تحلیل سهام با AI و شواهد قابل‌ردیابی

Updated 2026-09-06

پرسشی مشخص درباره یک شرکت را به بسته پژوهشی قابل‌بازبینی تبدیل کنید. هویت منبع را حفظ کنید، معیارها را صریح محاسبه کنید و تفسیر را از واقعیت‌های گزارش‌شده جدا نگه دارید.

پرسشی بپرسید که با شواهد حل شود

با پرسشی مانند اینکه آیا تغییرات حاشیه سود گزارش‌شده با محرک‌های عملیاتی افشاشده شرکت سازگار است شروع کنید. ناشر و زمان قطع اطلاعات را مشخص کنید، گزارش‌های قابل‌مقایسه را جمع کنید، تغییرات را محاسبه کنید و از مدل توضیح‌های متصل به آن ورودی‌ها بخواهید. پیش از جمع‌آوری خروجی را تعریف کنید: واقعیت‌های گزارش‌شده، معیارهای محاسبه‌شده، محرک‌های محتمل و پرسش‌های حل‌نشده. این کار راهی ملموس برای ارزیابی نتیجه به بازبین می‌دهد و کمک می‌کند منبع بعدی را انتخاب کنید که تحلیل را بهتر می‌کند، نه اینکه انبوه نامحدودی از مطالب شرکت جمع شود.

گردش‌کار پژوهش مالی: گردآوری منابع عمومی، استخراج واقعیت‌ها، محاسبه و تطبیق، تولید توضیحات همراه با استناد و بررسی نتیجه.
تصویر گردش‌کار. پژوهش و بررسی مبتنی بر منابع از اجرای معاملات جدا هستند.

ناشر و زمان قطع اطلاعات را حل کنید

در کنار ticker ویژه بورس، از شناسه‌های پایدار ناشر استفاده کنید. نوع اوراق، ارز معامله، ارز گزارشگری و تقویم مالی را ثبت کنید. گزارش سالانه ناشر، قیمت سهم محلی و رسید سپرده‌گذاری آمریکا ممکن است اشیای مرتبط اما غیرهمسان را توصیف کنند. مشخص کنید پرسش درباره کسب‌وکار است یا یک اوراق خاص. زمان قطع، آخرین اطلاعات مجاز پژوهش است، نه صرفاً پایان دوره حسابداری. تجدید ارائه‌های بعدی را به‌عنوان نسخه‌های جدید شواهد ذخیره کنید و ورودی‌های قبلی را بی‌صدا جایگزین نکنید.

پیش از درخواست ترکیب، بسته منبع جمع کنید

با افشاهای ناشر، گزارش‌های نهاد ناظر مرتبط و مواد پشتیبان مجاز شروع کنید. submissionهای SEC و رابط‌های XBRL برای ناشران آمریکایی کمک‌کننده‌اند، اما جای منابع افشای بازار محلی یا زمینه گزارش اصلی را نمی‌گیرند. URL منبع، زمان دریافت، hash سند و مکان‌یاب بخش را کنار هر مورد استخراج‌شده نگه دارید. متن تماس درآمدی شواهد حرف گوینده است؛ مظنه بازار شواهد قیمت در زمانی مشخص است؛ هیچ‌کدام خودکار ادعاهای دیگری را تأیید نمی‌کنند. برای ورود هر منبع به بسته دلیل روشنی لازم کنید.

شاهدهویت قابل‌حفظناهماهنگی معمول
گزارشناشر، accession یا نسخه سند، دورهارقام تجدیدارائه‌شده در برابر گزارش اصلی
سری بازارابزار، منطقه زمانی، سیاست تعدیلکلاس سهم یا ارز اشتباه
تماس درآمدیتاریخ رویداد، گوینده، بازنگری متندرنظرگرفتن راهنمایی به‌عنوان عملکرد تحقق‌یافته
محاسبهارجاع‌های ورودی و نسخه فرمولواحدها یا دوره‌های ترکیبی

ابتدا محاسبه کنید، سپس توضیح بخواهید

تغییرات و نسبت‌ها را با کد یا صفحه‌گسترده حسابرسی‌شده محاسبه کنید و ارجاع‌های ورودی و قواعد مخرج را حفظ کنید. نتایج را همراه قطعات منبع مرتبط به مدل بدهید. از آن بخواهید محرک‌های محتمل را توضیح دهد، تناقض‌ها را شناسایی کند و موارد اثبات‌نشده را فهرست کند. برای نمونه، محاسبات درآمد و حاشیه سود را همراه یادداشت بخش بدهید و جدولی بخواهید که هر محرک پیشنهادی را به قطعات پشتیبان نگاشت کند. مدل جاری را بر اساس زمینه و رفتار خروجی لازم انتخاب کنید. رکورد محاسبه را جدا نگه دارید تا بازنگری روایت نتواند بی‌صدا ورودی‌ها را تغییر دهد.

قرارداد گزارش ساختاریافته داشته باشید

واقعیت‌های گزارش‌شده، معیارهای محاسبه‌شده، تفسیرها و ناشناخته‌ها را جدا کنید. هر تفسیر مهم باید به واقعیت‌های پشتیبان اشاره کند و گزینه‌های محتمل را بپذیرد. برای شواهد در دسترس نبودنی مجموعه خالی بگذارید و نمونه ساختگی شبیه نتیجه مالی واقعی نسازید. طرح‌واره زیر طراحی سطح برنامه است، نه قالب جدید درخواست APIsRouter یا پیکربندی پروژه service. اعتبارسنجی شما باید ارجاع منبع مفقود را رد کند و تا بازبینی انسانی استدلال، artifact را در انتظار بگذارد.

{
  "issuer_id": "REQUIRED",
  "as_of": "REQUIRED_ISO_TIMESTAMP",
  "question": "REQUIRED_RESEARCH_QUESTION",
  "facts": [],
  "computed_metrics": [],
  "interpretations": [],
  "counterevidence": [],
  "unknowns": [],
  "review_status": "pending"
}

ادعاها را بررسی کنید، نه فقط قالب استناد را

قطعه استنادشده را باز کنید و بررسی کنید از همان جمله مشخص پشتیبانی می‌کند. دوره، واحد و شرکت را تطبیق دهید. سپس بپرسید آیا تفسیر از شواهد نتیجه می‌شود یا فرض بیان‌نشده‌ای اضافه می‌کند. مدل دوم می‌تواند به یافتن ناسازگاری کمک کند، اما اگر فقط خلاصه مدل اول را ببیند، تأیید مستقل نیست. بسته منبع اصلی و قاعده رد روشن را به بازبین بدهید. اختلاف را حفظ کنید و توضیح‌های رقیب را خودکار در اجماعی مطمئن ادغام نکنید.

هزینه و شواهد شکست را در هر مرحله ثبت کنید

مراحل جمع‌آوری، parsing، محاسبه و مدل را جدا ذخیره کنید تا استخراج ناموفق جدول کل کار را از نو شروع نکند. درخواست‌ها و تلاش‌های قابل‌صورتحساب را بر اساس کار و هویت مدل ثبت کنید و سپس مصرف را با قرارداد قیمت جاری تطبیق دهید. مصرف حل‌نشده را ناشناخته ثبت کنید. اگر منبعی در دسترس نیست، وضعیت پژوهش جزئی را همراه شواهد مفقود برگردانید. گزارش طولانی و کامل‌نما را وقتی ادعای مرکزی‌اش بر گزارش حذف‌شده یا فرض عددی تأییدنشده تکیه دارد موفق ندانید.

شواهد و دسترسی مدل

این راهنما گردش‌کاری متکی بر منبع و ساختار خروجی نمونه ارائه می‌کند، نه پرونده اجرایی یک شرکت. یک پرونده کامل به ورودی‌های مجاز، نسخه منبع و کد، هویت واقعی مدل، رکورد مصرف و ادعاهای بازبینی‌شده نیاز دارد. GPT-6 Astra به‌صورت رسمی وجود دارد، اما بررسی کاتالوگ عمومی APIsRouter در September 5, 2026 آن را فهرست نکرد. برای این گردش‌کار از کاتالوگ جاری مدل انتخاب کنید؛ دسترسی رسمی مدل و دسترس‌پذیری gateway جدا هستند.

پرسش‌های پرتکرار

آیا مدل می‌تواند فقط با ticker یک سهم را تحلیل کند؟

می‌تواند نثر تولید کند، اما تحلیل حسابرسی‌پذیر به هویت ناشر، زمان قطع، منابع واقعی و پرسش پژوهشی تعریف‌شده نیاز دارد.

آیا LLM باید نسبت‌های مالی را محاسبه کند؟

برای معیارهای مهم از محاسبه بازتولیدپذیر استفاده کنید و نتیجه را همراه ورودی‌ها برای توضیح و بازبینی به مدل بدهید.

آیا استناد معتبر نتیجه‌گیری را ثابت می‌کند؟

خیر. قطعه باید از ادعای دقیق پشتیبانی کند و تفسیر همچنان باید از نظر فرض‌ها و گزینه‌های مفقود بازبینی شود.

برای این کار چگونه مدل انتخاب کنم؟

اندازه بسته منبع، ساختار خروجی لازم و تعامل‌های ابزار را بررسی کنید، سپس مدل‌های نامزد را روی همان بسته کارِ بازبینی‌شده مقایسه کنید.

بعد از گزارش یک شرکت، قدم بعدی چیست؟

پیش از گسترش به گردش‌کار فهرست پیگیری تکرارشونده، مدیریت نسخه منبع، وضعیت نتیجه جزئی و بازبینی ادعا را برقرار کنید.