财务数据，每天更新。他写了个简单的筛选程序，设置条件：
1. 连续三年净利润为正；
2. 最近一年经营性现金流为正；
3. 资产负债率低于60%；
4. 市盈率低于30倍；
5. 市净率低于3倍。
程序开始运行。屏幕上的进度条缓慢移动，数据在后台被快速比对、筛选。
沈清如则从自己带来的资料袋里，拿出一叠厚厚的文件。“这是我过去半年收集的行业资料，”她说，“按申万一级行业分类，每个行业都有基础数据、政策动态、主要公司概况。”
她翻开第一册——食品饮料行业。“比如这个行业，我们现在知道整体在下跌，但细分领域有差异。白酒受政策影响大，啤酒竞争激烈，但调味品和乳制品相对稳定。而且，区域龙头和全国龙头的抗风险能力也不同。”
陈默一边听着，一边在笔记本上记下要点。他发现沈清如的研究方法很系统：不是碎片化地收集信息，而是建立了完整的行业分析框架。每个行业，她都会梳理出几条关键逻辑线——供需关系、竞争格局、政策影响、技术趋势、消费习惯变化……
这种宏观到微观、自上而下的研究路径，正好弥补了他自下而上、从公司财务入手的局限。
“筛选完了。”陈默看向屏幕。
程序运行结束，筛选结果：187家公司。
从一千多家到187家，第一轮筛选淘汰了80%以上的公司。这187家，至少在财务数据上，看起来是“健康”的。
但陈默知道，这只是开始。财务数据可以粉饰，行业可能面临系统性风险，管理层可能有问题……真正的考验在下一轮。
“接下来怎么弄？”沈清如问。
“我们按行业来。”陈默把187家公司的名单导出来，按行业分类，“先挑几个我们相对熟悉的行业，深入分析。不熟悉的先放一边，等有时间再研究。”
“好。”沈清如点头，“那我们从……家电行业开始？这个行业我们之前讨论过，我有不少资料。”
“可以。”
二、第一个案例：格力的困境
家电行业的名单上有七家公司：格力、美的、海尔三家龙头，还有四家二线品牌。
陈默调出这七家公司过去五年的财务数据对比表。沈清如则摊开家电行业的分析报告，上面有市场份额变化图、渠道结构分析、产品线对比、
…。。