用途：这是一个决策流程型技能，核心价值在于“选对工具”——针对不同公司选择哪种估值指标、哪种指数编制方法契合哪种投资委托，以及分析一只股票的操作顺序。它假定用户能自行查阅定义。
主要能力：
- 估值指标选择。按行业与资本结构匹配指标：金融股（银行、保险）用 P/B、P/TBV、ROE 对比 P/B，避免 EV/EBITDA；资本密集型（工业、电信、能源）用 EV/EBITDA、EV/EBIT，避免单用 P/E；成熟分红股（公用事业、必需消费）用股息率加派息可持续性与 P/E，避免 PEG；高增长低盈利用 EV/Sales、PEG、单位经济，避免 P/E、P/B；周期股（汽车、半导体、材料）用中周期或正常化 P/E、低谷 P/B，避免即期 P/E；负盈利但正现金流用 EV/EBITDA、P/FCF；REITs 与上市地产用 P/FFO、P/AFFO、NAV，避免 P/E；跨境或杠杆不同用 EV 类倍数。通用交叉校验：业务变化时用前瞻（未来12个月）估计，估计质量差时用滚动数据；与公司自身历史和真实可比组比较；把倍数翻译成隐含假设再判断贵贱。
- 指数编制方法选择。便宜且税务高效的市场敞口用市值加权；降低集中度或小盘倾斜用等权；打破价格权重联系用基本面加权；明确因子敞口用因子/风格指数；避免价格加权（如道指式）。选择规则：核心 beta 默认市值加权；仅在用户明确想要内置倾斜并接受换手时用等权或基本面加权；把“smart beta”当作因子组合评估其因子载荷。
- 证券分析顺序：分类业务、质量筛选、确定盈利基准、用匹配指标估值、因子与风格背景、组合适配。
- 关键公式：EV/EBITDA、盈利收益率、PEG、戈登增长模型、CAPM、总回报。
使用方式：技能附带脚本，可运行演示与校验： uv run scripts/equities.py uv run scripts/equities.py --verify python3 scripts/equities.py（需 pip install numpy） 演示会打印估值指标、合成数据上的因子回归和行业集中度分析；--help 可查看类与函数列表。程序化使用应导入模块而非直接运行。
适用场景：股票估值指标选择、指数方法评估、个股分析流程、因子与风格敞口判断、权益组合构建与适配。
限制：资料未提供具体收费、价格、平台支持范围等信息；脚本演示依赖 numpy 或 PEP 723 内联依赖；戈登增长模型仅在 g < r 时有效；因子择时通常无效。