整个产品的目的是把用户的自然语言假设转化为估值模型输入。
每支个股的研报用了一套固定规则的保守参数和雅虎分析师共识,用户可以对比研报的假设和晨星的假设,进而给出自己的意见比如「如果特斯拉的营收在十年后增长至五千万刀,现在股票值多少钱」?
示范一下 agent 用法。

5
1.1K
整个产品的目的是把用户的自然语言假设转化为估值模型输入。
每支个股的研报用了一套固定规则的保守参数和雅虎分析师共识,用户可以对比研报的假设和晨星的假设,进而给出自己的意见比如「如果特斯拉的营收在十年后增长至五千万刀,现在股票值多少钱」?
示范一下 agent 用法。

把自然语言假设转成模型输入,实际最难的可能不是解析那句话,而是缺省值的处理:用户只说营收增长、没说利润率时,工具默认填什么?建议把每个自动填充项都显式列出来让用户改。
估值对折现率和永续增长率极其敏感,这两个前提如果没让用户确认,结果容易被误读成精确答案。
这个工具跑一次完整估值大概要多久,会不会因为要拉分析师共识和晨星数据而变慢?
与其只让用户改营收终值,不如把它当成敏感性分析入口:给出一组关键变量的区间,看估值分布而不是单点。不过前提是模型本身足够透明,否则换角度也只是换一种黑箱。
研报固定参数和分析师共识最好标出数据日期与来源,否则用户拿半年前的假设来对比,结论会失真。