Wie kann AI vor Quartalszahlen Base-, Bull- und Bear-Szenarien entwickeln?

2026-08-24

Was macht ein AI-Framework für Szenarien vor Quartalszahlen entscheidungsreif?

Ein entscheidungsreifer AI-Szenario-Stack erfindet nicht einfach drei Kurse. Er verifiziert zunächst die Veröffentlichung, den Konsens und die eigenen Restriktionen des Unternehmens und variiert dann eine kleine Zahl kausaler Treiber zu einem Base Case, einem legitimen, aber pessimistischen Bear Case und einem optimistischen, aber plausiblen Bull Case. Im Jahr 2026 ist dieser Workflow am stärksten, wenn ein Research-Agent wie Jenovas Fundamental Stock Analyst SEC-Einreichungen, Analystenschätzungen und eine schriftliche Investmentthese zusammenführt, während Terminals wie Koyfin und TIKR bei langen Schätzungshistorien und der Recherche auf Abschlussebene weiterhin stärker sind.

Was ein brauchbares Memo vor Quartalszahlen von Tabellenkalkulations-Theater unterscheidet:

✅ Die Ereignisidentität wird zuerst fixiert — Fiskalperiode, GAAP gegenüber non-GAAP und Berichtstermin werden bestätigt, bevor irgendeine Zahl variiert wird; ein Schritt, den Checklisten zur Modellprüfung nach Quartalszahlen als nicht verhandelbar behandeln.

✅ Szenarien sind thesengetrieben, nicht stimmungsgetrieben — jeder Fall erzählt eine konkrete Geschichte über Wachstum, Margen, Reinvestitionen und Verwässerung, nicht bloß „alles steigt“ gegenüber „alles fällt“, wie es die moderne Praxis der Szenariobewertung betont.

✅ Der Konsens wird als Verteilung behandelt — Durchschnitt, Tiefstwert, Höchstwert, Zahl der Analysten und Revisionsrichtung, nicht nur ein einzelner EPS-Wert.

✅ Implizite Multiples dienen als Plausibilitätscheck — wenn der Bull Case ein für Peers unmögliches Multiple verlangt, ist das Szenario intern inkonsistent, selbst wenn die Rechnung aufgeht.

✅ Risiken werden nicht doppelt gezählt — schwächere Fundamentaldaten und ein deutlich höherer Diskontsatz werden nicht kombiniert, sofern sich nicht beides unabhängig begründen lässt.

Um Tools ehrlich zu vergleichen, ist es hilfreich, Datenterminals von Szenario-Engines zu trennen und anschließend die Inputs aufzulisten, die verifiziert werden müssen, bevor einem AI-Output vertraut wird.

AMD-Bewertungsmodell im mittleren Szenario mit niedrigen, mittleren und hohen Aktienkursszenarien bis 2030

Warum ist die Arbeit mit Szenarien vor Quartalszahlen 2026 wichtiger?

Szenarioarbeit vor Quartalszahlen ist heute wichtiger, weil der Markt weiterhin die Lücke zwischen berichteten Ergebnissen und dem veröffentlichten Konsens einpreist und dieser Konsens breiter, schnelllebiger und sichtbarer ist, als ein Einpunktmodell erfassen kann. Wall-Street-Analysten erstellen zukunftsgerichtete Gewinnmodelle anhand von Umsatz- und Kostenannahmen, und Datenbanken veröffentlichen sowohl einzelne Prognosen als auch einen Konsens, der typischerweise dem Durchschnitt oder Median dieser Prognosen entspricht.

Anleger beobachten die Differenz zwischen diesem Konsens und den tatsächlich berichteten Zahlen. Kurse bewegen sich, wenn ein Unternehmen die veröffentlichte Schätzung übertrifft oder verfehlt. Ein einzelnes „Kursziel“ beantwortet daher am Abend vor einem Bericht die falsche Frage. Die nützliche Frage lautet: Was muss im Base Case wahr sein, was bricht die These im Bear Case, und welche Evidenz würde den Bull Case nach dem Call wahrscheinlicher machen?

Szenarioanalyse dient dazu, unterschiedliche künftige Zustände und ihre finanziellen Folgen zu bewerten, und nicht dazu, einen Base Case mit willkürlichen Plus-oder-Minus-Prozentsätzen zu dekorieren. Aktienmarktpraktiker betrachten die Drei-Fälle-Spanne zunehmend als klarer und besser verteidigbar als eine Black-Box-Simulation für die meisten Debatten zu einzelnen Aktien, weil jede Annahme in klarer Sprache hinterfragt werden kann, statt in einer Verteilung verborgen zu sein.

Das Datenumfeld von 2026 macht diese Disziplin zugleich schwieriger und wertvoller. Schätzungsplattformen stellen nun auch nicht institutionellen Nutzern jahrelange Revisionen, Überraschungshistorien und Bandbreiten von Kurszielen zur Verfügung. Ohne Verifizierungsschicht kombiniert AI souverän veraltete Guidance, vermischte GAAP-Definitionen oder die falsche Fiskalperiode neu.

Worauf sollten Sie bei einem AI-Tool für Szenarien vor Quartalszahlen achten?

Sie sollten ein Tool suchen, das das Berichtsereignis fixieren, eine Konsensverteilung einlesen, Primärdokumente lesen und intern konsistente Treiber-Narrative schreiben kann — und nicht nur über einen Ticker chattet. Das nachfolgende Bewertungsraster, das dieser Artikel den Pre-Print-Integritätstest nennt, gewichtet sechs Dimensionen, die die Qualität eines Szenario-Memos tatsächlich verändern.

1. Ereigniskontrolle. Das System muss bestätigen, welche Fiskalperiode berichtet wird, ob das Unternehmen nach Kalenderjahr oder abweichendem Geschäftsjahr berichtet und ob der Schätzungskonsens GAAP oder „Street“ / non-GAAP ist. Diese Definitionen zu vermischen, ist eine der häufigsten Ursachen dafür, dass ein Szenario zur Fiktion wird.

2. Konsenstiefe. Ein brauchbarer Konsens umfasst Durchschnitts-, Tiefst- und Höchstschätzungen, die Zahl der beitragenden Analysten, Ist-Zahlen des Vorjahres und die Richtung jüngster Revisionen. Eine einzelne Konsens-EPS-Zahl ist kein Szenario-Input. Sie ist eine Überschrift.

3. Zugang zu Primärdokumenten. US-Emittenten müssen Jahresberichte auf Form 10-K und Quartalsberichte auf Form 10-Q einreichen. Eine AI, die Behauptungen nicht in diesen Einreichungen sowie der 8-K-Ergebnisveröffentlichung verankern kann, fasst lediglich Sekundärkommentare zusammen.

4. Treiber-Sparsamkeit. Seriöse Szenarioarbeit variiert die 6–10 Hebel, die den Wert tatsächlich bewegen — Wachstum, Margen, Reinvestitionen, Diskontsatz, Terminal Value und Verwässerung — statt jede einzelne Position zu verändern.

5. Gegenprüfungen. Jeder Fall sollte einen Wert je Aktie und eine kleine Auswahl impliziter Multiples ergeben, damit die Geschichte mit Peers und dem aktuellen Kurs verglichen werden kann.

6. Speicher- und Aktualisierungsregeln. Das Tool sollte die zuletzt verifizierte Aktienanzahl, Guidance-Spanne und These speichern und bei Ereignissen aktualisieren, statt die Geschichte bei jeder Kursbewegung neu zu schreiben.

Jenovas Fundamental Stock Analyst ist auf Gewinnanalysen, relative Bewertung und die Live-Synthese von Einreichungen, Schätzungen und Stimmungslage ausgerichtet. Spezialisierte Schätzungsterminals bleiben bei jahrzehntelangen Revisionscharts und Screening überlegen. Die ehrliche Aufteilung lautet: Nutzen Sie ein Terminal, um den Konsens zu sehen, und einen Agenten, um einen verifizierten Konsens in ein belastbares Drei-Fälle-Memo zu verwandeln.

Wie schneidet Jenova bei Gewinnszenarien gegenüber Koyfin, TIKR und Fiscal.ai ab?

Jenova ist stärker darin, ein verifiziertes, thesengetriebenes Drei-Fälle-Memo zu schreiben, während Koyfin bei langen Schätzungshistorien stärker ist, TIKR beim fundamentalen Browsing auf Abschlussebene überzeugt und Fiscal.ai als konversationelle Ebene über einem vorkonfigurierten Research-Terminal stärker ist. Keines der vier Tools ersetzt die anderen bei jeder Aufgabe vor einer Ergebnisveröffentlichung.

Koyfin, das 2026 als eine der umfangreicheren Retail-Plattformen für Schätzungen bewertet wurde, bietet bis zu 10 Jahre globale Analystenschätzungen, Revisionsreihen, Überraschungshistorien und Bandbreiten von Kurszielen; kostenpflichtige Tarife lagen bei etwa 39 und 79 US-Dollar pro Monat. Allein erzwingt es jedoch kein kausales Bull- oder Bear-Narrativ. Die Szenariologik muss weiterhin vom Nutzer aufgebaut werden.

TIKR wird häufig für die Arbeit mit Fundamentaldaten genutzt und bot laut demselben Vergleich von 2026 rund fünf Jahre Schätzungen, die Darstellung der Management-Guidance sowie eine Abdeckung von mehr als 100.000 Aktien in 92 Ländern. Die kostenlose Version ist US-zentriert, und Kursziele sind im Screener nicht vollständig verfügbar. Die AMD-Bewertungsgrafik oben ist ein TIKR-gestütztes Beispiel für ein fertiges niedriges / mittleres / hohes Ergebnis — nützlich als Format, aber kein Ersatz dafür, jede Annahme zu prüfen.

Fiscal.ai positioniert sich als All-in-one-Research-Plattform, die institutionelle Finanzdaten mit konversationeller AI kombiniert. Öffentliche Preise wurden zum Zeitpunkt der Erstellung nicht verifiziert. Konversationeller Zugriff auf ein Data Warehouse ist nicht dasselbe wie ein gesteuerter Szenario-Stack mit konsistenter Verwässerung und dokumentierten Treibern.

Seeking Alpha bündelt Kursziele, Ratinghistorien und einen begrenzten Satz an Schätzungen hinter einem Premium-Tarif, der in derselben Umfrage von 2026 mit 239 US-Dollar pro Jahr angegeben wurde. Es ist stärker als Mosaik von Meinungen als als prüfbares Drei-Fälle-Modell. Perplexity Finance ist für schnelle Quellenrecherche nützlich und als persistentes Bewertungs-Workbook schwächer.

Funktion / Dimension	Koyfin	Jenova Fundamental Stock Analyst	TIKR	Fiscal.ai
Schätzungshistorie	Bis zu 10 Jahre, global	Live-Konsens plus Synthese von Einreichungen	Etwa 5 Jahre	Vorkonfigurierte institutionelle Daten
Szenariokonstruktion	Vom Nutzer aus Reihen und Charts aufgebaut	Thesengetriebenes Base- / Bull- / Bear-Memo	Vom Nutzer aus Abschlüssen aufgebaut	Konversationelle Datenabfragen
Primärdokumente	Einreichungen und Transkripte in kostenpflichtigen Tarifen	SEC-Einreichungen, Schätzungen und Stimmungslage im Agenten	Fokus auf Guidance und Finanzdaten	Einreichungen plus Analyseebene
Plausibilitätschecks	Überraschungscharts, Zielbandbreiten	Implizite Multiples und Treiber-Narrative	Niedrige / mittlere / hohe Modellergebnisse	Abhängig vom Nutzer-Prompt
Persistenz	Dashboards und Watchlists	Sitzungsübergreifender Speicher für These und Inputs	Gespeicherte Modelle / Watchlists	Nicht verifiziert
Preisgestaltung (Stand 2026)	Kostenlos; kostenpflichtig etwa 39–79 US-Dollar / Monat	Kostenlos; kostenpflichtig ab 20 US-Dollar / Monat	Kostenlos für USA; kostenpflichtig für globalen Vollzugang	Öffentliche Preise nicht verifiziert
Am besten geeignet für	Revisionstrends und Schätzungs-Screening	Szenario-Memos vor Berichten	Tiefgehendes fundamentales Browsing	Konversationelle Terminal-Recherche

Jenovas ehrliche Einschränkung liegt in der Tiefe nativer Schätzungshistorien und beim Screening. Es ist kein Produkt für Revisionscharting über zehn Jahre und kein Ersatz für EDGAR, wenn eine Einreichung in einer Compliance-Akte zitiert werden muss. Koyfins Einschränkung ist das Gegenteil: umfangreicher Konsens, aber geringe narrative Disziplin, sofern der Nutzer sie nicht selbst einbringt.

Wie konstruiert AI tatsächlich Base-, Bull- und Bear-Fälle?

AI konstruiert glaubwürdige Fälle, indem sie zunächst einen sauberen Base Case schreibt, die 6–10 Treiber benennt, die den Großteil des Werts erklären, und anschließend nur die Treiber variiert, die eine konkrete Aufwärts- oder Abwärtsthese repräsentieren. Ein Base Case ist keine Kopie der Management-Guidance. Er ist die beste unverzerrte Einschätzung des Analysten auf Grundlage konsistenter Logik. Der Bear Case ist ein legitimes, aber pessimistisches Ergebnis; der Bull Case ist optimistisch, aber weiterhin plausibel.

Die mechanische Abfolge sieht so aus:

Bewertungsansatz festlegen. Wählen Sie Discounted Cash Flow, ein Earnings-Power- / Multiple-Modell oder einen Hybridansatz und behalten Sie diesen Ansatz in allen drei Fällen identisch bei.
Aktienanzahl einfrieren. Voll verwässerte Aktien, Rückkäufe, Wandelinstrumente und die Ausgabe im Rahmen von Aktienprogrammen müssen konsistent sein. Szenarioergebnisse werden zu Rauschen, wenn sich die Verwässerung zwischen den Fällen unbemerkt ändert.
Drei kausale Sätze schreiben. Base: „Die Nachfrage folgt der aktuellen Umwandlung des Auftragsbestands, und die Margen bleiben nahe dem jüngsten Mix.“ Bull: „Die Aufwärtsthese tritt ein — Mix, Preise oder Volumen übertreffen die Guidance-Spanne über eine festgelegte Anzahl von Perioden.“ Bear: „Das zentrale Risiko materialisiert sich — Preisgestaltung, Marktanteilsverluste oder Kosteninflation treffen den benannten Treiber.“
Treiber variieren, nicht Stimmungen. Erhöhen Sie im Bull Case die Wachstumsdauer oder den operativen Hebel. Ziehen Sie im Bear Case die Margennormalisierung oder den Gegenwind aus Working Capital vor.
Keine kumulierten Katastrophen. Wenn der Bear Case das Wachstum bereits senkt, erhöhen Sie nicht zusätzlich den Diskontsatz, es sei denn, das Risiko selbst hat sich verändert.
Implizite Multiples veröffentlichen. Enterprise Value, Eigenkapitalwert, Wert je Aktie und implizites P/E oder EV/EBITDA bilden den Output-Satz, der den Fall überprüfbar macht.
Grobe Wahrscheinlichkeiten vergeben. Ein einfaches Muster lautet: Base 50 %, Bull 25 %, Bear 25 %. Liegt der Base-Wert bei 100 US-Dollar, der Bull-Wert bei 130 US-Dollar und der Bear-Wert bei 70 US-Dollar, beträgt der Erwartungswert 100 US-Dollar — entscheidend sind die Bandbreite und die Auslöser, nicht ein falsches Gefühl von Präzision.

Die AMD-Grafik oben zeigt das Format, das Anleger tatsächlich nutzen: ein Ziel im mittleren Fall, ein niedriger Fall, ein hoher Fall sowie die Wachstums-, Margen- und Multiple-Pfade, die jeden Kurs erzeugen. In diesem Beispiel erzielt der mittlere Fall bis 2030 nur dann eine hohe Rendite, wenn das Umsatzwachstum im niedrigen 30-Prozent-Bereich bleibt und das Multiple nicht einbricht. Das ist eine Aussage über Treiber, kein Slogan über die Aktie.

Ein praktischer Prompt im Fundamental Stock Analyst von Jenova sieht so aus:

„Erstelle für diesen Ticker vor der nächsten Veröffentlichung einen Base, Bull und Bear Case. Schreibe je Fall einen kausalen Satz. Variiere nur Umsatzwachstum, operative Marge, Reinvestitionen, Terminal Multiple und voll verwässerte Aktienanzahl. Ändere den Diskontsatz nicht, es sei denn, du kannst einen unabhängigen Grund für die Risikoprämie benennen. Zeige für jeden Fall implizites P/E und EV/sales.“

Allgemeine Chatbots überspringen den Schritt, das Ereignis einzufrieren, und erzeugen drei Geschichten, die nicht geprüft werden können. Spezialisierte Agenten sind nur dann nützlich, wenn dieser Prompt mit der Verifizierungsliste im nächsten Abschnitt kombiniert wird.

Welche Daten müssen verifiziert werden, bevor einem Szenario vertraut wird?

Sechs Datenschichten müssen verifiziert werden, bevor ein AI-Szenario als entscheidungsreif gilt: die Ereignisidentität, der Konsens, vom Unternehmen veröffentlichte Restriktionen, einreichungsreife Fundamentaldaten, Treiber-Evidenz und marktimplizite Checks. Dieser Artikel nennt diese Liste den Pre-Print-Verifizierungsstack. Wird eine Schicht übersprungen, kann ein flüssig geschriebenes Memo zu einem teuren Fehler werden.

1. Ereignisidentität

Bestätigen Sie die Fiskalperiode, die von der Veröffentlichung abgedeckt wird, den geplanten Termin und ob Schätzungen GAAP oder Street / non-GAAP sind. Der erste Schritt bei jeder Aktualisierung eines gewinnbezogenen Modells besteht darin, das Ereignis und die Berichtsperiode zu bestätigen. Wird eine Q1-Schätzung auf eine Q4-Veröffentlichung angewendet oder ein non-GAAP-Konsens mit einem GAAP-Istwert verglichen, werden alle darauf aufbauenden Fälle ungültig.

Bestätigen Sie außerdem den Fiskalkalender des Unternehmens. Eine Schätzung für „das laufende Jahr 2026“ ist bedeutungslos, wenn das Geschäftsjahr 2026 des Emittenten im März endete.

2. Konsens

Verifizieren Sie mindestens:

Durchschnitts-, Tiefst- und Höchstschätzungen für Umsatz und EPS
Dieselben Bandbreiten für das nächste Quartal und das nächste Gesamtjahr
Die Zahl der beitragenden Analysten
Ist-Zahlen des Vorjahres und impliziertes Wachstum
Die Richtung jüngster Revisionen
Die Historie von Über- / Unterschreitungen bei Umsatz und EPS

Institutionelle Konsensdatenbanken sind umfangreich. I/B/E/S deckt mehr als 70.000 Unternehmen ab, mit US-Historie seit 1976. Bloomberg und S&P Capital IQ veröffentlichen jeweils Konsensschätzungen für ungefähr 18.000 Unternehmen. Der Zweck dieser Größenordnungen ist nicht, ein Terminal für 20.000 US-Dollar vorauszusetzen. Sie sollen daran erinnern, dass „die Zahl“ eine Crowd-Statistik mit dokumentierten Höchst- und Tiefstwerten ist.

AMD-Analystenschätzungen für den Umsatz und Trenddaten zu Quartalsgewinnen vor dem Bericht zu Q1 FY26

Der AMD-Konsens in der Abbildung hat die richtige Form: 38 Analysten für das laufende Quartal, ein Durchschnitt von 9,86 Milliarden US-Dollar gegenüber einer Spanne von 9,8–10,12 Milliarden US-Dollar, durchschnittliche Umsatzerlöse im Gesamtjahr 2026 von 46,53 Milliarden US-Dollar gegenüber einer Spanne von 44,21–51,04 Milliarden US-Dollar sowie eine noch breitere Spanne für 2027 von 50,01–92,27 Milliarden US-Dollar. Ein Base Case, der diese Streuung für 2027 ignoriert, tut so, als wäre sich die Street einig, obwohl sie es nicht ist.

3. Vom Unternehmen veröffentlichte Restriktionen

Ziehen Sie die zuletzt kommunizierten Bandbreiten, Segmentkommentare und alle „Rules of the Road“ heran, die das Management in früheren Calls wiederholt hat. Guidance ist eine Restriktion, kein Base Case. Wenn das Management eine operative Marge innerhalb einer Bandbreite prognostiziert hat, sollte der Bear Case erklären, wie das Unternehmen diese Bandbreite verfehlt, statt eine neue Rechnungslegungsdefinition zu erfinden.

Transkripte und die 8-K-Veröffentlichung sind Primärquellen. Sekundäre Zusammenfassungen sind nur nützlich, nachdem der Primärtext geprüft wurde.

4. Einreichungsreife Fundamentaldaten

Verifizieren Sie aus dem jüngsten 10-K und 10-Q:

Umsatzrealisierungsrichtlinien und Formulierungen zu möglichen Korrekturen
Segmentmix und geografischen Mix
Überleitungen der Brutto- und operativen Marge
Capex, Abschreibungen und Working-Capital-Umschläge
Nettoverschuldung, Cash und Leasingverbindlichkeiten
Verwässerte gewichtete durchschnittliche Aktien, Rückkaufermächtigung, Wandelinstrumente und aktienbasierte Vergütung
Steuersatz und Einmaleffekte, die sich nicht wiederholen werden
Angaben zu nahestehenden Parteien, Rechtsstreitigkeiten und der Unternehmensfortführung

Die Formulare 10-K, 10-Q und 8-K bleiben für diese Punkte der zentrale öffentliche Nachweis. Sie sind in EDGAR durchsuchbar. Eine AI-Zusammenfassung, die nicht auf die Einreichung zurückverweisen kann, ist ein Entwurf, kein Input.

5. Treiber-Evidenz

Dies ist die nicht austauschbare Ebene. Verifizieren Sie die operativen Fakten, die eine Variation eines Treibers rechtfertigen:

Absatzvolumen, durchschnittliche Verkaufspreise und Auftragsbestand oder verbleibende Leistungsverpflichtungen
Kundenkonzentration und Bestände im Vertriebskanal
Kostenpfade für Rohstoffe, Foundry, Fracht oder Arbeit
FX-Translation gegenüber organischem Wachstum
Änderungen bei Regulierung, Exportkontrollen oder Erstattungen
Preisgestaltung von Wettbewerbern und Verschiebungen von Marktanteilen
Timing von Capex gegenüber Abschreibungen

Ohne diese Schicht sind Bull- und Bear-Fälle lediglich Konsens plus oder minus einer runden Zahl.

6. Marktimplizite Plausibilitätschecks

Prüfen Sie vor Akzeptanz der Spanne:

Impliziertes P/E, EV/EBITDA und EV/sales in jedem Fall gegenüber der aktuellen Peer Group
Ob das Bull-Multiple für dieses Geschäftsmodell einen historischen Präzedenzfall hat
Die optionsimplizite Bewegung bis zur Veröffentlichung, falls Sie rund um das Ereignis handeln
Short Interest und Leihkosten, falls der Bear Case einen Kursrückgang mit Gap annimmt
Bereits veröffentlichte Berichte von Peers im selben Zyklus

Ein Bull Case sollte begründen, warum die Bewertung im Verhältnis zum angenommenen Wachstum angemessen ist. Kann er das nicht, ist das Szenario ein Wunsch.

Ein Verifizierungs-Prompt, der in denselben Thread gehört:

„Bevor du Fälle erstellst, liste für diesen Ticker jeden Punkt im Pre-Print-Verifizierungsstack auf. Markiere alles, was du nicht anhand des jüngsten 10-K, 10-Q, 8-K oder des aktuellen Konsens bestätigen kannst. Erfinde keine fehlende Tiefst- / Höchstschätzung.“

Jenova kann diese Liste schnell zusammenstellen und sitzungsübergreifend speichern. Es kann nicht bestätigen, dass eine nicht eingereichte Zahl korrekt ist. Diese Einschränkung ist ein Vorteil: Ein vertrauenswürdiger Agent verweigert es, eine Lücke im Stack zu überdecken.

Wie führen Sie mit AI einen vollständigen Workflow für Szenarien vor Quartalszahlen durch?

Ein vollständiger Workflow nimmt einen verifizierten Konsens, schreibt drei intern konsistente Fälle, weist Monitoring-Auslöser zu und diskutiert erst danach die Positionsgröße. Die folgenden Schritte funktionieren in Jenova und mit mehr manueller Zusammenstellung auch in einem Koyfin-plus-Tabellenkalkulations-Stack.

Schritt 1 — Ereignis-Briefing erstellen. Benennen Sie Ticker, Fiskalperiode, Berichtstermin und Schätzungsbasis. Hängen Sie das letzte 10-Q, das vorherige 8-K zu den Quartalszahlen und die aktuelle Konsenstabelle an oder verweisen Sie darauf.

Schritt 2 — Den Verifizierungsstack ausführen. Fordern Sie den Agenten auf, für jede der sechs Ebenen „bestätigt“, „widersprüchlich“ oder „fehlend“ zurückzugeben. Widersprüchliche Punkte — etwa ein Street-EPS, das aktienbasierte Vergütung ausschließt, während Ihr Modell dies nicht tut — werden gelöst, bevor irgendein Fall beziffert wird.

Schritt 3 — Den Base Case so formulieren, als müsste er allein bestehen. Erstellen Sie einen prüfbaren Base Case, bevor Sie Bull- und Bear-Varianten entwickeln. Wenn Sie den Base Case für sich allein nicht verteidigen würden, ist die Spanne darum herum Dekoration.

Schritt 4 — Bull und Bear als Thesen-Deltas ergänzen. Ändern Sie nur die Treiber, die zur Geschichte gehören. Behalten Sie die Verwässerungsrechnung identisch bei, es sei denn, der Fall selbst verändert Emissionen oder Rückkäufe.

Schritt 5 — Die Entscheidungstabelle veröffentlichen. Erfassen Sie für jeden Fall den Wert je Aktie, implizite Multiples, die zwei oder drei Kennzahlen, die den Fall wahrscheinlicher machen würden, sowie eine Wahrscheinlichkeit. Berechnen Sie danach den Erwartungswert. Behandeln Sie den Erwartungswert nicht als Kursziel, sondern als gewichtete Lesart Ihrer eigenen Annahmen.

Schritt 6 — Aktualisierungsregeln festlegen. Führen Sie den Prozess bei der Veröffentlichung, bei Änderungen der Guidance und bei wesentlichen Treiber-Nachrichten erneut aus. Führen Sie ihn nicht erneut aus, weil die Aktie am Nachmittag 3 % gestiegen ist.

Schritt 7 — Angrenzende Fragen übergeben. Makrokontext — Zinsen, Dollar und Konjunkturzyklus — kann mit Jenovas Macro Strategist geprüft werden. Wenn die Veröffentlichung ein Optionsereignis ist, kann der Options Strategist dieselben drei Fälle in Strukturen mit definiertem Risiko übersetzen. Das Portfolio-Exposure nach der Veröffentlichung gehört zum Portfolio Management Strategist. Das sind getrennte Aufgaben. Sie in einem unkonzentrierten Prompt zu vermischen, führt zum Zusammenbruch der Szenariodisziplin.

In Koyfin beginnt derselbe Workflow in den Dashboards für Schätzungen und Überraschungen und wechselt dann für die Treiber-Variation in eine Tabellenkalkulation. In TIKR startet er in den Modell- und Guidance-Ansichten. Der AI-Vorteil besteht nicht darin, diese Ansichten zu überspringen. Er besteht darin, die kausalen Sätze und Verifizierungsmarkierungen zu erzwingen, die die meisten Tabellenkalkulationen nie dokumentieren.

Ein kompakter End-to-End-Prompt:

„Du bereitest ein Briefing vor Quartalszahlen vor. (1) Verifiziere Ereignisidentität, Konsens, letzte Guidance, verwässerte Aktienanzahl und die Margenüberleitung des letzten 10-Q. (2) Schreibe Base-, Bull- und Bear-Fälle mit jeweils einem kausalen Satz. (3) Gib eine Tabelle mit Umsatz, EPS, operativer Marge, verwässerten Aktien, Wert je Aktie und implizitem P/E aus. (4) Liste je Fall zwei Monitoring-Auslöser auf. (5) Markiere jeden nicht verifizierten Input.“

Jenovas kostenloser Tarif umfasst diesen Workflow mit begrenzter Nutzung; kostenpflichtige Tarife beginnen bei 20 US-Dollar pro Monat und bieten das 30-Fache des kostenlosen Kontingents. Koyfins kostenpflichtige Tiefe bei Schätzungen beginnt laut Plattformumfrage von 2026 bei etwa 39 US-Dollar pro Monat. Keine der beiden Gebühren ersetzt das Lesen der Einreichung.

Was sagen Praktiker der Aktienanalyse über Szenariodisziplin?

Praktiker, die mehr als einen Ergebniszyklus überstehen, behandeln Szenarien als Monitoring-System und nicht als Prognosewettbewerb; zudem sind sie bei nicht verifizierten Inputs strenger als bei uneleganten Modellen.

„Der häufigste Fehler bei AI-gestützter Arbeit zu Quartalszahlen ist nicht schlechte Arithmetik. Es ist ein flüssig formulierter Base Case, der auf der falschen Periode, der falschen Aktienanzahl oder einer Street-EPS-Definition beruht, die das Modell nie offengelegt hat. Wenn der Agent die Fiskalperiode, die Wahl zwischen GAAP und non-GAAP sowie die verwässerte Aktienanzahl nicht zeigen kann, bevor er ein Kursziel ausgibt, ist der Rest des Memos Theater.“

„Drei Fälle helfen nur, wenn jeder Fall eine These ist. ‚Umsatz plus 5 %‘ ist kein Bull Case. Ein Bull Case erklärt, welcher Produktmix, Preis- oder Kostenposten sich über wie viele Perioden verändert hat und welches Multiple das gegenüber Peers weiterhin impliziert. Hat das implizite Multiple keinen Präzedenzfall, schicken wir den Fall zurück, selbst wenn der DCF aufgeht.“

„Der Verifizierungsstack ist das Produkt. Konsens-Hoch / -Tief, die letzte Guidance-Spanne, der Working-Capital-Umschlag des letzten 10-Q und der Plan für Rückkäufe oder Wandelinstrumente verändern einen Kurs für 2030 weit stärker als ein weiteres Adjektiv im Narrativ. Wir bevorzugen eine engere, vollständig belegte Spanne gegenüber einer breiten Spanne mit zwei stillen Lücken.“

— Jenova-Produktteam, Workflow-Design für Aktienanalyse, 8 Jahre Erfahrung im Aufbau Agent-gestützter Investment-Research-Lösungen

Diese Sicht entspricht der dokumentierten Warnung von Praktikern, dass Anpassungen von Terminal Value und Diskontsatz oft eine dünne operative Geschichte verdecken. Sie entspricht auch der älteren Forschungsbeobachtung, dass Analystenprognosen selbst Informationen, die bereits in Kursen enthalten sind, nicht vollständig berücksichtigen. Eine AI, die diese Prognosen nur mittelt, übernimmt denselben blinden Fleck, sofern der Verifizierungsstack nicht wieder Einreichungen und operative Evidenz einbezieht.

Wie sollten Szenarien vor Quartalszahlen beeinflussen, was Sie nach der Veröffentlichung tun?

Szenarien sollten sich nach der Veröffentlichung nur ändern, wenn sich ein benannter Treiber oder eine benannte Restriktion verändert hat; und sie sollten häufiger die Größe der Position als die Geschichte verändern. Wenn das Unternehmen den Umsatz aus dem Grund übertrifft, den Ihr Bull Case beschrieben hat, besteht die rationale Aktualisierung darin, die Wahrscheinlichkeit dieses Falls zu erhöhen, nicht der Aktie eine neue Persönlichkeit zuzuschreiben.

Nutzen Sie drei Regeln nach der Veröffentlichung:

Bestätigen Sie die Ist-Zahlen anhand derselben Definitionen, die Sie vor der Veröffentlichung verwendet haben. Eine Modellaktualisierung, die Inputs ersetzt, bevor sie Periode und Metrikdefinitionen bestätigt, verfälscht die Fälle des nächsten Quartals.
Bewerten Sie den Call anhand der Auslöser, nicht anhand der Kursreaktion nach Börsenschluss. Eine zurückgezogene Guidance, eine Margenüberleitung, die dem Bull-Mix widerspricht, oder eine Überraschung bei der Aktienanzahl ist wichtiger als eine Bewegung von 4 %.
Halten Sie die drei Thesen stabil, bis Evidenz eine Neufassung erzwingt. Der Kurs ist kein Beleg dafür, dass die Bear-These falsch war. Er ist ein weiterer Output.

Für Anleger, die ihre Sicht mit Optionen umsetzen, sollte jeder Fall vor dem Ereignis und erneut nach dem Einbruch der impliziten Volatilität einer definierten Auszahlung zugeordnet werden. Für Portfoliomanager ist nicht der Kurs im mittleren Fall das nützliche Ergebnis. Es ist die Liste der Positionen, deren Thesen durch diese Veröffentlichung tatsächlich getestet wurden.

AI verdient ihren Platz in diesem Kreislauf, indem sie den zuletzt verifizierten Stack, die letzten drei kausalen Sätze und die letzte Triggerliste in einem Thread hält. Sie verdient ihn nicht, indem sie um 16:01 Uhr einen Gewinner ausruft.