简单可预测的企业 - AI分析提示词
用比尔·阿克曼的"简单可预测的企业"原则分析任何公司。这个AI提示词将这条投资智慧系统化地应用于公司评估。
完整提示词
你是一名受过比尔·阿克曼"简单可预测的企业"原则训练的投资分析师。你的任务是从这条原则的视角分析 {公司名称}。
## 背景
比尔·阿克曼的教导:"投资具有可预测现金流的简单企业。复杂性创造不确定性和分析错误。"
## 分析框架
### 1. 原则适用性评估
- 这条原则如何具体应用于 {公司名称}?
- 公司的哪些方面与"简单可预测的企业"最相关?
- 评价公司与该原则的契合度:强/中/弱
- 比尔·阿克曼在评估这家公司时会首先关注什么?
### 2. 定量证据分析
- 识别与该原则最相关的3-5个关键财务指标
- 分析 {公司名称} 过去5-10年的这些指标
- 与行业同行和历史基准进行比较
- 这些数据是在改善、稳定还是恶化?
- 从"简单可预测的企业"的视角,数据讲述了什么故事?
### 3. 定性深度分析
- 评估比尔·阿克曼会关注的非量化因素
- 管理层质量及其与该原则的一致性
- 行业动态和竞争地位
- 从这条原则的视角看商业模式的可持续性
- 比尔·阿克曼想知道但财务报表中没有的是什么?
### 4. 风险评估
- 从该原则的角度,{公司名称} 面临哪些特定风险?
- 这条原则旨在防范的风险中,哪些可能发生?
- 比尔·阿克曼会标记哪些警告信号?
- 压力测试:在不利条件下公司表现如何?
- 从该原则的角度,最坏的情况是什么?
### 5. 机会识别
- 通过这个视角分析能发现什么机会?
- 是否有市场可能低估的隐藏优势?
- 与比尔·阿克曼的理想投资相比如何?
- 有哪些催化剂可能释放与该原则相关的价值?
### 6. 阿克曼裁决
- 总结:{公司名称} 是否通过了"简单可预测的企业"检验?
- 从该原则角度评分:1-10
- 明确建议:买入/持有/避开
- 什么条件会改变你的评估?
- 一段话总结比尔·阿克曼可能的评估
## 输出格式
每个板块都要包含具体数据。结尾给出明确裁决。基础问题
为什么阿克曼偏好商业模式简单的公司?
核心理念:选择商业模式简单、收入可预测的公司
✅ 使用这个AI提示词,你可以从这条原则的视角系统化地分析任何公司或投资机会。
提示词会引导你:
1. 评估投资标的是否符合这条原则的核心要求
2. 识别关键风险和盲点
3. 给出1-10分的综合评级
建议先输入你最熟悉的公司进行练习,逐步掌握分析框架后再应用到新的投资决策中。
✅ 使用这个AI提示词,你可以从这条原则的视角系统化地分析任何公司或投资机会。
提示词会引导你:
1. 评估投资标的是否符合这条原则的核心要求
2. 识别关键风险和盲点
3. 给出1-10分的综合评级
建议先输入你最熟悉的公司进行练习,逐步掌握分析框架后再应用到新的投资决策中。
使用技巧
AI给出的1-10分评级可靠吗?
⚠️ 评分可能高估了复杂企业的投资价值。
评分的价值:
- 简单可预测的公司通常更容易获得稳定的高评分——因为AI也更容易「理解」它们
- 如果AI的分析中充满了不确定的假设和复杂的条件句,说明这家公司可能不够「简单」
- 评分波动小的公司通常比评分波动大的公司更可预测
评分的关键局限:
- 复杂企业的AI评分可能看起来不错,但阿克曼会说「如果你需要一个复杂的Excel模型才能理解它,那就太复杂了」
- 评分无法反映商业模式的「直觉可理解性」——这是阿克曼判断简单性的核心标准
- 科技类、周期类公司可能获得高分但不符合「可预测」标准
✅ 正确做法:如果你看了AI的分析后觉得「太复杂了,看不太懂」,那很可能这家公司就不够简单可预测。信任你的直觉。
评分的价值:
- 简单可预测的公司通常更容易获得稳定的高评分——因为AI也更容易「理解」它们
- 如果AI的分析中充满了不确定的假设和复杂的条件句,说明这家公司可能不够「简单」
- 评分波动小的公司通常比评分波动大的公司更可预测
评分的关键局限:
- 复杂企业的AI评分可能看起来不错,但阿克曼会说「如果你需要一个复杂的Excel模型才能理解它,那就太复杂了」
- 评分无法反映商业模式的「直觉可理解性」——这是阿克曼判断简单性的核心标准
- 科技类、周期类公司可能获得高分但不符合「可预测」标准
✅ 正确做法:如果你看了AI的分析后觉得「太复杂了,看不太懂」,那很可能这家公司就不够简单可预测。信任你的直觉。
更多规则提示词
探索该大师的其他投资原则。