中新增第十二章"产业链定位"，展示公司在产业链中的卡点位置、证据链、风险与证伪条件。

工作流：

1. 使用 /serenity 或 Serenity skill 进行产业链扫描
2. 输出 Serenity JSON 数据
3. 运行 integrate_serenity.py 集成到 HALO 报告

示例：

# 1. Serenity 扫描（假设输出 data/688019_serenity.json）
/serenity A股 AI 半导体 688019

# 2. HALO 数据获取
python fetch_stock_data.py 688019 安集科技
python fetch_qualitative.py 688019 安集科技

# 3. 生成 HALO 骨架
python generate_report.py 688019

# 4. AI 填充分析槽位（生成 reports/688019_halo_v5.md）

# 5. 集成 Serenity 数据
python integrate_serenity.py 688019

🔧 失败模式与降级策略

核心原则：

• 数据缺失 → 标注⚠️ 缺失，绝不编造
• 财务数据缺失 → 停止流程，不可继续（无数据=无分析）
• 非核心数据缺失 → 降级处理，继续生成报告

⚠️ 数据铁律

🔒 数据层（Python 锁定，AI 不碰）

• 所有数字：价格/PE/PB/市值/营收/利润/资产/负债/现金流
• 所有计算结果：HALO六维评分/财务比率/成长性评分
• 报告结构：标题/表头/表格格式/emoji
• 这些数据由 generate_report.py 从 JSON 精确填充

✍️ 分析层（AI 填充）

• {{AI_*}} 槽位中的分析文字
• 评分理由、投资建议、SWOT、总结
• 护城河/滞胀/ESG/管理层/股东/风险等定性评分

🚫 禁止行为

1. AI 绝对不能修改骨架中已有的任何数字
2. AI 绝对不能编造骨架中不存在的数据
3. 如果骨架标注 ⚠️ 缺失，分析中必须说明数据缺失，不得估算

行业分类规则

根据 halo.asset_type 字段（由 fetch_stock_data.py 自动判定）：

分类依据：固定资产占总资产比例 + 行业特性

评分框架

🔷 HALO 六维评分（5分制）

六维度 + 权重：

评分阈值（按行业类型）

3.1 有形资产密集度：

轻资产型"核心资产" = 固定资产+在建工程+存货+无形资产+商誉+数据资产

3.2 固定资产密集度：

3.3 固定资产份额：（通用标准）

| ≥25%:5 | 15-25%:4 | 8-15%:3 | 4-8%:2 | <4%:1 |

3.4 资本-劳动力比率：（通用标准，万元/人）

| ≥200:5 | 100-200:4 | 50-100:3 | 20-50:2 | <20:1 |

3.5 Capex密集度：

3.6 Capex负担：（通用标准）

| <5%:5 | 5-15%:4 | 15-30%:3 | 30-50%:2 | >50%:1 |

⚠️ 如果经营现金流为负，Capex负担评为1分（最差），并标注警示

HALO总分 = Σ(维度分 × 权重)，评级：≥4.0极强 | 3.0-4.0强 | 2.0-3.0中等 | <2.0弱

🌱 成长性评分（10分制）

四个子维度，各25%权重：

成长性总分 = Σ(子维度 × 25%)，评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

🏰 低淘汰率/护城河评分（10分制）

五个子维度，各20%权重：

量化锚点（辅助AI判断）：

• 毛利率 > 行业均值+15pp → +2分
• ROE 连续5年>15% → +2分
• 市场份额 Top3 → +2分
• 品牌溢价(终端价/出厂价) > 1.5x → +1分

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

🛡️ 滞胀防御评分（10分制）

五个子维度，各20%权重：

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

🌍 ESG评分（10分制）

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

👔 管理层质量评分（10分制）

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

💰 股东资金面评分（10分制）

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

⚠️ 风险评估（10分制，越低越好）

综合风险 = Σ(子维度 × 权重) 评级：<3低风险 | 3-5中等风险 | 5-7较高风险 | >7高风险

💵 估值吸引力评分（10分制）

综合 PE/PB/PS/DCF/股息率 多维度评估：

• PE处于历史低位+低于行业中位数 → 高分
• PE处于历史高位+远高于行业中位数 → 低分

评级：≥8.0极有吸引力 | 6.5-8.0有吸引力 | 5.0-6.5中性 | <5.0偏贵

综合评分公式

综合评分 = HALO归一化(÷5×10)×15%
         + 成长性×15%
         + 护城河×15%
         + 滞胀防御×10%
         + ESG×10%
         + 管理层×10%
         + 股东资金面×5%
         + 估值吸引力×10%
         - 风险×10%

评级：≥8.0极强 | 6.5-8.0强 | 5.0-6.5中等 | <5.0弱

报告结构（11章）

📋 第零章：执行摘要
   ├─ 8维评分卡片
   ├─ 实时估值（价格/PE/PB/市值/股息率）
   ├─ 投资评级 + 目标价
   └─ 3条核心投资逻辑

📊 一、公司概况
   ├─ 基本信息表（名称/行业/股本/市值/管理层/员工数）
   ├─ 主营业务结构（业务板块/营收占比/毛利率）
   └─ 核心竞争优势（3个优势+分析）

📰 二、最新基本面与消息面
   ├─ 利好因素表（5条左右）
   ├─ 利空因素表（2-3条）
   └─ 消息面综合判断

🔷 三、HALO六维分析
   ├─ 6个子维度各含：数据表+评分标准+AI分析
   └─ 评分汇总表

🌱 四、成长性分析
   ├─ 营收增长（含同比数据）
   ├─ 利润增长
   ├─ 增长质量（4项评估）
   └─ 增长持续性（4项评估）

🏰 五、低淘汰率/护城河
   └─ 5个子维度各含评分+分析

🛡️ 六、滞胀防御
   └─ 5个子维度各含评分+分析

🌍 七、ESG评估
   └─ E/S/G各含评分+分析

👔 八、管理层质量
   └─ 4个子维度各含评分+分析

💰 九、股东与资金面
   └─ 4个子维度各含评分+分析

⚠️ 十、风险评估
   ├─ 7类风险矩阵
   └─ 综合风险评估表

💡 十一、综合评估与投资建议
   ├─ 11维综合评级表
   ├─ 综合评分计算过程
   ├─ 投资建议（评级/仓位/期限）
   ├─ 分投资者类型建议
   ├─ 估值分析（PE/DCF/PB多种方法）
   ├─ SWOT分析
   └─ 总结 + 关键跟踪指标

格式规范

1. 严禁使用 HTML 标签，全部使用 Markdown 原生格式
2. 表格使用 Markdown 表格语法
3. 评分用 emoji 标识等级：🟢极强 ≥8.0 | 🟡强 6.5-8.0 | 🟠中等 5.0-6.5 | 🔴弱 <5.0
4. 数据来源标注在表格"来源"列
5. 报告末尾包含免责声明 + 有效期（30日）

输出要求

1. 报告保存到 reports/{code}_halo_v5.md
2. 报告开头标注：分析日期/行业/资产类型/模板版本
3. 数据来源表格列出四层：行情层(腾讯)/信息层(东财)/财务层(新浪)/舆情层(搜索)
4. 所有金额单位：亿元（保留2位小数）
5. 百分比保留2位小数
6. 评分保留1位小数