CommunityRecherche & Datenanalysegithub.com

liangdabiao/stock-research-executor

Aktien-Research-Ausführungs-Engine, die einen 8-stufigen Due-Diligence-Prozess durchführt. Empfängt strukturierte Research-Anweisungen von stock-question-refiner, setzt Multi-Agenten-Parallelforschung ein und generiert einen Referenzen enthaltenden Due-Diligence-Bericht. Abgedeckt: Unternehmensfakten-Basis, Branchenzyklen, Geschäftsaufschlüsselung, Finanzqualität, Eigentümerstruktur, Marktdiskrepanz, Bewertungs-Burggraben, Gesamtbericht. Verwenden Sie dieses Skill für Aktienresearch, Fundamentalanalyse und Due Diligence.

Was ist stock-research-executor?

Dieses Skill, stock-research-executor, ist eine automatisierte Aktien-Research-Plattform, die einen vollständigen 8-stufigen Due-Diligence-Prozess abdeckt. Es empfängt strukturierte Research-Anfragen vom vorgelagerten Skill stock-question-refiner und orchestriert mehrere KI-Agenten parallel, um jede Stufe zu untersuchen. Das Ergebnis ist ein umfassender Investment-Bericht mit zitierten Quellen, der die folgenden Bereiche abdeckt: Unternehmensfakten (Gründung, Produkte, Historie), Branchenzyklus (Wachstumsphase, Wettbewerbsdynamik), Geschäftsaufschlüsselung (Segmentanalyse, Umsatztreiber), Finanzqualität (Bilanz, Gewinn- und Verlustrechnung, Cashflow), Eigentümerstruktur und Governance, Marktdiskrepanz (Analystenstimmung), Bewertungs-Burggraben (KBV, KGV, DCF) und eine schlussfolgernde Zusammenfassung. Dieses Skill ist besonders nützlich für Anleger, Fundamentalanalysten und Finanzprofis, die sich wiederholende Research-Aufgaben automatisieren und standardisierte, zuverlässige Due-Diligence-Berichte erhalten möchten. Die parallele Verarbeitung durch mehrere Agenten reduziert die Durchlaufzeit erheblich, während der strukturierte Ausgabebericht die Entscheidungsfindung unterstützt.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/liangdabiao/claude-code-stock-deep-research-agent/tree/main/skills/stock-research-executor

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht stock-research-executor?

Aktien-Research-Ausführungs-Engine, die einen 8-stufigen Due-Diligence-Prozess durchführt. Empfängt strukturierte Research-Anweisungen von stock-question-refiner, setzt Multi-Agenten-Parallelforschung ein und generiert einen Referenzen enthaltenden Due-Diligence-Bericht. Abgedeckt: Unternehmensfakten-Basis, Branchenzyklen, Geschäftsaufschlüsselung, Finanzqualität, Eigentümerstruktur, Marktdiskrepanz, Bewertungs-Burggraben, Gesamtbericht. Verwenden Sie dieses Skill für Aktienresearch, Fundamentalanalyse und Due Diligence.

Verwandte Skills

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More Recherche & Datenanalyse skills