本模型以「價值判斷、趨勢確認、風險控制」為核心，先透過基本面估計企業合理價值，再以技術面判斷資金動能與進出時點，最後依投資組合限制決定持股比重。分析流程應固定更新頻率、資料來源與計算假設，使不同公司可在相同基準下比較，避免只憑單一指標或短期消息做出決策。
基本面部分先整理近三年損益表、資產負債表與現金流量表，檢視營收成長率、毛利率、營業利益率、負債比、存貨週轉及自由現金流的變化。接著拆解產品價格、銷售量、區域與客戶結構，建立未來五年的基準、樂觀及保守情境。估值可採每股自由現金流折現法，明確揭露成長率、資金成本、終值成長率與股本變動，並以敏感度分析呈現合理價值區間，而非只給單一目標價。
產業分析則聚焦需求來源、滲透率、替代技術、競爭者產能與庫存循環，並追蹤原料、關鍵零組件、代工廠、通路及主要客戶的集中度。對公司、產品與供應鏈近兩年的重大事件，應記錄公告日、實際發生日、事件類型及可信來源，觀察事件前後價格、成交量與波動度的變化，以區分短暫情緒反應與基本面趨勢轉折。
技術面使用近兩年每日開盤、最高、最低、收盤與成交量資料，繪製K線圖，並疊加二十日、五十日及二百日價格與成交量平均線。當短期均線上穿中長期均線、價格突破整理區且成交量同步放大時，可列為買進候選；若價格跌破重要支撐、長期均線轉弱或放量下跌，則應降低部位。所有訊號需搭配基本面評分，不宜把均線交叉直接視為唯一交易依據。
綜合評分時，可將財務品質、成長性、估值、安全邊際、趨勢強度與事件風險標準化，再依產業特性設定權重。買點可要求合理價值具足夠折價、基本面未惡化且技術面轉強；賣點則包含價格接近高估區、原先假設失效、趨勢反轉或組合風險超標。部位配置應限制單一公司、產業與高度相關標的的曝險，並保留現金以因應波動。
模型完成後，需以歷史資料進行回測與樣本外驗證，納入交易成本、滑價、股利及下市偏誤，並比較報酬率、最大回撤、波動度與風險調整後績效。實際運用時建立定期追蹤表，保存每次買賣理由、預期情境與停損條件，事後檢討判斷誤差。如此才能將研究轉化為可重複、可稽核且可持續修正的投資流程，提高決策一致性，同時降低情緒交易造成的損失。
本模型將對每一項數據優化，讓每一項的優化過的數據對未來預測的投資標的選擇、進場及出場時間點、與部位建置的數量，能做出最有效的貢獻。

本模型將以Build on Google AI作為建置的工具，目的是為了利用Google AI的平台，去更熟悉AI Agent的運用。
本模型結合基本面、技術面與風險管理，先分析近三年財務報表、產品營收、產業需求及供應鏈，並以未來五年現金流折現估算合理價值；再運用近兩年K線、成交量及二十日、五十日、二百日均線，搭配重大事件觀察價格反應。買賣決策須同時考量估值安全邊際、趨勢強弱與事件風險，並限制單一標的及產業曝險。模型應透過歷史回測、樣本外驗證與持續優化，提升選股、進出場及部位配置的有效性，並利用Google AI熟悉AI Agent的實務應用。