非上市公司深度研究

解决的核心问题

未上市公司研究面临三重困境：信息天然稀缺（无标准化财报）、估值锚定缺失（依赖融资轮次/可比公司）、AI研究偏见显著（易陷入虚假保守/虚假精确）。这些痛点导致传统研究方法常输出模糊结论或过度推测，难以还原生意本质价值。

研究框架与执行步骤

• 多Agent并行拼图：通过子任务并行收集融资记录、产品动态、行业报告等零散数据，优先交叉验证关键财务指标。
• 数据置信度标注：每个数据点标记🟢高/🟡中/🔴低置信度，区分可验证事实（如工商登记信息）与AI推理（如市场空间预测）。
• 价值还原三阶段：

1. 基础层：用融资轮次估值法校准当前定价合理性
2. 验证层：通过可比公司法识别估值溢价/折价来源
3. 推演层：构建乐观/基准/悲观情景模拟退出路径（IPO/并购/二级转让）

• 极端场景切换：当有效信息<3个独立来源时，自动进入第一性原理模式，聚焦4个核心问题：需求真实性、团队独特优势、成功/失败关键节点。

适用边界与关键注意点

• 信息不对称≠无价值：研究目标不是消除信息差（无法做到），而是提取有限信息中的决策关键因子。
• 反向利用定价效率：市场对未上市公司信息反应迟钝，正是超额收益的潜在来源。
• 禁止虚构数据：对缺失的财务字段保留空白，禁止用行业均值强行填充。
• 日期基准校验：研究启动前必须运行date命令获取真实当前日期，避免训练数据时间戳污染分析。