stock-valuation

---
name: stock-valuation
description: |
  内生增长分红估值模型（V1.0）—— 通过 ROE、分红率、EPS 计算股票安全买入价。
  当用户说以下内容时触发：
  - 帮我估值、计算股票估值、安全买入价
  - 这只股票值多少钱、合理价格是多少
  - 用分红模型算一下、内生增长估值
  - Yield on Cost、YoC 估值
  - 分红折现、DDM 估值
  - 该股票现在贵不贵、能不能买
---

# 内生增长分红估值模型（V1.0）

## 模型简介

本 skill 实现"内生增长分红估值模型"，核心逻辑：
- 以公司的 **ROE**（盈利效率）与 **分红率（Payout）** 推导内生增长率
- 以"十年后分红收益率（Yield on Cost）达到 **8%**"为目标
- 反推**当前安全买入价**

> 参考文档：`references/model_spec.md`

---

## 工作流程

### Phase 1：获取财务数据

#### ⚠ 前置检查：确认依赖已安装（必须首先执行）

估值流程依赖两个组件，开始查询数据前**必须先检查它们是否存在**：

**检查 1：金融数据查询脚本**

```bash
QUERY_SCRIPT="$HOME/.workbuddy/plugins/marketplaces/cb_teams_marketplace/plugins/finance-data/skills/neodata-financial-search/scripts/query.py"
if [ ! -f "$QUERY_SCRIPT" ]; then
  echo "❌ 金融数据查询插件未安装"
  echo "请先在 WorkBuddy 客户端中安装以下插件："
  echo "  插件名: cb_teams_marketplace > finance-data > neodata-financial-search"
  echo "  安装路径: $QUERY_SCRIPT"
  exit 1
fi
echo "✅ 金融数据查询插件已就绪"
```

**检查 2：估值计算脚本**

```bash
VALUATION_SCRIPT="$HOME/.workbuddy/skills/stock-valuation/scripts/valuation.py"
if [ ! -f "$VALUATION_SCRIPT" ]; then
  echo "❌ 估值脚本不存在"
  echo "请确认 stock-valuation skill 已正确安装"
  echo "  期望路径: $VALUATION_SCRIPT"
  exit 1
fi
echo "✅ 估值脚本已就绪"
```

> **如果检查失败**：告知用户需要在 WorkBuddy 客户端中安装对应插件，**不要尝试绕过或手动下载**。安装完成后重新执行检查即可。

#### 1.1 完整数据清单

使用 NeoData 金融数据搜索 API 获取以下 **11 项数据**（可并行查询）：

| # | 数据项 | 用途 | 查询关键词示例（替换 `{公司名}` 和 `{代码}`） |
|---|--------|------|------------------------------------------|
| **①** | **最新年报 EPS** | 估值核心输入 | `"{公司名}{代码} {年份}年年报每股收益EPS归母净利润"` |
| **②** | **最新股价 + 行情指标** | 与安全价对比 | `"{公司名}{代码} 最新股价收盘价{日期} PE PB 股息率"` |
| **③** | **近 5 年加权 ROE** | 计算模型输入 | `"{公司名}{代码} 2020-2025加权ROE净资产收益率历年"` |
| **④** | **近 5 年分红数据** | 确定分红率 + 筛选检验 | `"{公司名}{代码} 2020-2025历年分红送配每股派息分红率年度分红中期分红"` |
| **⑤** | **分红政策/承诺/规划** | 确定分红率 | `"{公司名}{代码} 分红政策规划承诺变更修订回报规划"` |
| **⑥** | **近 5 年经营现金流净额** | 筛选条件检验 | `"{公司名}{代码} 2020-2025经营现金流净额经营活动现金流量"` |
| **⑦** | **资产负债率 + 有息负债率** | 筛选条件检验 | `"{公司名}{代码} 2020-2025资产负债率有息负债率财务费用"` |
| **⑧** | **近 5 年每年 EPS** | g_final 可信度评估（历史增速） | `"{公司名}{代码} 2020-2025每年每股收益EPS历年数据"` |
| **⑨** | **行业趋势信息** | g_final 可信度评估（行业空间） | `"{行业名} 2025年2026年行业趋势调整产量增速市场规模消费"` |
| **⑩** | **最新季度业绩**（年报已发布时跳过） | 业绩说明章节 | `"{公司名}{代码} 2026年一季报营收净利润"` |
| **⑪** | **年度分红方案**（年报刚发布时可能查不到） | 确认全年分红率 | `"{公司名}{代码} {年份}年报分红方案每股股利派息"` |

> **调用方式**：所有查询使用相同的 API 脚本：
> ```bash
> python3 $HOME/.workbuddy/plugins/marketplaces/cb_teams_marketplace/plugins/finance-data/skills/neodata-financial-search/scripts/query.py \
>   --query "查询关键词" --data-type api 2>/dev/null
> ```

#### 1.2 通用规则（⚠ 关键，严格执行）

**A. 年报时效判断**

- A 股年报截止 **4/30**，查询前先确认当前日期
- 如果当年年报已发布（API 返回截至该年度 12/31 的年报数据），**必须使用最新年报数据**，不要使用 TTM 或旧年报
- 如果年报尚未发布：用最新可用年报数据估值，同时查询最新季度数据写入"业绩说明"章节

**B. 股票代码格式**

- `ts_code` **必须带交易所后缀**：上交所 `.SH`（如 `600519.SH`）、深交所 `.SZ`（如 `000651.SZ`、`002304.SZ`）

**C. 数据年份识别**

- API 返回的多期数据可能混合不同年度，**务必检查每条记录的年份标注**，提取对应年度的数据
- 常见年份字段名：`end_date`、`m_anntime`、报告期

**D. 数据解读防错**

- **"预告" ≠ "实际"**：业绩预告区间 ≠ 年报终值，不能直接用于估值计算
- **避免过度推断**：拿到原始数据后先理解上下文和字段含义，再得出结论
- **数据不完整时降级处理**：如 5 年数据不全可用近 3 年替代，但需在报告中注明

#### 1.3 各数据项详细说明

##### ① 最新年报 EPS

- **取值规则**：必须使用最新年报的**基本每股收益**（非稀释每股收益）
- **优先级**：年报 EPS > 业绩预告 EPS > TTM EPS（降级使用需注明）
- **解读要点**：注意确认 EPS 对应的年度（年报 EPS 对应的是上一会计年度的利润）
- **验证方式**：可交叉验证 `归母净利润 ÷ 总股本 ≈ EPS`

##### ② 最新股价 + 行情指标

- **取值**：最新交易日的收盘价
- **配套查询**：同时获取 PE(TTM)、PB、股息率、年初至今涨跌幅等，写入报告参数表
- **用途**：与安全买入价对比计算安全边际
- **注意**：如果估值时为非交易时段（周末/节假日），使用最近一个交易日的收盘价

##### ③ 近 5 年加权 ROE

- **取值**：**加权平均净资产收益率**（非全面摊薄 ROE）
- **计算方式**：取近 5 个年度的加权 ROE，计算算术平均值
- **注意**：如果最新年报 ROE 异常低（如因一次性亏损），可考虑是否排除，但必须在报告中说明理由
- **API 字段**：`fina_indicator` 中的 `roe` 字段

##### ④ 近 5 年分红数据

- **必须获取的信息**：每年全年每股股利（元）、是否含中期分红、全年分红率
- **计算全年分红率**：`全年每股股利 ÷ 当年 EPS × 100%`
- **⚠ 必须区分"中期"与"年度"**（常见错误）：
  - A 股分红分为**中期分红**（H1，约 8-9 月公告）和**年度分红**（次年 4-6 月公告），两者独立
  - API 返回的"分红送配方案"如果是 8 月份公告的，大概率是**中期分红**，而非全年
  - **"中期不分红" ≠ "全年不分红"**——年度分红方案需待年报发布后确认
  - 看到"不分配不转增"时，先确认是哪个期间（中期/年度）
  - **错误案例**：洋河 2025-08-19 公告"2025年不分配不转增"实为中期方案，被误读为全年不分红
- **分红率 > 100% 的处理**：说明公司动用了留存利润分红，需在报告中注明原因（如兑现承诺）

##### ⑤ 分红政策/承诺/规划

- **查询要点**：同时搜索**当前有效规划**和**历史规划变更记录**
- **确定优先级（从高到低）**：
  1. **公司最新分红规划**（如"2024-2026年分红率不低于75%"）：优先采用，反映管理层未来意图
  2. **⚠ 必须确认承诺是否仍然有效**：搜索"分红规划 变更/修订/取消/调整"，确认是否有新规划替代旧规划
  3. **绝对不能仅凭旧公告就采信**（如洋河 2026 年取消了"不低于70亿元"的硬承诺）
  4. **近 3-5 年实际分红率均值**：在没有明确承诺时使用
  5. **注意区分"年度分红"和"特别分红/中期分红"**：一年分两次的必须加总
- **报告中的标注**：
  - 如有承诺：说明具体内容、承诺期限、是否已兑现
  - 如承诺已变更：⚠ 标注变更时间和新旧差异（这是重大事项，需在报告头部注明）
  - 如无承诺：说明情况，使用实际均值

##### ⑥ 近 5 年经营现金流净额

- **用途**：Phase 3 筛选条件"现金流健康"检验
- **检验标准**：近 3 年平均经营现金流 ≥ 净利润（比值 ≥ 100%）
- **解读要点**：
  - 单年低于 100% 不一定有问题，但**连续多年低于 100% 是警告信号**
  - **经营现金流为负是重大风险**（如洋河 2025 年 -7.63 亿），说明分红可能面临执行困难
  - 计算"净利润现金含量"= `经营现金流净额 ÷ 归母净利润 × 100%`

##### ⑦ 资产负债率 + 有息负债率

- **用途**：Phase 3 筛选条件"负债率可控"检验
- **必须同时查询两个指标**：
  - **资产负债率** = 总负债 ÷ 总资产（一般标准：< 70%）
  - **有息负债率** = (短期借款 + 一年内到期的非流动负债 + 长期借款 + 应付债券) ÷ 总资产
- **判断"借钱分红"嫌疑**：如果资产负债率高 + 有息负债率高 + 分红率高 → ⚠️
- **辅助判断**：财务费用为负（利息收入 > 支出）说明公司资金充裕，不存在借钱分红

##### ⑧ 近 5 年每年 EPS（用于 g_final 可信度评估）

- **用途**：计算 EPS 复合增速 CAGR，与 g_final 对比
- **计算公式**：`CAGR = (EPS_最新年 / EPS_最早年)^(1/年数) - 1`
- **解读**：
  - CAGR ≥ g_final → 历史增速支撑模型假设（高分）
  - CAGR < g_final 的 50% 或持续下滑 → 增速假设不可靠（低分）
- **注意**：此数据可与 ① 合并查询（同一 API 返回多年 EPS）

##### ⑨ 行业趋势信息（用于 g_final 可信度评估）

- **查询方式**：搜索该行业的最新趋势分析，而非特定公司的数据
- **关键词示例**：`"白酒行业 2025 2026 趋势 产量 增速 消费"`、`"空调行业 存量 竞争 格局"`
- **需了解的信息**：
  - 行业处于增长期 / 存量期 / 衰退期
  - 行业产量/规模的近年增速趋势
  - 是否有重大政策变化影响行业（如禁酒令、能效标准等）
  - 主要竞争对手的动态
- **评分参考**：
  - 行业仍有增长空间 → 高分
  - 行业接近饱和但需求稳定 → 中分
  - 行业衰退或深度调整 → 低分

##### ⑩ 最新季度业绩（年报已发布时跳过）

- **用途**：年报尚未发布时，在"业绩说明"章节展示最新季度/前三季/预告数据
- **获取**：最新一季度的营收、归母净利及同比变化
- **注意**：如果已有最新年报数据，此项不需要查询

##### ⑪ 年度分红方案（年报刚发布时补充查询）

- **场景**：年报刚发布（如 4 月底），分红方案可能尚未公告或尚未入库
- **查询**：`"{公司名}{代码} {年份}年报分红方案每股股利派息"`
- **处理**：如果查不到年度分红方案，在报告中注明"年度分红方案待股东大会确认"，用承诺值或历史均值估算

#### 1.4 查询执行建议

- **可并行查询**：上述 11 项数据之间无依赖关系，应尽量并行发起查询以提高效率
- **关键词灵活调整**：如果第一次查询结果不理想，换关键词重试（如换"每股收益"为"EPS"、换"经营现金流"为"现金流量"等）
- **数据提取技巧**：API 返回 JSON 格式，可用 `python3 -c` 命令做初步过滤提取，只保留含关键字的行
- **交叉验证**：同一数据项（如 EPS）可通过不同查询关键词验证一致性

### Phase 2：执行估值计算

运行估值脚本：

```bash
python3 $HOME/.workbuddy/skills/stock-valuation/scripts/valuation.py \
  --eps <EPS_curr> \
  --roe <ROE_5y_avg> \
  --payout <Payout_5y_avg> \
  [--target-yield 0.08] \
  [--years 10] \
  [--stock-name "股票名称"] \
  [--current-price <最新股价>]
```

#### Phase 2.5：g_final 增速可信度评估（⚠ 必须执行）

算出 g_final 后，**必须立即评估该增速在未来 10 年的实现概率**。g_final 是模型的核心假设——如果这个增速根本无法实现，安全买入价就是空中楼阁。

**评估维度（5 项，每项 1-3 分）：**

| 维度 | 评估内容 | 3 分（高可信） | 2 分（中可信） | 1 分（低可信） |
|------|---------|--------------|--------------|--------------|
| **① 历史增速** | 近 5 年 EPS 复合增速 vs g_final | 历史 CAGR ≥ g_final | 历史 CAGR 在 g_final 的 50%-100% | 历史 CAGR < g_final 的 50% 或 EPS 持续下滑 |
| **② 再投资效率** | 留存利润再投资是否真的能创造价值 | 高分红率（≥70%）：不依赖再投资，g_final 天然容易实现 | 中分红率（40%-70%）：适度依赖再投资 | 低分红率（<40%）：高度依赖再投资，需优质投资机会 |
| **③ 行业空间** | 行业渗透率、增速趋势、天花板 | 行业仍有增长空间或稳健需求 | 行业接近饱和但需求稳定 | 行业衰退或深度调整、需求萎缩 |
| **④ ROE 稳定性** | 近 5 年 ROE 波动幅度 | ROE 标准差 < 3个百分点 | ROE 标准差 3-6个百分点 | ROE 标准差 > 6个百分点或单年骤降 > 10个百分点 |
| **⑤ 模型适配性** | 股票特征与模型假设的匹配程度（见下方详细说明） | 适配：高分红+稳定/低增长，模型核心逻辑完全适用 | 部分适配：需要调整输入或解释口径（如含回购的综合分红率、跨币种折算） | 不适配：模型安全价仅作参考下限，不能作为决策依据 |

**总分与可信度等级：**

| 总分 | 等级 | 含义 | 报告标记 |
|------|------|------|---------|
| 12-15 | 🟢 **高可信** | g_final 实现概率大，模型结果可靠 | 🟢 高可信 |
| 8-11 | 🟡 **中可信** | g_final 有一定不确定性，需关注风险因素 | 🟡 中可信 |
| 5-7 | 🟠 **低可信** | g_final 实现困难，安全买入价可能偏高 | 🟠 低可信 |

**⑤ 模型适配性——详细评分指南：**

本模型以 **DPS（每股现金分红）** 为核心输入，推导逻辑为 `ROE × 留存率 → 内生增长 → DPS 增长 → 安全价`。因此模型天然适配**高分红、低增长、业务稳定的成熟价值股**。对于其他类型股票，需评估适配程度：

**股票类型与模型适配性：**

| 股票类型 | 典型特征 | 适配度 | 评分建议 | 处理方式 |
|----------|---------|--------|---------|---------|
| **高分红价值股** | 分红率 ≥50%，ROE 稳定，增长温和（如格力、分众、高速公路） | ★★★ 完美适配 | 3 分 | 直接使用模型结果 |
| **稳定白马股** | 分红率 30-50%，ROE 中高，增长中等（如茅台、部分银行） | ★★★ 基本适配 | 2-3 分 | 正常使用，注意增长假设 |
| **高回购低分红股** | 现金分红率低，但大量回购注销（如腾讯） | ★★ 部分适配 | 2 分 | 将回购折算为"综合分红率"，注明折算方法 |
| **成长股** | 分红率 <20%，利润高增长（如科技、医药） | ★ 不适配 | 1 分 | 模型安全价仅作参考下限，g_final 严重低估实际潜力 |
| **周期股** | 利润波动大，分红不稳定（如钢铁、煤炭） | ★ 不适配 | 1 分 | ROE/EPS 周期波动使模型失效，不建议使用 |
| **金融/银行股** | ROE 高但受监管约束，分红率稳定但增长空间受限 | ★★ 部分适配 | 2 分 | 可使用，注意监管资本充足率约束对增长的影响。⚠ **回测验证（招商银行 2023-11）**：安全买入价作为"价值锚"有效（低估判断正确，2.5 年涨幅 66%），但实际上涨驱动力是**估值修复（PB 修复）+ 高股息率**，而非 EPS 增长（近乎零增长）。模型会系统性低估银行股的投资回报。银行股适用补充视角：股息率安全垫 + PB 估值修复空间 |

**港股/跨币种特殊处理：**

- 如果 EPS（利润表）和分红/股价的计价币种不同（如腾讯：EPS 人民币，分红/股价港币），**必须统一币种后计算分红率**
- 使用最新汇率折算，并在报告中注明汇率和折算方式
- 币种差异增加一层不确定性，评分时从 3 分降为 2 分

**评分规则总结：**
- 分红方式为**纯现金**且高分红 → 3 分
- 分红方式含**回购**或需要**跨币种折算** → 2 分
- 模型核心假设与股票特征**根本不匹配**（成长股/周期股/低分红）→ 1 分

**执行要点：**

1. **数据来源**：在 Phase 1 获取数据时，需额外查询近 5 年 EPS 数据（用于计算 CAGR）和行业趋势信息
2. **评分依据**：评分必须基于已查询到的客观数据，每项评分需在报告中注明具体理由
3. **g_base vs g_final 的差异**：如果 g_final = g_base（未被截断），说明增速来自实际留存再投资能力，可信度天然更高；如果 g_final = Cap（被截断），说明理论增速高于上限，需要更谨慎地评估
4. **特别关注**：当 g_final 被截断时（即 g_base > Cap），需额外说明"g_base 为 X% 但被截断至 Y%，截断幅度越大，说明模型越保守，可信度加分"

### Phase 3：筛选条件检验（一票否决）

计算完毕后，根据已获取的数据逐项检验：

| 筛选条件 | 要求 | 结果 |
|----------|------|------|
| 历史分红稳定 | 近 5 年每年分红率均 > 30% | ✅ / ⚠️ / ❌ |
| 现金流健康 | 近 3 年平均经营现金流 ≥ 净利润 | ✅ / ⚠️ / ❌ |
| 负债率可控 | 资产负债率平稳或下降，无"借钱分红"嫌疑 | ✅ / ⚠️ / ❌ |
| 业务确定性 | 商业模式简单，10年后仍被需要（主观判断） | 供参考 |

### Phase 4：输出报告

输出 Markdown 报告文件（`{股票名称}_估值报告.md`），**严格遵循以下固定格式**（六个章节，不得增减大节，不得加入与其他股票的对比章节）：

#### 报告结构（固定模板）

```
# {股票名称}（{代码}）内生增长分红估值报告

> 估值时间：YYYY-MM-DD | 数据来源：NeoData 金融数据搜索
> ⚠ 本报告仅供学习参考，不构成投资建议
> （如有重大事项如分红承诺变更/取消，在此加一行注明）

---

## 一、核心输入参数

| 参数 | 数值 | 来源/说明 |
|------|------|----------|
| 当前股价 | **¥XX.XX** | 日期、涨跌幅、PE/PB/股息率等关键行情指标 |
| EPS（{年份}年报） | **¥XX.XX** | 年报说明 |
| 5年均 ROE | **XX.X%** | 说明取值年份 |
| 分红率 | **XX.X%** | 说明取值依据（承诺值/实际均值） |

### ROE 与分红年度明细

| 年度 | EPS（元） | 加权 ROE | 每股股利（元） | 全年分红率 | 说明 |
|------|----------|---------|--------------|----------|------|
| ... | ... | ... | ... | ... | ... |

> *注：（分红相关注释，如超100%原因、中期/年度区分等）*
>
> **分红承诺**：（如有承诺，说明具体内容和状态；如无承诺，说明情况）

### {年份} 年业绩说明（年报待发）

> 仅在年报未发布时添加此子节，用表格列出已知数据（前三季/预告/研报预测等）

---

## 二、估值计算过程

### Step 1：确定 ROE 和分红率
（文字说明取值过程）

### Step 2：计算理论增速
（代码块展示 g_base 计算公式和结果）

### Step 3：ROE 档位截断 → g_final
（表格展示档位、上限、g_final）

### Step 3.5：g_final 增速可信度评估

> 模型假设未来 10 年 EPS 以 **{g_final}%** 年复合增长。这个增速能否实现？

| 评估维度 | 评分 | 评估依据 |
|----------|------|---------|
| ① 历史增速（近5年EPS CAGR vs g_final） | X/3 | （具体数据说明） |
| ② 再投资效率（留存比例 × 再投资机会） | X/3 | （分红率高→不依赖再投资→容易实现，说明具体逻辑） |
| ③ 行业空间（渗透率/需求趋势/天花板） | X/3 | （行业情况说明） |
| ④ ROE 稳定性（近5年 ROE 波动） | X/3 | （标准差或波动情况说明） |
| ⑤ 模型适配性（股票特征与模型匹配度） | X/3 | （说明股票类型、是否含回购/跨币种、核心适配逻辑） |

**总分：X/15 → 🟢高可信 / 🟡中可信 / 🟠低可信**

> （一段话总结：g_final 实现概率的核心判断，重点关注哪项拉低了分数，模型适配性是否影响结论可靠性）

### Step 4：计算安全买入价
（代码块展示 EPS→DPS→安全价计算过程）

---

## 三、估值结论

| 指标 | 数值 |
|------|------|
| ★ **安全买入价** | **¥XX.XX** |
| 当前股价 | ¥XX.XX |
| 安全边际 | **+XX.X%** |
| **估值状态** | 🟢🟠🔴 **低估/略微高估/明显高估** |
| **g_final 可信度** | 🟢高可信 / 🟡中可信 / 🟠低可信 |

> ⚠ g_final 可信度说明：（一句话说明 g_final 实现概率的高低原因，包含模型适配性判断，如"g_final=5%，高分红率80%降低了再投资依赖，但行业已进入存量竞争。模型适配性良好——高分红价值股，核心逻辑完全适用"）

### 敏感性分析

| 假设变化 | EPS | 分红率 | 安全买入价 | 当前股价对比 |
|----------|-----|--------|----------|------------|
| **基准**（...） | ... | ... | **¥XX.XX** | ... |
| 乐观/悲观场景 | ... | ... | ¥XX.XX | ... |

> 💡 **核心判断**：（一段话总结核心观点）

---

## 四、筛选条件检验（一票否决）

| 筛选条件 | 要求 | 结果 | 说明 |
|----------|------|------|------|
| 历史分红稳定 | ... | ✅/⚠️/❌ | ... |
| 现金流健康 | ... | ✅/⚠️/❌ | ... |
| 负债率可控 | ... | ✅/⚠️/❌ | ... |
| 业务确定性 | ... | ✅/⚠️/❌ | ... |

**结论：...**

---

## 五、补充分析

### 核心优势
（列表 3-5 点）

### 风险因素
（列表 3-6 点）

---

## 六、风险提示

⚠ **本模型结果仅供参考，不构成投资建议。**
- （列表 4-7 条具体风险）
```

#### 格式要求（⚠ 严格执行）

1. **六大章节固定**：一、核心输入参数 → 二、估值计算过程 → 三、估值结论 → 四、筛选条件检验 → 五、补充分析 → 六、风险提示。**不得增加或减少大节**
2. **不得包含与其他股票的对比章节**（如"与茅台/分众对比"等），每份报告只评估单只股票
3. **估值计算必须使用 Step 1-4 格式**，不要用参数表+场景表的简化格式
4. **三、估值结论中必须包含敏感性分析表**，列出基准、乐观、悲观场景
5. **五、补充分析分为"核心优势"和"风险因素"两个子节**
6. **六、风险提示以"⚠ 本模型结果仅供参考，不构成投资建议。"开头**，后接列表

---

## 核心公式速查

```
安全买入价 = [ EPS_curr × (1 + g_final)^10 × Payout ] / 8%

g_base   = ROE_5y × (1 - Payout_5y)

g_final 根据 ROE 档位截断：
  ROE > 25%       → min(g_base, 8%)
  15% ≤ ROE ≤ 25% → min(g_base, 5%)
  ROE < 15%       → min(g_base, 3%)
```

---

## 回测经验库（历史验证）

> 以下为已完成的历史回测案例，用于校验模型有效性和发现模型局限。

### 招商银行（600036.SH）— 回测时点 2023 年 11 月底

**回测背景**：2023 年 11 月底，招商银行股价 ¥23.81（PB ≈ 0.55 倍），市场情绪悲观（LPR 多次下调、经济复苏不及预期）。

| 项目 | 回测输入（2023-11 视角） | 实际结果（2026-04） |
|------|------------------------|-------------------|
| 安全买入价 | ¥36.31（EPS ¥5.26，ROE 16.1%，分红率 33.9%） | 股价 ¥39.60，涨幅 66.3% |
| 安全边际 | +52.5%，🟢 明显低估 | 低估判断正确 ✅ |
| EPS 预期 | 10 年后 EPS ¥8.57（假设 5% 年增长） | 2025 年 EPS ¥5.70，近乎零增长 ⚠️ |
| ROE 预期 | 5 年均 16.1%，但 2022 年已降至 14.49% | 2025 年 ROE 13.44%，持续下行 ⚠️ |
| 分红率 | 5 年均 33.9% | 2025 年升至 35.4% ✅ |

**核心教训（已融入模型指导规则）：**

1. **安全买入价是有效的"价值锚"**：低估时买入的判断正确，即使增长假设不准确，安全边际仍提供了足够的保护
2. **模型对银行股的回报路径估计不完整**：实际上涨驱动力是**估值修复（PB 0.55→0.91）+ 高股息率（8.4%）**，而非 EPS 增长。内生增长模型假设 EPS 持续增长，但银行股可以通过**估值修复**和**股息收益**实现回报
3. **g_final 可信度风险会兑现**：回测时已标记 ROE 下行风险和净息差收窄，2025 年 ROE 降至 13.44% 确认进入 3% 档位。低可信度（🟡 中可信）的警告应引起足够重视
4. **银行股需补充分析维度**：除模型安全价外，应额外关注 **PB 估值位置**（是否处于历史极端低位）和 **股息率**（是否已接近或超过目标收益率），这两个维度对银行股同样重要

### 贵州茅台（600519.SH）— 回测时点 2020 年 11 月底

**回测背景**：2020 年 11 月底，贵州茅台股价 ¥1,499.70（PE ≈ 45.7 倍），处于历史极高估值水平，受益于疫情后流动性宽松和白酒需求恢复。

| 项目 | 回测输入（2020-11 视角） | 实际结果（2026-04） |
|------|------------------------|-------------------|
| 安全买入价 | ¥452.85（EPS ¥32.80，ROE 30.2%，分红率 51.2%） | 股价 ¥1,405.00，5.4 年略跌 6.3% |
| 安全边际 | -231.2%，🔴 明显高估 | 高估判断长期正确 ✅（5 年零收益） |
| EPS 预期 | 10 年后 EPS ¥70.81（假设 8% 年增长） | 2025 年 EPS ¥65.66，年化实际增速约 14.9% |
| ROE 预期 | 5 年均 30.2% | 2025 年 TTM ROE 30.53%，极为稳定 ✅ |
| 分红率 | 5 年均 51.2% | 2025 年升至 75%+（公司承诺 2024-2026 ≥75%）✅ |

**核心教训（已融入模型指导规则）：**

1. **高估判断在长期得到验证**：¥1,499.70 买入后 5.4 年几乎零收益（-6.3%），高估确实损害了投资回报。EPS 从 ¥32.80 翻倍至 ¥65.66（+100%），但 PE 从 45.7 降至 21.3（-53%），估值消化完全抵消了业绩增长
2. **高估 ≠ 立即下跌**：茅台在 2020 年底至 2021 年 2 月继续上涨至 ¥2,100+，模型无法预测市场情绪的延续时间。但模型的价值在于**纪律性**——避免高估追涨
3. **品牌溢价突破模型框架**：茅台拥有"类货币"和"社交货币"属性，市场长期给予远超模型安全价的估值溢价。对于品牌护城河极深的优质公司，安全买入价更像**"价值底线"**而非**"合理价格"**
4. **分红率提升超预期**：茅台 2024-2026 年承诺分红率不低于 75%，远超历史均值 51%。分红提升部分对冲了估值下跌，但不足以在高估值下产生正回报
5. **极端高估案例的警示**：PE 45+ 倍的价格意味着即使 EPS 未来 10 年以 8% 增长、分红率维持 51%，也仅能实现约 8% 的目标收益率。一旦增速不及预期或估值收缩，回报将显著低于目标。这是模型对极端高估最有效的警示场景

### 贵州茅台（600519.SH）— 回测时点 2018 年 11 月 2 日 ⚠️ 模型误判

**回测背景**：2018 年 10 月 28 日三季报 Q3 净利润增速骤降至 2.71%，10 月 29 日一字跌停（¥549.09），10 月 30 日最低 ¥509.02，随后快速反弹。11 月 2 日收 ¥599.90（PE ≈ 28 倍），恰处于恐慌性反弹阶段。上证指数从年初 3,500+ 跌至 2,500 附近。

| 项目 | 回测输入（2018-11 视角） | 实际结果（2026-04） |
|------|------------------------|-------------------|
| 安全买入价 | ¥295.57（EPS ¥21.56，ROE 30.9%，分红率 51%） | 股价 ¥1,405.00，7.4 年涨幅 134.3% |
| 安全边际 | -103.0%，🔴 明显高估 | **模型误判** ❌，总回报 172.7%（含分红） |
| EPS 预期 | 10 年后 EPS ¥46.55（假设 8% 年增长） | 2025 年 EPS ¥65.66，年化实际增速 17.3% |
| ROE 预期 | 5 年均 30.9% | 2025 年 TTM ROE 30.53%，极为稳定 ✅ |
| 分红率 | 51% | 2025 年升至 75%+ ✅ |

**核心教训（已融入模型指导规则）：**

1. **模型首次"高估误判"——高估程度不同结果截然不同**：安全边际 -103%（PE 28）与 -231%（PE 46）的含义完全不同。PE 28 对 ROE 30%+ 的顶级消费品牌并非极端高估，模型应区分"明显高估"与"合理偏高"
2. **熊市恐慌中的"高估"可能是黄金坑**：2018 年 11 月全市场处于极端恐慌状态（上证 -30%），茅台跌停后 PE 降至 28 倍历史中低位，实际上是极好的买入机会。模型缺乏对市场情绪周期的判断能力
3. **顶级公司的成长能力持续超预期**：茅台 EPS 年化增速 17.3%，远超模型 8% 假设。ROE 连续 8 年 >24% 的公司，增速上限 8% 可能过于保守
4. **需要引入 PE 分位数和 ROE-PE 匹配**：ROE 30% 的公司合理 PE 应高于 ROE 15% 的公司，不能简单地用同一套安全边际标准。建议配合 PE 历史分位数辅助判断

---

## 注意事项

- 目标收益率默认 8%，极其确定的资产（如长电）可调整为 6%-7%（调用脚本时传 `--target-yield 0.06`）
- 模型仅供参考，不构成投资建议
- 数据质量决定结果质量，分红数据缺失时需明确说明
- **银行股的回报来源具有多样性**：内生增长模型以 EPS 增长为核心假设，但银行股实际回报可能来自股息收益 + 估值修复（PB 修复），而非 EPS 增长。对银行股估值时，应同时分析 PB 历史位置和当前股息率，不可仅依赖安全买入价
- **安全边际的"负值"需要分级解读**：-100%（PE 约 28）与 -230%（PE 约 46）含义不同。负值幅度较小时（-50% 至 -100%），需配合 PE 历史分位数综合判断，避免在熊市恐慌中误判"高估"而错过机会
- **顶级消费品牌享有结构性估值溢价**：ROE 持续 >25%、品牌护城河极深、现金流优异的公司，市场长期给予 PE 25-35 倍的估值溢价是合理的，不应简单以模型安全价判断"高估"