Methodology / 方法論
透明規則的投資研究工作流說明；這裡解釋系統如何產生研究清單、審查 badge、同業覆蓋與限制。
產品定位
rr-dashboard 的目標不是輸出買賣建議，而是把 watchlist 轉成一套可複查、可解釋、可每週執行的研究流程。
系統會排序「今天該研究什麼、為什麼、下一步做什麼」，但最終判斷仍需人工確認。
重要邊界 所有 badge、queue 與 action 都是研究輔助，不是投資建議、收益承諾或買賣訊號。
1 · MVP Goal
在 8 週內，把 rr-dashboard 推進成可驗證商業價值的投資研究工作流 MVP。核心目標是驗證 10 位 beta 使用者是否願意用它每週管理 50～150 檔 watchlist，
並至少有 3 位願意為「今日研究清單、公司研究頁、透明審查規則、每週研究摘要」付費。
- 10 位 beta 使用者完成試用。
- 7 位能在第一次使用 10 分鐘內找到至少 3 個研究動作。
- 5 位連續 3 週每週使用至少 2 次。
- 90% 的研究清單項目與審查 badge 可被使用者理解原因。
- 至少 3 位願意為今日研究清單、公司研究頁、透明審查規則、每週研究摘要付費。
2 · 今日研究清單如何產生
Research Queue 是 deterministic rule，不是黑盒模型。它把每檔公司放進研究 bucket，讓使用者知道優先處理順序與原因。
優先研究
多個條件同時支持進一步研究，但仍只是研究排序，不是買進建議。
風險複查
反方或 R/R 條件出現 caution，需要先確認風險與等待條件。
資料補強
品質、同業覆蓋或基本面欄位不足，先補資料再做比較。
報告更新
報告可能過期，或自報告後價格位移太大，需要重看假設。
同一檔可能符合多個原因；UI 以研究流程呈現，不使用「買進 / 賣出 / 推薦」語彙。
3 · 投資審查 badge 的四個視角
每個 badge 都是對現有 dashboard 資料做規則式檢查。資料不足時，系統應標示 unknown 或 caution，而不是硬產生結論。
R/R
檢查目前價格相對目標與停損，是否有足夠研究價值。
- good：R/R 充足、距停損仍有緩衝。
- caution / unknown：R/R 不足或已接近風險邊界。
成長
用現有欄位辨識成長動能是否值得進一步看報告。
- good：趨勢、分類或事件資料支持進一步研究。
- caution / unknown：成長證據不足，或需要等待更多資料確認。
品質
檢查基本面欄位覆蓋率與品質證據是否足夠。
- good：已有可用品質資料支撐審查。
- caution / unknown：資料不足時標示 unknown，不用假精準結論補洞。
反方
刻意找出不該急著研究或不該下結論的理由。
- good：目前沒有明顯反方警示。
- caution / unknown：狀態暫緩、資料不足、報告過期或風險需要複查。
4 · 同業分組與覆蓋率
目前同業組是保守基礎版：market + radar sector。例如台股半導體會形成 TW:半導體業。
這能提供 coverage transparency，但還不是精準 business model peer group。
- coverage low：基本面欄位不足，暫不做同業排名或估值高低結論。
- business group unknown：不直接拿同一大產業內不同商業模式公司比較。
- 未來條件：只有 business_group 相同且 coverage_level 至少 medium，才適合做 peer-relative review。
5 · 報告新鮮度
報告頁與研究清單會檢查報告更新時間與自報告後價格位移。若報告可能過期，系統會把它列為「報告更新」或在公司頁顯示研究動作。
- 報告過久未更新 → 需要重看 thesis、風險、催化劑與估值假設。
- 價格自報告後大幅位移 → 需重新確認 R/R 與等待條件。
- 報告新鮮不代表可投資，只代表文字假設較接近目前資料。
6 · 不做什麼
- 不做黑盒分數或無法解釋的 AI 推薦。
- 不使用買進、賣出、強烈推薦等投資建議語彙。
- 資料覆蓋不足時，不做同業排名、PE percentile 或品質高低結論。
- 不追求全市場資料平台；MVP 先聚焦 50～150 檔 watchlist 的研究流程。
- 不把 Research Queue 當成報酬預測，只把它當成研究優先順序。