Stock Analysis

Stock Analysis

💡 模型指引：session context < 100k → /model sonnet；> 100k → 先 /compact 再 Sonnet，或直接 /model opus（長 context 推理品質 Opus 更穩定）。重大決策（>5% 倉位）一律用 Opus。

Generate a standardized research report for one or more stock tickers.

Step 0: 分析前準備

預設模式（無 --current）— 純獨立分析

• 跳過 plan.md、feedback/*.md、持倉、journal 偵測
• 分析不考慮現有倉位或投資計畫，僅基於公開市場數據
• 保留 Step 0e：Verdict 之前必須完成「核心 thesis / 證偽條件 / 機率分布」三題

Step 0.5 (共用): Macro + Earnings + Fundamentals Cache Load

讀以下四份 cache：

• briefing-out/cache/macro-snapshot.json — 用於 Step 0e 第一性檢查的 macro ground state
• briefing-out/cache/earnings-history.json — 該 TICKER 的 trailing 8Q beat rate + surprise
• briefing-out/cache/earnings-dates.json — 該 TICKER 的下次 earnings 日期
• briefing-out/cache/fundamentals-snapshot.json（TTL 24h）— TICKER 的三錨點輸入（pe_ratio/peg_ratio/wall_street_target/growth/margins）+ forward_estimates（賣方共識 fwdEPS curr_fy/next_fy + EPS 修正動能）

若 TICKER 不在 earnings cache 中（如新標的）→ 跑一次 python3 tools/earnings_history.py --force；或標 (earnings cache miss)。

fundamentals cache 處理：

• TICKER 在 cache 且 mtime < 30h → 使用，供三錨點估值 + probability agent 1d/1h
• TICKER 不在 cache 或 mtime > 30h → 先跑 python3 tools/fetch_fundamentals.py --ticker TICKER（單票 fetch + merge 進 cache，含 A4 self_valuation），再讀 cache。這樣 cache miss/stale 也能取得 A4，不再直接標 (self-val N/A)。Agent 3 仍同批抓 get_fundamentals_snapshot + get_earnings_history 作即時三錨點交叉（fetch_fundamentals 失敗時的 fallback）。
• 只有 fetch_fundamentals --ticker 真的失敗（EODHD 無資料/token 缺）才標 (self-val N/A)。
• pe_ratio == 0.0 / null → 丟棄 A1 錨；peg_ratio == 0.0 / null → 丟棄 A2 錨，標 (anchor unavailable)

這些 cache 資料用於：

• Section「Investment Thesis」: 引用 trailing 8Q beat rate 強化/弱化基本面論點
• Section「三錨點公允價」: A1/A2/A3 錨點計算 Fair PE + EV（取代手寫點估計）
• Section「Verdict」前呼叫 probability-honesty-checker 時，強制將 macro + base rate 帶入 prompt（Step 1d、1h、1i 必填）

--current 模式 — 整合持倉與計畫

啟用後執行完整 AGENTS.md Step 0 統一規範（0a → 0b → 0c → 0d → 0e）：

• 讀 plan.md + feedback/*.md；了解此標的在計畫中的角色
• 呼叫 get_account_position 取即時持倉
• 今日 journal 不存在 → 執行 gap-fill + 變動偵測 + 自動建立 journal
• 報告額外輸出「持倉確認」與「配置計畫定位」兩節

Arguments

• Single ticker: /stock-analysis PLTR
• Multiple tickers for comparison: /stock-analysis DCO AIR
• With specific focus: /stock-analysis TEAM options (include options strategy suggestions)
• With portfolio context: /stock-analysis MU --current (activates plan.md + positions)
• With Codex second opinion: /stock-analysis MU --codex or /stock-analysis MU --2nd
• Combined: /stock-analysis MU --current --codex

Workflow

1. Parse the ticker(s) from the arguments

2. Gather Data using MCP tools and WebSearch:

   Primary: Yahoo Finance MCP

   • mcp__yfinance-advanced__get_stock_info — fundamentals, analyst targets, margins, PE ratios
   • mcp__yfinance-advanced__get_financial_statement (income_stmt) — revenue, earnings trends
   • mcp__yfinance-advanced__get_recommendations (recommendations) — analyst consensus
   • mcp__yfinance-advanced__get_yahoo_finance_news — recent headlines
   • mcp__yfinance-advanced__get_historical_stock_prices (period=6mo) — price trend

   Secondary: SEC EDGAR MCP (for deeper analysis)

   • mcp__sec-edgar-mcp__get_financials (statement_type="all") — official SEC financial data
   • mcp__sec-edgar-mcp__get_insider_transactions (days=90) — insider buying/selling
   • mcp__sec-edgar-mcp__get_recent_filings (days=60) — recent 8-K, 10-K/Q filings
   • mcp__sec-edgar-mcp__get_segment_data — revenue breakdown by geography/product

   Technical: Technical Indicators MCP

   • mcp__technical-mcp__get_technical_indicators — RSI, MACD, Bollinger Bands, ATR, momentum score, trend
   • mcp__technical-mcp__get_support_resistance — support/resistance levels, 52-week range

   Sentiment: EODHD MCP

   • mcp__eodhd-mcp__get_news_sentiment — news with AI sentiment scores
   • mcp__eodhd-mcp__get_sentiment_trend — 30-day sentiment trajectory

   Tertiary: FMP MCP (free tier, supplementary)

   • mcp__fmp-mcp__getStockPeers — peer companies for comparison
   • mcp__fmp-mcp__getCompanyProfile — company profile (fallback if yfinance incomplete)

   Supplementary: WebSearch (if MCP data is insufficient)

   • Search: "[TICKER] stock analysis 2026"
   • Search: "[TICKER] earnings revenue growth"

   平行數據收集（Agent 子代理 — subagent_type: "data-collector"）：

   使用 Agent tool 平行派遣以下 3 組子代理（每組指定 subagent_type: "data-collector"，自動使用 Sonnet 5 純數據收集）：

   • Agent 1 — Yahoo Finance（subagent_type: "data-collector"）：get_stock_info + get_financial_statement + get_recommendations + get_yahoo_finance_news + get_historical_stock_prices
   • Agent 2 — SEC EDGAR（subagent_type: "data-collector"）：get_financials（all）+ get_insider_transactions（90d）+ get_recent_filings（60d）+ get_segment_data
   • Agent 3 — Technical + Sentiment + EODHD Fundamentals（subagent_type: "data-collector"）：get_technical_indicators + get_support_resistance + get_sentiment_trend + get_news_sentiment（ticker format: TICKER.US）；若 fundamentals cache miss 或 mtime > 30h，同批加抓 mcp__eodhd-mcp__get_fundamentals_snapshot(TICKER.US) + mcp__eodhd-mcp__get_earnings_history(TICKER.US)（不額外 round-trip）

   多股比較時，為每個 ticker 各派一組 Agent。若 Agent tool 不可用，依序呼叫亦可。

   ⚠️ Agent 失敗 fallback：若 Agent 3（Technical）回傳空結果或聲稱「沒有 MCP 權限」，主 Claude 直接呼叫 mcp__technical-mcp__get_technical_indicators + mcp__technical-mcp__get_support_resistance + mcp__eodhd-mcp__get_sentiment_trend，絕不跳過技術分析 section。

3. Check Current Portfolio（--current 模式才執行）

   • 呼叫 get_account_position 確認是否持有此標的
   • 若持有，在報告開頭輸出「持倉確認」段落（成本、口數、損益）

4a. Thesis Ledger 雙向整合（--current 或有持倉時執行；新標的分析只做「寫」端）

讀端（consumer）— 了解「上次的論點驗證了沒」

python3 tools/thesis_ledger.py list --ticker TICKER

輸出「📋 {TICKER} 既有 thesis 狀態」段落：

| thesis slug | 命題 | 建立 | 狀態 | 上次 resolve 結果 | 公允價 before→after | 價格影響 | 下一步 |
|------------|------|------|------|-----------------|---------------------|---------|------|
| memory-cycle | DRAM ASP上漲... | 2026-01-10 | pending | — | — | — | 等 Q2財報 |
| q1-guide-exec | Q1 guide確認... | 2026-02-01 | passed | AI revenue +6% | $460→$490 | +6.5% | HOLD |

若帳本無此 ticker → 輸出「📋 {TICKER} 帳本：無既有 thesis」

若有 today-due thesis（due 命令輸出中出現此 ticker）→ 在此段末尾標： ⚠️ 今日到期 thesis：{slug} — 請在本次分析後執行 D2 三桶分解 + resolve

如果有到期需驗收的 thesis，執行 D2：

• 從本次 Agent 數據抓實際指標（財報數字/分析師 PT/毛利率等）
• 照 briefing Step 0.7 邏輯做 passed/failed/partial 三桶分解
• 呼叫 resolve 帶結構化旗標（--fair-value-before 從上次登錄時的公允價基準取，或從 history 最後一筆取）

寫端（producer）— 本次分析的新 thesis 登錄（Verdict 後執行）

凡 Verdict 含明確時間/事件觸發點的論點，在輸出末尾登錄：

python3 tools/thesis_ledger.py list --ticker TICKER   # 先查既有 slug
python3 tools/thesis_ledger.py add --ticker TICKER --slug <slug> \
  --thesis "<可驗證命題>" --falsification "<條件1>" "<條件2>" \
  --trigger-type event|date --trigger-date YYYY-MM-DD \
  [--event earnings] [--metric "到期要比的指標"] --source stock-analysis \
  --ev "<EV snapshot: bull/base/bear 公允價>"

新增 --ev 時同時記錄當下基準公允價（= fair_value_before 的基準，日後 resolve 時用）

EV ledger 事前登錄（thesis add 之後緊接執行，機率校準自驗）：

python3 tools/ev_ledger.py add --ticker TICKER --slug <slug>-ev \
  --horizon-days 365 --spot <現價> \
  --p-bull XX --p-base XX --p-bear XX \
  --fv-bull XXX --fv-base XXX --fv-bear XXX --ev-price XXX \
  --source stock-analysis --model <本次模型> --thesis-ref TICKER:<thesis-slug> \
  --priced-in-pct <fundamentals-snapshot self_valuation.priced_in_pct>

到期由 briefing resolve-due 機械驗價（零判斷）；校準統計由 /trade-review 讀。機率/公允價直接抄機率分布表，不重算。--priced-in-pct（2026-09-14）從 cache 直接抄：= 市場前瞻 PE ÷（目標 PEG × 共識 EPS 成長，成長截斷 5–60%）− 1，正 = 成長已 priced in（priced_in_note 有完整算式）；只是登錄變數，不進 EV、不改 Verdict，/trade-review 用三分位驗「高 priced-in 是否更常 thesis 對但 realized<EV」。已知盲點：週期頂峰 EPS 讓 fwdPE 極低 → 深負 ≠ 便宜（MU 型），報告可引用但要標。cache 為 null 就省略參數。

4b. 訊號擷取 & Thesis 候選（Signal Extraction，stock-analysis 預設開）

目的：從 news body + SEC 8-K + 財報逐字稿抽已量化陳述，用以補強/修正 thesis 機率分布輸入（Step 0e）。

反幻覺門檻（必守）： 每個 signal 必須附 raw_quote（≤120 字逐字引用）；無 quote → 無 signal；只有 narrative → 明寫「無可量化信號（only narrative）」。

資料管道優先順序：

1. SEC 8-K（Agent 2 analyze_8k / get_recent_filings 14d 內）→ confidence: high
2. 財報逐字稿（mcp__fmp-mcp__getEarningsTranscript 最新一份，取 capex/ASP/wafer/utilization 句）→ confidence: high；僅財報後 30 天內
3. EODHD raw news body（news-articles.json Step 0.67，或 mcp__eodhd-mcp__get_news 即時抓）→ confidence: medium
4. FMP segment（mcp__fmp-mcp__getRevenueProductSegmentation）→ confidence: medium（有數字才算）
5. 來源訊號 cache（briefing-out/cache/twitter-signals.json，Step 0.68 同源；Trusted/Core tier → confidence: medium，Probation → confidence: low 不入 ledger）→ post 全文（裁至 ≤120 字逐字）即 raw_quote 來源；引用即代表 add-claim，同一次 python3 tools/source_credit.py add-claim ... 登錄該主張

訊號 record（Claude 輸出，不寫 JSON cache）：

metric: wafer_starts / capex / ASP_QoQ / segment_revenue / utilization / ...
value: "+8% QoQ"（逐字含單位）
direction: up | down | flat
ticker, source_url_or_desc, source_type: sec_8k | transcript | news | fmp_segment | twitter | substack | rss
date, confidence: high | medium | low
raw_quote: "<逐字引用，≤120 字>"    ← 無此欄 = 不成立

Signal → Thesis 轉換後登錄（confidence ∈ {high, medium} 且有明確前瞻 trigger）：

python3 tools/thesis_ledger.py list --ticker <T>   # 先查重
python3 tools/thesis_ledger.py add --ticker <T> --slug <slug> \
  --thesis "<1句可驗證命題>" \
  --falsification "<條件1>" "<條件2>" "<條件3>" \
  --trigger-type event|date --trigger-date YYYY-MM-DD \
  --event earnings --metric "<到期要比的指標>" \
  --source signal-inference \
  --ev "signal: <metric> <value>, <source>, conf=<confidence>"

confidence=low 或純 paraphrase → 在報告文字呈現即可，不入 ledger。exit-code-2 碰撞 → 改 slug 或 supersede。

輸出段落（報告末尾）：

### §4b 訊號擷取
| metric | value | dir | source | confidence | raw_quote（首 80 字） |
|--------|-------|-----|--------|------------|----------------------|
| wafer_starts | +8% QoQ | up | Reuters/EODHD | medium | "...逐字引用..." |

THESIS 候選：[若有 high/medium conf 訊號]
- slug: wafer-starts-bit-growth → 已登錄 thesis_ledger
[若無]
- 無可量化信號（only narrative news，無 SEC 8-K / 逐字稿量化句）

4. Generate Report for each ticker: