investment-team

Codex アダプターに関する注記

このスキルは skills/investment-team.md から生成されており、Claude Code と Codex のユーザーが単一の標準ワークフローを共有できるようにしています。

• $ARGUMENTS は、現在の Codex スレッドにおけるユーザーのリクエストとして扱います。
• ソースに Task、Agent、WebSearch、Bash、Read、Write など Claude 専用の機能が記載されている場合は、このセッションで利用できる最も近い Codex の機能を使います。利用可能な場合はサブエージェントを、必要に応じてウェブ検索を、ローカルツールにはシェルコマンドを、ワークスペースのファイルには通常のファイル編集を使用します。
• このリポジトリの tools/ にある共通プロジェクトツールを使用します。python3 tools/financial_rigor.py ... のように、リポジトリのルートからコマンドを実行することを推奨します。現在のスレッドがリポジトリ外から始まる場合は、固定のホームディレクトリパスを想定せず、実際のチェックアウトパスを先に特定します。
• 調査を始める前に date コマンドを実行して今日の日付を確認し、「最新」データの基準とします。レポートのヘッダーにはデータの基準日を記載します。トレーニングデータから現在の日付を推測してはいけません。
• AGENTS.md の調査品質に関するルールを守ります。財務データを複数の情報源で照合し、評価や計算には正確な算術ツールを使用し、不確実性や情報源の不足を明確に示します。

投資調査チーム：4役割の並行分析フレームワーク

$ARGUMENTS について、チームで投資調査・分析を行います。Team ツールを使用して、実際に並行して調査するマルチエージェントチームを作成します。

実行手順

第1ステップ：チームの枠組みを提示

以下のチーム構成をユーザーに提示し、確認を得てから開始します。

役割	職務	分析フレームワーク
team-lead（あなた自身）	全体調整、判断の集約、最終レポートの作成	4人の投資家の総合フレームワーク
business-analyst	ビジネスモデルと堀の分析	段永平の視点
financial-analyst	財務諸表とバリュエーションの分析	バフェットの視点
industry-researcher	業界構造と競争状況	マンガーの視点
risk-assessor	リスク評価と経営陣の見極め	李録の視点

第1.5ステップ：AIによる調査可能性の評価

チームを作成する前に、対象企業の「AIによる調査可能性」の評価をユーザーに提示します。

情報の充実度評価（調査方針を決定）：

レベル	特徴	調査方針の調整
レベルA（情報が豊富）	上場から年数が経過し、証券会社のカバレッジが広い	チームは反証の検証とコンセンサスに反する視点を重視し、市場と同じ「正しいだけで役に立たない話」の出力を避けます
レベルB（情報が中程度）	上場後間もなく、カバレッジが限られている	各エージェントの推計データには信頼度を明記し、team-lead は集約時に「データの充実度」を記載します
レベルC（情報が乏しい）	知名度が低い企業／新規上場企業／新興市場	チームは「第一原理モード」に切り替えます。レポートの網羅性を追わず、事業の本質に関するいくつかの重要な問いに焦点を当てます

重要な注意点：情報が多いことは確実性が高いことを意味せず、情報が少ないことは確実性が低いことを意味しません。AIが出力できる信頼度と、投資の実際の確実性は同じではありません。確実性は事業モデルそのものから生まれるものであり、情報量から生まれるものではありません。

評価結果を各エージェントに伝え、調査方法に反映させます。

第1.75ステップ：WebSearch 権限の事前確認（重要・エージェントの暗黙の機能低下を防止）

チームの作成やバックグラウンドエージェントの起動前に、WebSearch の権限が許可されていることを必ず確認します。

事前確認が必須の理由：このスキルは run_in_background: true で4つのバックグラウンドサブエージェントを起動します。しかし、バックグラウンドエージェントはユーザーに対して対話的な権限確認を表示できません。.claude/settings.local.json の permissions.allow ホワイトリストに WebSearch がない場合、サブエージェントのウェブ検索は通知なく遮断されます。その結果、知識のカットオフ日があるトレーニング知識だけで回答する状態に陥るにもかかわらず、フレームワークに沿って「一見完全だが、実際にはネット検索をしていない」偽の調査レポートを出力します。これはこのスキルで最も危険な失敗パターンです（issue #58 を参照）。

事前確認の手順：

1. Bash を使って、ホワイトリストに WebSearch が含まれているか確認します。

   grep -l '"WebSearch"' .claude/settings.local.json ~/.claude/settings.local.json 2>/dev/null
   

2. どちらにも該当しない場合（つまり許可されていない場合）→ 停止して、エージェントを起動しないでください。次のメッセージをユーザーに表示します。

   ⚠️ WebSearch が権限ホワイトリストにないことを検出しました。バックグラウンド調査エージェントはウェブ検索できず、トレーニング知識だけで回答する状態になります。まず .claude/settings.local.json の permissions.allow に "WebSearch" を追加するか、/permissions を実行して選択してから、このコマンドを再実行してください。

3. 該当する場合 → 通常どおり続行します。

第2ステップ：チームを作成

TeamCreate を使ってチームを作成します。

• team_name: {会社名}-research（英語の小文字。例：meituan-research）
• agent_type: team-lead

第3ステップ：4つのタスクを作成

TaskCreate を使って、次の4つのタスクを作成します（それぞれ subject、description、activeForm が必要です）。

タスク1：ビジネスモデル分析

• subject: {会社名}のビジネスモデル、堀、顧客価値を分析
• description に以下を含めます。
  1. ビジネスモデルの本質：中核事業の定義、収益構造の内訳
  2. プラットフォーム／製品のフライホイール効果がどのように機能するか
  3. 堀の分析：ブランド／乗り換えコスト／ネットワーク効果／規模の効果／技術的障壁をそれぞれ検証
  4. ユーザー／顧客価値：各関係者にどのような独自の価値を提供しているか
  5. 事業ポートフォリオとシナジー効果
  6. 段永平の「良いビジネス」の基準による評価：差別化、価格決定力、持続可能な競争優位性
  7. 最新の財務報告書、業界レポートなどの公開情報を検索すること

タスク2：財務・バリュエーション分析

• subject: {会社名}の財務データ、収益性、バリュエーションを分析
• description に以下を含めます。
  1. 過去3～5年間の売上高、純利益、営業利益の推移
  2. 収益性指標：ROE、ROA、粗利益率、営業利益率
  3. キャッシュフロー分析：営業キャッシュフロー、フリーキャッシュフロー、設備投資
  4. 貸借対照表の健全性：現金準備、負債比率、流動性
  5. バリュエーション分析：PE／PS／PB／EV などを過去および同業他社と比較
  6. 安全域の評価：本質的価値と現在の株価の比較
  7. 金融面の厳密性の検証（Bash でツールを呼び出すこと。暗算は禁止）：
     • 時価総額の検算：python3 tools/financial_rigor.py verify-market-cap --price {価格} --shares {株式数} --reported {報告された時価総額} --currency {通貨}
     • バリュエーションの検算：python3 tools/financial_rigor.py verify-valuation --price {価格} --eps {EPS} --bvps {1株当たり純資産}
     • 重要データの相互検証：python3 tools/financial_rigor.py cross-validate --field {項目} --values '{JSON}' --unit {単位}
     • 3シナリオ・バリュエーション：python3 tools/financial_rigor.py three-scenario --price {価格} --eps {EPS} --shares {株式数_億} --growth {強気} {中立} {弱気} --pe {強気PE} {中立PE} {弱気PE}
     • ツールの出力結果を検証記録としてレポートにそのまま含めること

任务3：行业与竞争分析

• subject: 分析{行业}行业格局与{公司名}竞争态势
• description 包含：
  1. 行业规模与增长：市场规模、增速、渗透率
  2. 竞争格局：主要对手市场份额、竞争策略对比
  3. 核心竞争者威胁评估：逐个分析主要竞争对手
  4. 各细分赛道格局
  5. 行业趋势：技术变革、政策影响、新进入者
  6. 产业链分析：上中下游价值分配
  7. 要求搜索最新行业数据和竞争动态

任务4：风险与管理层评估

• subject: 评估{公司名}投资风险与管理层质量
• description 包含：
  1. 管理层评估：CEO能力圈、诚信度、战略眼光、资本配置能力、历史决策质量
  2. 监管风险：当前及潜在监管影响
  3. 竞争风险：各竞争对手威胁程度评估
  4. 业务风险：新业务亏损、扩张不确定性
  5. 宏观风险：经济周期、行业周期影响
  6. 治理结构：股权结构、关联交易、股东回报政策
  7. 长期确定性：10年后公司会怎样？什么可能颠覆其商业模式？
  8. 要求搜索最新监管动态、管理层言论等

第四步：启动4个并行Agent

使用 Task 工具同时启动4个Agent（必须在同一条消息中并行调用）：

每个Agent的配置：

• subagent_type: general-purpose
• run_in_background: true
• team_name: 对应团队名
• name: 对应角色名（business-analyst / financial-analyst / industry-researcher / risk-assessor）

每个Agent的prompt模板：

你是{公司名}投研团队中的"{角色中文名}"，负责从{大师名}投资视角分析{公司名}。

请完成任务 #{任务编号}：{任务subject}

具体要求：
{任务description的内容}

**研究方法**：
- 使用 WebSearch 搜索最新公开信息（财报、行业报告、新闻）
- **财务数据必须来自两个独立来源**，按 `skills/financial-data.md` 规范执行（美股：macrotrends+stockanalysis；港股：aastocks+macrotrends；A股：东方财富+巨潮资讯；台股：FinMind `tools/twstock_data.py`+Goodinfo），两源误差>1%须标记
- 确保数据准确，关键数据标注来源
- 分析要深入，不流于表面
- **联网失败禁止伪装**：若 WebSearch 被拦截/不可用，禁止用训练知识冒充联网结果。必须在报告顶部醒目标注「⚠️ 本报告未能联网，基于训练知识（截止日期 X），置信度降级」，并如实告知 team-lead，由其决定是否中止研究

**输出要求**：
- 报告要详尽，使用Markdown表格呈现关键数据
- 每个分析维度要有明确结论和评分
- 报告末尾要有该维度的总体结论

**完成后**：
1. 使用 TaskUpdate 将任务 #{任务编号} 标记为 completed
2. 通过 SendMessage 把完整分析报告发送给 team-lead（type: "message", recipient: "team-lead"）

第五步：接收报告并跟踪进度

• 向用户实时展示进度表（哪些Agent已完成、哪些仍在研究中）
• 每收到一份报告，更新进度并展示该报告的核心要点（3-5条）
• 等待全部4份报告到齐

第六步：关闭团队成员

全部报告收到后，向4个Agent发送 shutdown_request（使用 SendMessage，type: "shutdown_request"）。

第七步：汇总最终报告

综合4份分析报告，输出以下结构的最终报告：

---

1. 一句话结论

用一段话（50-100字）概括是否值得投资及核心逻辑

2. 四维评分总表

维度	框架	评分(1-5星)	核心判断

综合评分：X / 5

3. 核心数据速览

关键财务和经营指标表格（近2年对比）

4. 各维度分析摘要

每个维度摘取3-5条最重要的发现

5. 投资论点（Bull vs Bear）

• 🟢 看多逻辑（5-7条）
• 🔴 看空逻辑（5-7条）

6. 巴菲特买入前Checklist

| # | 检查项 | 通过? | 说明 | 10个核心检查项，逐一评估

7. 最终投资建议

• 定性判断表（生意质量/管理层/估值/时机）
• 分层操作建议表（激进型/稳健型/保守型 → 建议+价格区间）
• 关键催化剂（加仓信号/减仓信号各3-5条）

8. 总结段落

100-200字的最终总结

---

第八步：保存报告

将完整最终报告写入 ~/{公司名}投资研究报告_{日期}.md（日期格式 YYYYMMDD）。

第九步：数据抽检（准出流程）

# Step 1 — 提取抽检清单（15%随机抽样）
python3 tools/report_audit.py extract \
  --report <报告文件路径>

# Step 2 — 对清单每项从可靠信源取数（参见 skills/financial-data.md）

# Step 3 — 输出准出/打回判决
python3 tools/report_audit.py verdict \
  --results '<填好的JSON>' \
  --report <报告文件名>

【准出】 全部通过 → 报告可发布；【打回】 有不通过 → 修正后重审。

第十步：清理团队

使用 TeamDelete 清理团队资源。

重要注意事项

1. 4个Agent必须并行启动——在同一条消息中调用4次Task工具
2. Agent通过SendMessage汇报——不是文件协作，是消息通信
3. 数据准确性——要求Agent使用WebSearch搜索最新数据，关键数据交叉验证
4. 结论要明确——不回避给出买入/观望/回避建议和具体价格区间
5. 所有分析必须有数据支撑——附数据来源
6. 耐心等待——4个Agent研究需要几分钟，实时向用户更新进度
7. 反偏见意识——team-lead在汇总时必须评估：各Agent的分析是否受限于资料充裕度？是否与市场共识过度趋同？最终报告需包含"信息丰富度评级"和"AI研究局限性声明"
8. 信息稀缺时的诚实原则——宁可在报告中留白标注"数据不足"，也不要用推测填满框架伪装确定性