高管跑路股民接盤，又一起頂級券商推票引發(fā)的血案。

去年風光無限漲勢大好的陽光電源，一年股價從低點最高漲了4倍，身上全球光伏逆變器和儲能龍頭的光環(huán)無比耀眼。

一切卻在一周前的年報公開后風云突變，3000億龍頭5天暴跌近3成，870億市值人間蒸發(fā)，超29萬戶股民損失慘重。

但事情背后卻沒有這么簡單，陽光電源股價暴跌的直接原因，是公司四季度業(yè)績爆雷，大幅低于預期。

別看公司全年營收891億，凈利134億，增速依然維持兩位數創(chuàng)歷史新高，可四季度單季營收227億，同比下滑18%，凈利潤僅15.8億，更是同比下滑54%，腰斬都不止，就是說踩雷一點都不夸張。

作為對比，陽光電源前三季度的凈利是38.26億、39.08億和41.47億，四季度卻突然一夜入冬，瞬間將全年高速增長的既定路子擊得粉碎。

更糟糕的是，公司多年來的增長趨勢被打破，這不是偶發(fā)情況引發(fā)的短期需求變化，而是公司多年來的基本盤已經動搖。

作為一家全球光儲龍頭企業(yè)，陽光電源海外收入占比超60%，美國和歐洲市場更是其海外營收的核心，可這兩大核心都出了問題。

其中美國市場比較特殊，因三季度美國宣布上調光伏組建關稅至84%，客戶為規(guī)避成本暴漲，都趕在關稅落地前搶裝囤貨。直接導致四季度公司對美發(fā)貨量腰斬。疊加美國OBBB法案落地，客戶普遍觀望，訂單嚴重萎縮，短期內很難看到放松的跡象。

歐洲市場的情況更加典型，地方能源補貼紛紛退坡后，市場需求立馬縮減，增長動力不再，高企的庫存反倒成了公司的拖累。

同時，就連增速不錯的東南亞新興市場，也因項目審批放緩，導致訂單量斷崖式下滑。

說白了一句話，支撐陽光電源多年來高速增長的三大海外引擎，一時之間全部熄火。再加上全球光儲產能過剩的現實，更進一步來說，陽光電源吃了多年的“全球化光伏紅利”，可能再也回不去了。

陽光電源的問題，不止是外部營收失速，內部管控和財務問題也開始集中爆發(fā)。單看去年四季度，研發(fā)、營銷、年終獎等各色費用集中“洗澡”，一次性計提14.6億，費用率從前三季度的11.1%，飆升至四季度的17.5% ，大幅高于14.55%的營收增速，賺錢趕不是花錢速度，表明陽光電源的盈利能力開始惡化的殘酷現實。

陽光電源股價自高點回落超30%，就是公司海外需求退潮、儲能盈利惡化、內部費用失控綜合作用下的必然結果。

可如果只是這樣，那沒什么可說的，天有不測風云，只有財報公開后，大家才能知道外部環(huán)境對一家公司的營收影響有多大，持有陽光電源的股民只能自認倒霉。

但事實卻是，大批股民之所以沖進來，把陽光電源當價值投資，正是因為看到并相信了頂級券商分析師發(fā)布的看多報告，是被他們的鬼話給騙進來接盤的。
今年1月，國泰海通旗下的海通國際發(fā)了一份研報，標題就是《首次覆蓋:逆變器筑基+儲能領航雙驅動……錨定全球能源龍頭》，其中指出陽光電源多賽道布局新能源產業(yè)，規(guī)模效應突出，營收利潤雙增，儲能業(yè)務爆發(fā)，給予公司“優(yōu)于大市”評級，目標價206元。

海通等于是告訴所有股民，已經暴漲的陽光電源，還沒漲到頭，我們相信還有20%以上的上漲空間。

于是便有大批沖著海通這么大券商頭銜名號的股民信以為真，拿著自己的血汗錢買了陽光電源的股票，等著股價漲上去賺錢。

結果就是如今我們看到的，股價一周最多跌去近4成，很多股民把一年的賬戶盈利都被迫還了回去。
為什么說海通的這個研報大有問題？

通常一份合格的研報，不光是像他們這樣把一家公司的優(yōu)點放大吹一遍，還要把問題和風險單獨拎出來放在顯眼的地方，警示大家高風險高收益是同源的。

可海通國際倒好，通篇全是對陽光電源無比看好，最起碼也最為關鍵的問題，公司大股東瘋狂減持出貨是只字不提，生怕有的股民會查看財報公告，知悉公司股東都不看好公司股價能長期維持高位。

公開資料顯示，自2025年8月到12月，陽光電源副董事長顧亦磊、副董事長趙為、三名副總裁吳家貌、鄧德軍等高管密集減持75萬股，合計套現超1.2億。

這些高管趁著股價創(chuàng)歷史新高之際，不斷套現跑路，是否存在利用內幕消息提前套現的情況，目前很難說?？扇绱酥匾母唢L險信息，海通國際在研報當中選擇性忽視，只告訴大家好消息，明顯有違行業(yè)客觀、審慎的基本原則，嚴重的甚至可以說是誤導了股民，被騙的股民有權提出索賠。

只是因大A相關法律法規(guī)尚不完善，幾十萬陽光電源股民中，不少人提出質疑和索賠想法，卻沒有看到有股民真正付諸實踐。

可能關鍵還是取證難度有點大，很難證實自己是看了海通國際的研報才上了這條賊船，即便有律所想接這個單，也沒有好的下手點。

陽光電源的教訓是慘痛的，但也不是沒有解法。如今AI這么發(fā)達，一份上市公司研報說的準不準，有沒有遺漏，多扔給幾個大模型，讓它們交叉驗證下，最終就能得出一個更有信服力的答案。