a-share-industry-chain

A股产业链分析 (a-share-industry-chain)

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 产业链内公司行情（市值、PE、PB 等）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...

# 各公司财务指标（营收/利润/毛利率/ROE）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 各公司近 1 年日线（产业链环节走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [1年前日期]

补充数据源：

# 行业板块分类（确定产业链相关行业）
import akshare as ak
df = ak.stock_board_industry_name_em()  # 东方财富行业板块列表

Web 搜索（必须使用，产业链数据时效性强）：

• 产业链图谱 / 上下游关系
• 各环节市场规模、国产化率
• 核心公司市占率、技术路线
• 国产替代进展、卡脖子环节

Workflow

Step 1: 明确目标产业链

• 确定用户关注的产业链（如：新能源车、光伏、半导体、AI 算力等）
• 通过 web 搜索确认产业链的完整定义和边界
• 参考 references/industry-chain-guide.md 中的热门产业链速查
• 如果用户给出的是个股或行业板块，先定位其所在产业链位置

Step 2: 梳理产业链结构（上中下游）

通过 web 搜索 + 行业知识，绘制产业链结构：

上游（原材料/设备/核心零部件）
  ├── 环节A：XX材料 → 代表公司、市场规模、国产化率
  ├── 环节B：XX设备 → 代表公司、市场规模、国产化率
  └── 环节C：XX零部件 → 代表公司、市场规模、国产化率

中游（制造/加工/集成）
  ├── 环节D：XX制造 → 代表公司、产能、市占率
  └── 环节E：XX加工 → 代表公司、产能、市占率

下游（应用/终端/消费）
  ├── 环节F：XX应用 → 代表公司/客户、市场需求
  └── 环节G：XX终端 → 代表品牌、渗透率

每个环节标注：

• 市场规模（亿元）及增速
• 竞争格局（集中 vs 分散）
• 国产化率（%）及趋势
• 核心壁垒（技术/规模/资源/认证）

Step 3: 各环节关键公司（A股可投标的）

通过 cn-stock-data 获取各环节上市公司数据，构建产业链公司地图：

关键要求：

• 区分已上市和未上市公司：未上市但重要的公司也要提及（如华为在多个产业链中的角色）
• 每个环节选取 3-5 家代表性公司（龙头优先）
• 标注公司在产业链中的具体位置和角色

Step 4: 投资分析（核心环节研判）

分析各环节的投资价值：

重点分析：

• 利润最厚的环节：毛利率/净利率最高的是哪个环节，为什么
• 壁垒最高的环节：技术/资质/规模壁垒，护城河在哪里
• 增速最快的环节：受益于行业趋势最明确的方向
• 国产替代机会：卡脖子环节、进口替代空间、政策支持力度
• 风险提示：产能过剩、技术路线变更、政策变化等

Step 5: 输出

根据风格要求输出（默认 brief）。参考 references/industry-chain-guide.md 中的分析框架。

风格说明

关键规则

1. 产业链数据时效性强：必须通过 web 搜索获取最新的产业链结构、市场规模、国产化率数据，不能仅依赖历史知识
2. 注明各环节A股可投标的：每个产业链环节都要明确标注有哪些A股上市公司可以投资
3. 区分已上市和未上市公司：未上市但在产业链中有重要地位的公司（如华为、宁德时代供应商等）要单独标注
4. 关注国产替代进度：对于有进口替代逻辑的产业链，必须分析国产化率现状和趋势
5. 数据+逻辑驱动：所有环节判断必须有数据支撑（市场规模、毛利率、市占率等），不做空泛定性
6. 与其他 skill 联动：报告末尾可建议用 a-share-sector 做行业深度研究，用 a-share-comps 做环节内公司估值对标，用 a-share-stock-screen 在产业链内筛选