AI选股助手

解决的问题

在高增长预期差面前，单纯追热点容易被前置定价或周期峰值误导。这套框架要解决三件事：尽早发现盈利上修与关注度共振；把增长拆到可验证的驱动因素；用 PE_TTM 的 1Y/2Y PEG 量化估值与增速的错配，避免被一次性收益和会计噪音干扰。

工作流程

1. 先并行构建三个独立发现池：heat-rank 热度池、主题/行业增长池、盈利预测上修池，再合并去重；历史候选仅用于持续性标记，不作为发现源。
2. 对候选做盈利来源分解与周期定位，区分周期反转、结构成长或周期峰值风险，并做 Base/Bull/Bear 情景估算。
3. 执行 1Y/2Y PEG 硬阈值筛查，用 2026E/2027E PE 做参考；若 1Y 与 2Y PEG 均大于 2.0x，进入剔除清单。
4. 叠加多窗口价格计入检查、预测质量评估、行业中性补充池与事实/预期分离，最终输出含证据链、验证问题与监控项的 HTML 报告。

边界与注意

定位是研究与筛选助手，不是自动交易系统，结果不构成投资建议。输入数据缺失或口径不一致时需要人工复核；强周期标的的低 PE/PEG 必须结合盈利正常化与库存价格信号判断。