用途：面向股票研究场景，将分析师一致预期、公司财报基本面、历史价格与宏观指标汇总为结构化研究快照，帮助形成投资叙事。核心原则是让工具提供数据，由使用者综合成投资论点，并关注“共识预期可能在哪里出错”。
主要能力（依资料）：qa_ibes_consensus 返回IBES分析师一致预期与实际值，含中位数/均值、分析师数量、高低区间与离散度，支持EPS、营收、EBITDA、DPS；qa_company_fundamentals 返回利润表、资产负债表、现金流量表的历史财年数据，可用于比率分析；qa_historical_equity_price 返回含OHLCV、总回报与beta的历史股价；tscc_historical_pricing_summaries 提供日/周/月历史定价摘要；qa_macroeconomic 提供GDP、CPI、失业率、PMI等宏观指标。
使用方式（工具链流程）：先调用 qa_ibes_consensus 获取FY1、FY2的EPS、营收、EBITDA、DPS预期，记录分析师数量与离散度；再用 qa_company_fundamentals 取近3-5个财年，提取营收增长、利润率、杠杆、ROE、ROIC；用 qa_historical_equity_price 取1年历史计算YTD回报、1年回报、52周区间位置与beta；用 tscc_historical_pricing_summaries 取3个月日线数据观察成交量与近期动能；用 qa_macroeconomic 取GDP、CPI、政策利率，判断宏观是顺风还是逆风；最后综合成含一致预期表、财务摘要、估值指标（由价格/预期EPS推得的远期P/E）与宏观背景的研究笔记。输出采用标准化表格，并以推荐（买入/持有/卖出）、合理价值区间、看多理由、看空理由、潜在催化剂与信心水平收尾。
适用场景：需要快速生成个股或行业层面的研究快照、比较市场预期与基本面、构建初步投资叙事的分析工作。
限制：技能本身仅负责路由与汇总，具体数据由上述MCP工具提供；资料未说明具体数据覆盖范围、更新频率、访问权限、计费方式与使用平台。若缺少相应MCP工具，流程无法执行。