用途：TAM-Adj-PEG 用于评估股票估值，把传统 PEG 的“当前估值相对未来 EPS 增速是否昂贵”扩展为“增长能持续多久、TAM 是否够大、公司能否把 TAM 增长转化为持久利润”。适用于 AI 基础设施、半导体、医疗、SaaS、支付网络、高增长制造商、瓶颈供应商、早期反转股和期权型股票。结果仅作研究分析，非投资建议，计算前需从最新来源核实估值、预期、TAM、利润率和公司数据。
主要能力与公式：核心公式为 TAM-Adj-PEG = Forward PE / (EPS CAGR × TAM Runway Factor × Quality Factor)，修正后增长率 = EPS CAGR × TAM Runway Factor × Quality Factor。EPS CAGR 以百分数代入分母，如 forward PE 为 40、修正增长 50%，则结果为 0.8。TAM CAGR 不直接加到 EPS CAGR 上，而主要调整增长持续时间和确定性。TAM Runway Factor = sqrt(Growth Duration / 5)，按 2 年至 20 年以上分别给 0.6 至 2.0。Quality Factor 分档从 0.3-0.5（早期亏损、高稀释风险）到 1.5+（罕见超级平台或 AI 时代瓶颈资产），并需回答九个问题，包括 TAM 增长能否归属该公司、定价权、客户集中度、技术迭代、利润率可持续性、资本开支、竞争者追赶、融资依赖以及前沿 AI 模型是否侵蚀其价值。
使用方式：需收集最新数据，包括估值（当前/远期 PE、传统 PEG）、增长（2-3 年 EPS CAGR、收入 CAGR、TAM CAGR、收入/TAM 渗透率）、利润质量（毛利率、EBIT 率、自由现金流、资本开支、稀释风险）和业务质量。美国上市公司以 SEC 文件为基础，可选 edgartools 获取 10-K、10-Q、8-K 等，安装命令为 pip install edgartools 或 uv pip install edgartools，导入包为 edgar，请求前需设置 EDGAR_IDENTITY 或调用 set_identity。SEC 数据仅支持已报告事实，不用于远期 PE、EPS CAGR、共识修正、TAM 规模等预测。输出按固定结构：当前估值、增长拆解、TAM Runway Factor、Quality Factor、TAM-Adj-PEG 计算与结论，并可用 Mermaid 图表辅助。
适用场景与限制：结果分档从 <0.5（很便宜，需验证预测是否过于乐观）到 >2.5（很贵或输入失真）。亏损公司不直接使用 PE，改用归一化 EPS、EV/Sales、里程碑情景或期权式框架；周期股用归一化 EPS 并下调 Quality Factor；反转股需给出基准与反转成功两个版本。所有结果仅供参考，不构成投资建议。