Phil Fisher Agent 教程：长期成长质量、R&D 投入与 Scuttlebutt...

Phil Fisher Agent 教程：长期成长质量、R&D 投入与 Scuttlebutt 基本面研究

难度：入门

Phil Fisher 是《怎样选择成长股》的作者，以「闲聊法」（Scuttlebutt）和长期持有优质成长公司著称。与 Peter Lynch 的 GARP 不同，Fisher 愿意为卓越管理层和研发管线支付更高估值，核心问题是：这家公司能否在未来 3-5 年持续复合增长？在本项目中，phil_fisher_agent 将 Fisher 的六大关注点编码为六维加权评分，是系统中「质量成长」派的代表分析师。

本文你将学到

• Fisher 的 Scuttlebutt 研究法在代码中如何简化为基本面 + 新闻 + 内部人三维辅助
• 六维权重分配：成长质量 30%、利润率稳定 25%、管理效率 20%……
• analyze_fisher_growth_quality 中 R&D 占比评分阈值（3%-15% 为健康区间）
• CAGR 年化增长率与 Lynch 简单同比增幅的方法论差异
• Python 信号阈值与 LLM 长文推理的协作机制

投资原理 / 人设与关注点

Fisher 的投资哲学强调长期视角下的成长质量，而非短期估值便宜：

1. 长期成长潜力：营收、EPS 年化复合增长率（CAGR）应持续高于行业
2. 管理层质量：资本配置理性、研发投入有效、杠杆可控
3. R&D 投资未来：研发占营收 3%-15% 为健康信号，代表对未来产品的押注
4. 利润率一致性：营业利润率、毛利率应稳定或改善，体现定价权
5. 愿为质量付费：P/E < 20、P/FCF < 20 加分，但不会因为「贵」就否定好公司
6. Scuttlebutt 精神：代码中用新闻情绪与内部人交易模拟外部调研佐证

Fisher 与 Lynch 的关键区别：Lynch 用 PEG 做估值锚，Fisher 用 CAGR + R&D + 利润率稳定性 做质量锚，对估值容忍度更高。Fisher 常说「买入优秀公司并长期持有」，因此他的 Agent 对短期股价波动几乎无感，更关注管理层能否把研发投入转化为未来三年的竞争优势。

执行逻辑（拉数→分析子步骤→信号映射→LLM→写回状态）

phil_fisher_agent(state, agent_id) 执行流程：

第一步：拉数

• search_line_items：年度数据 limit=5，含 revenue、net_income、EPS、FCF、R&D、operating_margin、gross_margin、total_debt、shareholders_equity、ebit、ebitda
• get_market_cap：P/E、P/FCF 计算
• get_insider_trades：limit=50
• get_company_news：limit=50

第二步：六路子分析

growth_quality    = analyze_fisher_growth_quality(financial_line_items)
margins_stability = analyze_margins_stability(financial_line_items)
mgmt_efficiency   = analyze_management_efficiency_leverage(financial_line_items)
fisher_valuation  = analyze_fisher_valuation(financial_line_items, market_cap)
insider_activity  = analyze_insider_activity(insider_trades)
sentiment_analysis = analyze_sentiment(company_news)
​

第三步：加权总分

total_score = (
    growth_quality["score"]    * 0.30
    + margins_stability["score"] * 0.25
    + mgmt_efficiency["score"] * 0.20
    + fisher_valuation["score"]  * 0.15
    + insider_activity["score"]  * 0.05
    + sentiment_analysis["score"] * 0.05
)
​

第四步：Python 层信号映射

if total_score >= 7.5:   signal = "bullish"
elif total_score <= 4.5: signal = "bearish"
else:                    signal = "neutral"
​

第五步：LLM 生成长文推理

与 Buffett/Taleb 的短推理不同，Fisher LLM 被要求输出详细长文：讨论 3-5 年增长前景、R&D 管线、竞争壁垒，使用 Fisher 冷静、系统化的口吻。

第六步：写回 analyst_signals

关键源码逻辑（pseudocode/code from real agent; function names; scoring thresholds）

1. 成长与质量 analyze_fisher_growth_quality（原始分 0-9，缩放至 0-10）

# 营收 CAGR（注意：Fisher 用年化复合，Lynch 用简单增幅）
rev_growth = (latest_rev / oldest_rev) ** (1/num_years) - 1
if rev_growth > 0.20: raw_score += 3   # 年复合 >20%
elif rev_growth > 0.10: raw_score += 2
elif rev_growth > 0.03: raw_score += 1

# EPS CAGR（同样三档，最高 +3）

# R&D 占营收比
rnd_ratio = recent_rnd / recent_rev
if 0.03 <= rnd_ratio <= 0.15: raw_score += 3  # 健康研发区间
elif rnd_ratio > 0.15:         raw_score += 2  # 很高，需管理得当
elif rnd_ratio > 0.0:          raw_score += 1

final_score = min(10, (raw_score / 9) * 10)
​

2. 利润率稳定 analyze_margins_stability（原始分 0-6，缩放至 0-10）

# 营业利润率：最新 >= 最旧 且为正 → +2
# 毛利率水平
if gross_margin > 0.50: raw_score += 2
elif gross_margin > 0.30: raw_score += 1

# 多年利润率波动（标准差）
if stdev(op_margins) < 0.02: raw_score += 2  # 极稳定
elif stdev < 0.05:           raw_score += 1
​

3. 管理效率 analyze_management_efficiency_leverage（原始分 0-6，缩放至 0-10）

roe = net_income / shareholders_equity
if roe > 0.20: raw_score += 3
elif roe > 0.10: raw_score += 2
elif roe > 0:    raw_score += 1

if debt_to_equity < 0.3: raw_score += 2
elif dte < 1.0:          raw_score += 1

# FCF 一致性：80% 以上期间为正 → +1
​

4. 估值 analyze_fisher_valuation（原始分 0-4，缩放至 0-10）

pe = market_cap / net_income
if pe < 20: pe_points = 2
elif pe < 30: pe_points = 1

pfcf = market_cap / free_cash_flow
if pfcf < 20: pfcf_points = 2
elif pfcf < 30: pfcf_points = 1
​

Fisher 的估值阈值比 Lynch 宽松（Lynch PEG < 1 加 3 分，Fisher P/E < 20 仅加 2 分），体现「愿为质量付费」。

5. 内部人与情绪

逻辑与 Lynch Agent 完全相同：buy_ratio > 0.7 → 8 分；负面新闻超 30% → 3 分。

适合和谁搭配读

• 与 Peter Lynch Agent：成长双雄，Lynch 看 PEG 速度，Fisher 看 R&D 质量与利润率稳定性
• 与 Cathie Wood Agent：两者都重视研发，Wood 偏颠覆式创新容忍亏损，Fisher 要求利润率证明研发有效
• 与 Warren Buffett Agent：Fisher 接受更高估值，Buffett 要求安全边际；Fisher bullish + Buffett neutral 常见于「好公司但贵」情形
• 与 Rakesh Jhunjhunwala Agent：Jhunjhunwala 也看成长，但加入印度式安全边际 DCF；可交叉验证 Fisher 的质量评分

小结

phil_fisher_agent 是系统中最注重长期成长质量的分析师：用 CAGR 而非简单增幅衡量增长，用 R&D 占比衡量未来投资，用利润率标准差衡量经营稳定性。六维加权后 ≥7.5 分倾向 bullish，LLM 输出 Fisher 式详细研究报告。实操要点：先看 growth_quality 中的 R&D 比率和 CAGR，再看 margins_stability 中的利润率波动——这是 Fisher 评判「卓越公司」的两把尺子。

下一篇请阅读同目录下的《Rakesh Jhunjhunwala Agent 教程：安全边际、内在价值与印度股神价值投资》。