自下而上分析 - AI分析提示词
这条Seth Klarman规则提示词会把「自下而上分析」落到一家公司或标的上：你需要先准备哪些输入、最小检查清单应该问哪些问题、哪些证据会推翻当前判断，以及最常见的误读是什么。把输出当作研究草稿：关键数字回到财报/公告核验，并在写清仓位上限与复盘时间点之前，不要把它当作买卖信号。
完整提示词
你是一名受过塞思·卡拉曼"自下而上分析"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
塞思·卡拉曼的教导："我们是自下而上的投资者。我们不做宏观预测——我们寻找被错误定价的个别证券。"
## 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"自下而上分析"最相关？
- 评价公司与该原则的契合度：强/中/弱
- 塞思·卡拉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"自下而上分析"的视角，数据讲述了什么故事？
### 3. 定性深度分析
- 评估塞思·卡拉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
- 塞思·卡拉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？
- 塞思·卡拉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？
- 与塞思·卡拉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. 卡拉曼裁决
- 总结：{公司名称} 是否通过了"自下而上分析"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？
- 一段话总结塞思·卡拉曼可能的评估
## 输出格式
每个板块都要包含具体数据。结尾给出明确裁决。延伸阅读（把提示词接回决策闭环）
如果你想把输出变成可核验的判断，从下面任选一条路径继续。
- 对应原则解读定义、适用边界、误用风险与最小检查清单。
- 大师方法论主页快速理解这位大师的决策风格与常见误读。
- 用场景练习执行把结论落到“遇到压力时我怎么做”。
- 同一大师的更多规则用多条规则交叉验证，避免只盯一条提示词。
仅用于学习与研究，不构成投资建议；关键事实请回到一手资料核验。
基础问题
自下而上分析为什么比宏观预测更适合个人投资者？
克拉曼坚持自下而上分析的原因：
📌 宏观预测的问题：
1. 准确率极低——连央行和经济学家都经常预测错误
2. 即使方向对了，时间点也很难判断
3. 宏观正确不代表选股正确
✅ 自下而上的优势：
1. 你可以深入研究一家公司的所有细节
2. 公司的财务数据是可验证的（不像宏观指标有滞后性）
3. 找到被低估的好公司，无论宏观环境如何都能获利
克拉曼的方法：先找到好公司，再看宏观环境是否构成额外风险。
📌 宏观预测的问题：
1. 准确率极低——连央行和经济学家都经常预测错误
2. 即使方向对了，时间点也很难判断
3. 宏观正确不代表选股正确
✅ 自下而上的优势：
1. 你可以深入研究一家公司的所有细节
2. 公司的财务数据是可验证的（不像宏观指标有滞后性）
3. 找到被低估的好公司，无论宏观环境如何都能获利
克拉曼的方法：先找到好公司，再看宏观环境是否构成额外风险。
使用技巧
AI给出的1-10分评级可靠吗？
⚠️ 自下而上评分衡量的是"你对这家具体公司的理解深度"，而非宏观趋势判断。
评分的独特逻辑：
- 卡拉曼认为大多数投资者犯错是因为他们自上而下地做决策——先看宏观再找标的，而非从具体公司出发
- 高分意味着你的分析聚焦于公司本身的价值，不受宏观噪音干扰
- 低分说明你的分析可能过度依赖宏观判断或行业趋势，而忽略了公司的具体情况
使用注意：
- 自下而上不是"忽略宏观"，而是"先看公司，再考虑宏观如何影响公司"
- AI可能在分析中不自觉地加入过多宏观叙事——要求它聚焦公司具体数据
- 最好的自下而上分析是能够回答："这家公司最少值多少钱？"（清算价值思维）
评分的独特逻辑：
- 卡拉曼认为大多数投资者犯错是因为他们自上而下地做决策——先看宏观再找标的，而非从具体公司出发
- 高分意味着你的分析聚焦于公司本身的价值，不受宏观噪音干扰
- 低分说明你的分析可能过度依赖宏观判断或行业趋势，而忽略了公司的具体情况
使用注意：
- 自下而上不是"忽略宏观"，而是"先看公司，再考虑宏观如何影响公司"
- AI可能在分析中不自觉地加入过多宏观叙事——要求它聚焦公司具体数据
- 最好的自下而上分析是能够回答："这家公司最少值多少钱？"（清算价值思维）
使用方式
这条提示词会给我明确的买卖建议吗？
不会。它的作用是把你的判断拆成“可核验的输入与约束”：你缺哪些关键信息、哪些假设最脆弱、哪些证据会推翻结论。把输出当作研究草稿：关键数字回到财报/公告/电话会核验；结论只在你能写出反证触发条件、仓位上限与下一步行动时才有参考价值。
我应该准备哪些输入，才能让输出更可靠？
至少准备：一句话商业模式、你当前的 thesis（为什么会赢/输）、时间跨度与风险约束、估值/价格区间、最近一份财报与关键指标（盈利质量、现金流、负债/流动性）、以及 1–2 个可比对手或替代方案。信息不足时直接标注“缺证据/不确定”，不要让 AI 用猜测把空白补满。
核验与边界
如何核验输出是否可信？
用“可证伪”的方式核验：把输出里每条关键断言改写成可检查的句子（指标/时间窗/来源）。数字对照财报与现金流；管理层表述要能在公告/电话会找到；竞争优势要有证据（定价权、留存、成本结构等）。任何无法追溯来源的部分，记录为“待证据任务”，不要直接变成行动触发器。
哪些情况下我不该根据输出做动作？
当你无法写出反证触发条件、无法定义仓位上限，或对「自下而上分析」涉及的关键事实没有一手证据时，不要行动。更安全的下一步通常是降低频率/降低仓位，并设定下一次复盘时间点。
更多规则提示词
探索该大师的其他投资原则。