讓財報簡單說這是什麼樣的生意

股價每天都在動，但公司體質不會只寫在 K 線上。L1L 先把公司怎麼賺錢、錢有沒有真的留下來、成長能不能延續講清楚，再回頭看目前價格是不是已經期待得太多。

範例成品：十家公司公開研究報告，用來展示 AI 協作下的研究輸出與閱讀介面；對方法、人機分工與品質機制有興趣，再往下閱讀這份案例說明。

散戶真正想先知道的事

現在買進，是買到機會，還是買在山頂上？

第一段｜已完成成品與五分鐘閱讀

先把商業模式、三大財報、現金流、資本支出、管理層說法、成長週期與估值條件排成一張地圖。五分鐘後，你至少能判斷下一步該追收入、現金、競爭、資本配置，還是市場期待本身。

第二段｜方法與治理：人先定方向，AI 才能開始工作

選擇彼得・林奇作為白話的公司閱讀方式，並把相關著作、投資機構／投行實務人士的財報閱讀要點、杜邦分析與會計判讀規則整理成教材與策略方針。再依公司怎麼做生意、處在什麼成長階段，決定該看哪些財報線索、該用哪一類估值方法，以及哪些說法必須再找反證。

在這些規則下，AI／Codex 協助讀取與整理財報、分類公司特性、依條件匹配估值方法、整理 GAAP／非 GAAP 對照與跨期變化、彙整管理層說明，並把結果組成可閱讀的報告草稿。它加快的是整理與比較，不是代替我決定公司好壞。

我檢查 AI 有沒有用錯前提、忽略資料缺口或把故事講得太滿；也決定模型要怎麼調整、研究能否繼續，以及哪些內容可以對外呈現。

第二段補充｜帳面數字要先看回經營本質

公司公開資料裡，常同時有依會計準則呈現的數字，和管理層為了說明營運而提出的調整後指標。L1L 不把後者直接當答案，而是把調整項目、可比較的原始數字、期間一致性與現金流一起放回來看。

第三段｜可遷移價值與後續研究範圍

第二段補證｜研究可信的條件

來源、資料時間、期間一致性與核心欄位都要先通過檢查。資料不足就停在缺口狀態，不用假設補齊，也不推進到讀者報告。

協作不是把責任交出去

把「這家公司還值不值得花時間研究」轉成可檢查的問題，提供方法教材、選擇判讀順序與調整模型，並定義公開讀者頁、研究報告與私人策略之間的權責邊界。

協助把方法轉成研究規則、資料契約、文件、程式、測試與報告整理。是否採用結果、如何調整策略、是否切換版本與是否可公開，仍由我決定。

這次協作讓我學到什麼

我原本的背景是藝術與攝影，而不是金融。這個案例從資料整理、閱讀初版報告、回頭查錯與修正規則開始；每一次追問，都讓我更理解公司、投資研究與產業分析到底在看哪些關鍵參數。

長期協作的價值，不只是把陌生領域的資料變成一份報告，而是讓人逐步建立能對話、能追問、能辨識資料不足的工作素養。這也是我理解 AI 最有價值的地方：它可以放大人的學習速度，但不能跳過人的理解與驗證責任。

這是跨域研究與工作方法的學習紀錄，不等同於金融從業資格、會計專業意見或投資建議。

回到第一段｜可直接閱讀的研究證據

AI 協作研究範例成品：公開閱讀副本包含網路平台與 SaaS 十家公司研究，其中可直接查看 Uber 與 Google 的完整章節。它用來展示研究輸出與閱讀介面；履歷頁保留方法、分工與邊界，並非即時投資服務。