技能介绍

要解决什么问题

同一只股票往往有多家券商给出 营收、净利润或 EPS 预测，数字差一截、方向相反时，很难凭直觉判断该信谁、市场在押什么增长。你还可能关心：近几个月预测是在集体上调还是下调、历史里哪家券商更准、当前股价又隐含了多高的增长假设。手工翻研报和 Excel 对齐口径，既慢又容易漏掉一致预期汇总与明细的差异。

技能如何工作

本技能以 恒生聚源 MCP 的一致预期汇总与券商明细为数据源，围绕你给出的 目标公司名称 走固定流水线：先拉取汇总（中位数、均值、分位）与逐家券商预测，必要时结合历史实际业绩与近期研报摘要；再经 process_data.py 处理并调用预置可视化脚本生成图表，最后按模板组装 Markdown，并通过 md2pdf.py 产出 HTML/PDF。

典型分析场景包括：

预测分歧：对比券商差异，识别偏乐观/偏悲观阵营
调整追踪：观察指定时间窗口内上调/下调趋势
业绩实现概率：评估实际业绩超过一致预期的概率（由流程中的结构化字段支撑叙述）
券商准确度：基于历史预测与实际值做回测排名
隐含增长率：从当前市值反推市场隐含的增长预期

可选参数包括预测年度（如 2026/2027）、券商范围（全部/前 N 家/指定券商）以及分析维度（默认 净利润）。

适用边界与注意点

首次使用前需按技能内 references/setup-guide.md 完成环境配置，否则无法稳定拉取 MCP 数据。
报告生成遵循强制工作流：数据收集 → 处理与可视化 → 报告组装；不得跳过预置脚本、不得在 scripts/ 外自建处理逻辑，图表须以独立 HTML 引用而非内联进 MD。
技能面向 单公司 盈利预测对比；跨公司批量对比需你多次指定公司或在对话中明确范围。
文中涉及 gildata 接口时，溯源需写到具体 API，数据提供方统一记为 恒生聚源 MCP；结论仍依赖数据时效与券商覆盖度，不宜替代你自己的投资判断。