前幾天已經完成了
產業產值評估的五個模型
在有了相關Vide coding經驗後
對於在Calude中prompting已經是越來越熟捻
今天開始，這個專案的戰場移轉至「企業評估」的部分~

那當然第一個模型，一定是最基本也是最常見的「同業標竿比較」
通常在企業產值評估時
我們最常被問的是「企業的營收、毛利，在同業裡標準如何？」
因此這也是企業產值評估的基礎~

一、今日目標

• 從預抓的上市櫃財務資料中篩出同業
• 計算營收、毛利率、營收成長率的中位數與四分位
• 把數字放上分布圖看落點

二、模型設計

在同業篩選上
主要是透過之前在Day 8做過的方式
即行業代碼，從 financials.json 取同行業上市櫃
之後進行統計分析，透過各統計量（如中位數等進行分析）
最後進行落點呈現（分布帶＋四分位框）

三、我下的 Prompt

依企業模型1規格實作 models/benchmark.ts

1. 從 data/financials.json 篩選指定行業代碼的公司，計算年營收、毛利率、營收 YoY 的中位數與 Q1/Q3（用中位數不用平均，說明理由寫進註解）
2. 輸入使用者的營收與毛利率，輸出落點（低於 Q1／Q1–中位／中位–Q3／高於 Q3 四段）與對應模板文案
3. 樣本 <5 家回傳 insufficient
4. ECharts 畫分布帶＋四分位框＋落點標記。
   統一 JSON，limitations 必含上市櫃偏誤揭露。

Claude給我的回覆如下

Claude對此模型的設計如下

ent1 用的 financials.json 是證交所 OpenAPI 真實資料—
案例:
一家年營收 12 億的半導體中小企業,對標上市半導體業 10 家同業,落點 0%、
產業中位數 2,204 億。這個「0%」正是規格裡強制揭露的大型企業偏誤活教材:
上市櫃樣本天生偏大,落點百分位低不代表經營不佳——這句話直接寫在侷限清單第一條。

三個設計重點

1. 實證百分位而非內插:落點 = 低於你營收的同業家數比例,可直接口語化為
   「超越 40% 的上市櫃同業」,並在分布條上標出你的位置(P25–P75 帶 + 中位數線 + 你的標記)
2. 區間輸入尊重隱私:不想給精確數字就填區間(例 10~15 億),落點顯示為百分位區間,
   介面明講「計算全程在你的瀏覽器,資料不上傳」——這是 localStorage 架構的信任紅利
3. 兩套產業分類的對照:統計處行業(判斷引擎用)↔ 證交所產業別(對標用),
   內建 TWSE_INDUSTRY_MAP 自動預選,最終仍由使用者確認——對照即假設,假設即可見

打包檔如下

資料同步
npx tsx scripts/test-ent1.ts

model確認

四、驗收與修正

在Loaclhost進行驗收
企業評估勾「同業標竿比較」→ 儀表板:

• 輸入年營收(試試 12,產業選半導體業)→ 分布落點條 + 「超越 X% 同業」

進階驗證

先跑 node scripts/fetch-twse.mjs
抓全市場(千餘家)→ 同業樣本從 10 家變數十家

六、今日小結

今天的企業模型難點
我認為是從「資料」變成「統計結果」
因為樣本是誰、用什麼統計量、偏誤怎麼揭露
每一步都在決定這個數字會幫人還是誤導人

中位數那組對照實驗，是今天最值得留下的結果
當然最後我在校正數據時
會在全數進行實證