研究方法论
OurAlpha 每一篇个股深度，都遵循同一套数据可信度分层方法（A/B/C/D 四级口径）。本页面详细解释这套方法如何执行、为什么这样设计、以及它在文章中具体长什么样。
为什么需要分层
美股研究信息密度极高，不同来源的数据可信度天差地别。一段话里可能同时混着：
- 公司 IR 官方公开的审计数据
- CFO 在电话会上的口述（带 forward-looking 含义）
- 媒体二手报道（可能引用又被剪辑）
- 卖方分析师的情景估算
如果把这些当成同一可信度陈述，文章很容易出现"看起来权威，实则误导"的段落——这是金融内容站最常见的失信路径。
OurAlpha 的解决方案：每一处数据陈述都必须标注其等级。
A / B / C / D 四级口径
A 类——官方披露（最高可信度）
| 类型 | 例 |
|---|---|
| 公司 IR 季度财报 | https://www.microsoft.com/en-us/investor/earnings/fy-2026-q3/... |
| 10-Q / 10-K SEC filing | EDGAR 系统直接获取 |
| 官方公告 | 公司新闻稿、产品发布页、官方博客 |
| 官方社交账号 | 公司经过 verification 的 X / LinkedIn 等 |
特征：数字经过 SEC / 审计师认证、引述可逐字溯源、责任主体明确。
OurAlpha 写法：直接陈述，必须给出具体 URL 或文档 ID。
✅ "Q3 FY26 营收 $82.9B（Microsoft IR）" ✅ "10-Q 第 17 页披露 RPO $627B"
B 类——管理层电话会口径（高可信度，但属"口述"）
| 类型 | 例 |
|---|---|
| Earnings call transcript | CEO / CFO 的逐字稿 |
| 投资者大会发言 | CES / Goldman 大会 / Davos 等 |
| 官方采访 | CNBC / Bloomberg / WSJ 一手访谈 |
特征：可逐字回放，但性质是口述——可能含 forward-looking、可能不构成法律披露、可能后续被调整。
OurAlpha 写法：必须明确标"管理层口径 / Hood 称 / Nadella 在电话会表示"，不写成"微软披露"。
✅ "Hood 在 Q3 电话会上表示 calendar 2026 capex 约 $190B（管理层口径，非审计指引）" ❌ "微软指引 2026 capex $190B"（这是把口述误称作正式 guidance）
C 类——主流媒体 / 卖方报道（中等可信度）
| 类型 | 例 |
|---|---|
| 一手财经媒体 | Reuters / Bloomberg / Barron's / CNBC / FT / WSJ |
| 卖方分析师 | Goldman / Morgan Stanley / BofA / Wedbush 等 published note |
| 行业研究机构 | TrendForce / Counterpoint / Gartner 等 |
特征：报道本身经过编辑核查，但仍是二手——可能误读、可能剪辑、可能基于源方未披露细节。
OurAlpha 写法：必须标媒体名 / 报告名，链接可点击。
✅ "据 Reuters 报道，OpenAI 向微软支付的 20% revenue share 保留至 2030 年" ✅ "Wedbush 5/2 报告将 NVDA 目标价上调至 $320"
红线：C 类不引用任何与 OurAlpha 类似的"中文 AI 财经内容站"作为核心来源（避免回音室）。
D 类——情景假设（OurAlpha 编辑判断）
| 类型 | 例 |
|---|---|
| OurAlpha 估值反推 | "如果 FY28 EPS 到 $25，22x P/E 对应 $550" |
| OurAlpha 情景估算 | "Copilot 实际 ARR 估算 $3.5-5.5B" |
| OurAlpha 风险情景 | "如果 Azure CC 增速跌破 38%..." |
| OurAlpha 行业判断 | "Maia 200 在 Azure inference 池占比情景为 20-30%" |
特征：这是编辑判断，不是公司披露、不是媒体报道。完全在 OurAlpha 责任范围内。
OurAlpha 写法：必须明确标"OurAlpha 视角 / OurAlpha 情景估算 / 作者推演"，绝不混在 A/B/C 段落中陈述。
✅ "OurAlpha 情景估算：Copilot 实际 ARR 可能落在 $3.5-5.5B 区间" ✅ "OurAlpha 简化反推：22x × $25 FY28 EPS ≈ $550 目标价" ❌ "Copilot ARR 大约 $4 亿"（这是把情景估算误称作事实陈述）
文章中的呈现方式
每一篇 OurAlpha 个股深度，末尾必须包含"数据可信度分层说明"段，复述本篇文章中 A/B/C/D 各类数据的具体例子，让读者一眼看清"哪些是事实、哪些是判断"。
例：
A 类：Q3 FY26 营收 $82.9B、Azure +40% CC +39%、Copilot 付费坐席 2000 万、Maia 200 specs。
B 类：AI run-rate $37B、Calendar 2026 capex $190B、Q4 FY26 Azure 指引 +3940%。
C 类：财报日股价 -4~5%、AWS-OpenAI $50B 交易细节。
D 类：Copilot 实际 ARR $3.5-5.5B、FY28 EPS 情景区间、Maia 200 在 Azure inference 池占比 20-30%。
文中涉及 D 类的内容均不应视为公司官方指引。
高危句型清单（OurAlpha 内部规则）
以下句型是 OurAlpha 编辑过程中必须警惕的——它们经常把 D 类悄悄写成 A 类：
| ⚠️ 句型 | 风险 | OurAlpha 修正方式 |
|---|---|---|
| "微软实际 AI 营收..." | 暗示是公司披露，其实是估算 | "OurAlpha 估算：微软实际 AI 营收..." |
| "Azure AI 分部利润率约 X" | 微软未公开该口径 | 删除或改为"按行业可比口径估算..." |
| "管理层暗示 Y" | 'Hood 在电话会上提到 Y' 比'管理层暗示'更准 | 用 transcript 原句 + 出处 |
| "公司透露..." | 含糊主语 + 暗示内部信息 | 明确：CEO / IR / 10-Q 哪个出处 |
修正与更新
事实错误：发现后 24 小时内修正 + 标注 Correction Note，详见 修正记录。
方法论本身更新：本页面会随经验更新，每次更新会在底部标注日期。
如对方法论本身有建议或反馈，欢迎发邮件到 hello@ouralpha.app。
本页面最后更新：2026-05-16。