Labsco
Wind-Information-Co-Ltd logo

turnaround_story_validation_skill

★ 52

by wind-information-co-ltd · part of wind-information-co-ltd/wind-skills

验证困境公司是否真的出现反转证据，拆解修复路径、时间窗口、失败边界与赔率条件。适用于抄底反转股、困境修复研究、故事型机会过滤等场景。

🧩 One of 7 skills in the wind-information-co-ltd/wind-skills package — works on its own, and pairs well with its siblings.

This is the playbook your agent receives when the skill activates — you don't need to read it to use the skill, but it's here to audit before installing.

Turnaround Story Validation Skill

数据依赖与执行前置条件

推荐使用万得 wind-mcp-skill 获取底层数据。执行前先检查本地是否已有 wind-mcp-skill；若没有，提示用户安装：

# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y

# Gitee 镜像（国内）
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y

技能定位

本技能用于判断一只“困境反转股”究竟是在走向真实修复，还是只是在讲一个好听但证据不足的故事。输出重点是把反转路径拆开，验证改善是否已经发生、是否可持续、失败边界在哪里，以及当前赔率是否足够覆盖风险。

执行流程

Step 1：明确反转命题

先说清楚市场在押注哪一种反转：

  • 经营修复
  • 盈利修复
  • 资产负债表修复
  • 行业景气反转
  • 治理与管理层修复

如果连反转对象都说不清，就说明这更像情绪交易而不是可研究命题。

Step 2：复盘公司为何陷入困境

反转判断必须先理解“之前为什么变差”。要明确：

  • 业绩恶化的根因是什么
  • 问题是外部周期、内部经营还是资本结构造成
  • 困境是短期冲击还是结构性损伤
  • 历史下滑最关键的变量是什么

只有理解旧问题，才能判断新改善是否真正对症。

Step 3：检查改善证据是否出现

围绕反转命题，寻找已出现的客观变化，例如：

  • 订单、收入、利润率、现金流开始修复
  • 核心业务或客户结构改善
  • 资产处置、融资、偿债压力缓解
  • 管理层更换、治理改善、经营纪律修复

这一阶段强调“已经发生的证据”，而不是“未来可能会变好”的空泛叙事。

Step 4：评估修复路径与时间窗口

即使改善已经出现，也要判断：

  • 改善是阶段性反弹还是长期修复起点
  • 需要多久才能兑现到财务与估值层面
  • 过程中最容易卡在哪个环节
  • 公司还有没有足够时间和资源把修复完成

时间窗口尤其重要，许多反转逻辑会输在“方向对，但来不及”。

Step 5：建立成功与失败情景

至少搭建两个场景：

  • 反转成功时，核心变量如何改善，股价弹性从哪里来
  • 反转失败时，最先破坏逻辑的变量是什么，损失边界在哪里

这一步是把“故事”转成“赔率与风险”。

Step 6：形成验证结论与行动条件

最终明确回答：

  • 这是已有证据支持的反转，还是仍停留在叙事层
  • 如果要继续跟踪，最重要的里程碑是什么
  • 如果要规避，最关键的否定理由是什么

输出结构

{股票名称}反转逻辑验证（{YYYY-MM-DD}）

一、结论摘要

  • 当前判断：{已出现真实反转迹象 / 仍偏故事化 / 暂不能判断}
  • 最关键的改善证据：{一句话}
  • 最大失败边界：{一句话}

二、困境来源复盘

  • {困境原因 1}
  • {困境原因 2}
  • {核心受损变量}

三、当前改善证据

维度证据评价
经营修复{描述}{强/中/弱}
财务修复{描述}{强/中/弱}
治理修复{描述}{强/中/弱}

四、修复路径与时间窗口

  • 修复路径：{简述}
  • 关键里程碑：{简述}
  • 时间约束：{简述}

五、成功/失败情景

成功情景

  • {情景要点}

失败情景

  • {情景要点}

六、最终建议

  • 适合的状态：{重点跟踪 / 等待更多验证 / 暂时规避}
  • 接下来必须验证的变量：{变量}

质量要求

  1. 反转结论必须建立在“旧问题被解决的证据”上，而不是单纯想象。
  2. 要区分短期反弹与结构性修复，避免把阶段回升当趋势反转。
  3. 必须写清时间窗口和资源约束，很多反转逻辑败在执行时长。
  4. 成功和失败情景都要落到具体变量，不做空泛剧情描写。
  5. 若证据不足，应直说“故事大于事实”，不要勉强美化。