严的铜算盘敲在《规则长城》"共识偏差案例库"页——2021年某"新能源龙头"因"市场一致预期增长50%"被300家机构覆盖，实则因"技术路线错误"次年利润下滑30%。他拨动算珠演示："传统投研因'共识背书'扎堆研究，实则忽视'预期与现实的背离度'——灰度不是模糊，是用数据'测量'共识的泡沫厚度。"
陈默在"情绪沙盘"上画出"灰度筛选流程图"："当系统检测到'机构覆盖数＞50家'时，需经三步校验：1. 预期分歧度（最高预期vs最低预期差值＞30%）；2. 沉默数据异常度（如'营收增长但现金流恶化'）；3. 管理层诚信评分（＜60分预警）。灰度筛选是防止'共识绑架研究'。"
3. 筛"静态标签"，留"动态潜力"
"传统投研的'行业标签'，是价值的'固化枷锁'。"陆孤影翻开"独立之路"档案，里面夹着"2020年疫情冲击"的投研报告——传统机构因"消费行业标签"维持高关注度，实则因"线上转型滞后"导致组合回撤40%。他指着《筛选手册》上的"动态潜力七步法"："自建筛选的第三条铁律：筛选不是'贴标签'，是'找种子'。"
周严在活页本写下"潜力筛选原则"："1. 技术迭代速度（专利更新周期＜12个月）；2. 管理层战略执行力（历史承诺兑现率＞80%）；3. 产业链重构参与度（如'国产替代'核心供应商）。用动态潜力给筛选'松绑'。"
二、体系框架：数据-模型-分级的"筛选流水线"
1. 数据支柱：沉默数据的"采集-清洗-关联"
自建体系的数据支柱，以"生态位-周期-风险"三维沉默数据为核心，构建"筛选-排除-分级"联动的采集网络，如同给筛选做"全身CT"：
（1）生态位数据：筛选中枢的"定盘星"
林静的"逻辑蜂巢"白板贴满"生态位数据采集协议"：
• 生态位评分：横向议价权（0-100分，含客户集中度、供应商账期）、纵向技术力（0-100分，含专利数量、研发投入占比）、深度抗风险（0-100分，含现金储备倍数、负债刚性），综合评分=Σ(单项得分×权重)（权重：议价权30%、技术力40%、抗风险30%）；
• 行业相对位置：与行业龙头的生态位评分差值（如"华芯36.7分 vs 龙头80分"）、与行业均值的偏离度（±20%为正常区间
本章未完，请点击下一页继续阅读！