财务报表分析技能
专业的上市公司财务报表分析工具，支持：
- 读取PDF财务报告并提取三大报表数据
- 计算30+核心财务指标（盈利、偿债、运营、现金流、成长性、估值）
- 杜邦分析: ROE三因素分解及驱动因素分析
- 成长性评分: 收入、利润、资产增长率评估
- 趋势分析: 多期数据趋势、转折点检测、预警生成
- 增强估值: PE、PB、PS、EV/EBITDA等指标
- 生成综合评分和投资评级
- 输出Markdown和Excel格式分析报告
分析流程
当用户提供财报PDF时，按以下流程执行：
- 读取PDF - 使用 PDF 工具读取PDF文件内容
- 提取数据 - 从文本中识别资产负债表、利润表、现金流量表数据
- 计算指标 - 使用
scripts/calculator.py计算财务指标 - 杜邦分析 - 使用
scripts/dupont_analyzer.py分解ROE驱动因素 - 趋势分析 - 使用
scripts/trend_analyzer.py分析多期数据趋势 - 深度分析 - 使用
scripts/financial_analyzer.py进行专业分析 - 生成报告 - 使用
scripts/report_generator.py生成报告
核心脚本
指标计算器 (scripts/calculator.py)
from scripts.calculator import FinancialIndicatorCalculator
calculator = FinancialIndicatorCalculator()
# 基础用法
indicators = calculator.calculate_all_indicators(
balance_sheet=balance_sheet_data,
income_statement=income_statement_data,
cashflow_statement=cashflow_statement_data,
metadata={'company_name': '公司名称', 'total_shares': 1000000000, 'stock_price': 25.5}
)
# 带成长性分析（需要上期数据）
indicators = calculator.calculate_all_indicators(
balance_sheet=current_balance_sheet,
income_statement=current_income_statement,
cashflow_statement=current_cashflow_statement,
metadata=metadata,
previous_balance_sheet=prev_balance_sheet,
previous_income_statement=prev_income_statement,
previous_cashflow_statement=prev_cashflow_statement
)
# 获取评分摘要（包含成长性评分）
summary = calculator.get_summary()
# 返回: {'综合评分': 85.5, '盈利能力评分': 90, '偿债能力评分': 80, '成长性评分': 75, ...}杜邦分析器 (scripts/dupont_analyzer.py)
from scripts.dupont_analyzer import DuPontAnalyzer
dupont = DuPontAnalyzer()
# ROE分解
decomposition = dupont.calculate_dupont_decomposition(balance_sheet, income_statement)
# 返回: net_profit_margin, asset_turnover, equity_multiplier, roe
# ROE质量评估
quality = dupont.evaluate_roe_quality()
# 返回: driver_type, quality, risk_level, sustainability, details
# ROE变动驱动因素分析（对比上期）
driver_analysis = dupont.analyze_roe_drivers(
current_balance_sheet, current_income_statement,
previous_balance_sheet, previous_income_statement
)
# 返回: changes, contributions, main_driver, interpretation趋势分析器 (scripts/trend_analyzer.py)
from scripts.trend_analyzer import MultiPeriodTrendAnalyzer
trend = MultiPeriodTrendAnalyzer()
# 添加多期数据
for period_data in historical_data:
trend.add_period_data(
period=period_data['period'],
balance_sheet=period_data['balance_sheet'],
income_statement=period_data['income_statement'],
cashflow_statement=period_data['cashflow_statement'],
indicators=period_data.get('indicators')
)
# 分析指标趋势
roe_trend = trend.analyze_metric_trend('profitability.roe')
# 返回: direction, values, turning_points, statistics
# 计算CAGR
revenue_cagr = trend.calculate_cagr('income_statement.operating_revenue')
# 生成预警
alerts = trend.generate_alerts()
# 获取趋势摘要
summary = trend.get_trend_summary()财务分析器 (scripts/financial_analyzer.py)
from scripts.financial_analyzer import FinancialAnalyzer
analyzer = FinancialAnalyzer()
# 基础财务健康分析
analysis = analyzer.analyze_financial_health(
company_name="公司名称",
indicators=indicators,
report_type="年报",
report_period="2023-12-31"
)
# 返回: overall_rating, strengths, weaknesses, risks, opportunities, detailed_analysis
# 增强版分析（含杜邦和趋势分析）
analysis = analyzer.analyze_financial_health_enhanced(
company_name="公司名称",
indicators=indicators,
report_type="年报",
report_period="2023-12-31",
balance_sheet=balance_sheet,
income_statement=income_statement,
previous_balance_sheet=prev_balance_sheet,
previous_income_statement=prev_income_statement,
period_data_list=historical_periods # 多期数据用于趋势分析
)
# 返回: 基础分析 + dupont_analysis + trend_analysis
# 单独执行杜邦分析
dupont_result = analyzer.perform_dupont_analysis(
balance_sheet, income_statement,
prev_balance_sheet, prev_income_statement
)
# 单独执行趋势分析
trend_result = analyzer.perform_trend_analysis(period_data_list)
# 生成投资建议
recommendation = analyzer.generate_investment_recommendation(
analysis=analysis,
indicators=indicators,
stock_price=25.8, # 可选
target_investor_type="稳健型"
)
# 返回: rating, action, target_price, entry_price, stop_loss, reasons报告生成器 (scripts/report_generator.py)
from scripts.report_generator import AnalysisReportGenerator
generator = AnalysisReportGenerator()
# Markdown报告（含杜邦和趋势分析）
generator.generate_markdown_report(
company_name="公司名称",
report_period="2023-12-31",
report_type="年报",
statement_data=data,
indicators=indicators,
analysis=analysis,
recommendation=recommendation,
output_path="分析报告.md",
dupont_analysis=dupont_result, # 可选
trend_analysis=trend_result # 可选
)
# Excel报告
generator.generate_excel_report(
company_name="公司名称",
report_period="2023-12-31",
statement_data=data,
indicators=indicators,
output_path="财务数据.xlsx"
)数据结构
资产负债表 (balance_sheet)
{
'total_assets': 100000000, # 总资产
'current_assets': 50000000, # 流动资产
'cash_and_equivalents': 20000000, # 货币资金
'accounts_receivable': 15000000, # 应收账款
'inventory': 10000000, # 存货
'total_liabilities': 40000000, # 总负债
'current_liabilities': 25000000, # 流动负债
'accounts_payable': 8000000, # 应付账款
'shareholders_equity': 60000000, # 股东权益
}利润表 (income_statement)
{
'operating_revenue': 80000000, # 营业收入
'operating_cost': 50000000, # 营业成本
'operating_profit': 25000000, # 营业利润
'total_profit': 24000000, # 利润总额
'net_profit': 20000000, # 净利润
'financial_expenses': 1000000, # 财务费用
'depreciation_amortization': 2000000, # 折旧摊销（用于EBITDA）
'basic_eps': 0.5, # 基本每股收益（可选）
}现金流量表 (cashflow_statement)
{
'operating_cashflow': 22000000, # 经营活动现金流
'investing_cashflow': -5000000, # 投资活动现金流
'financing_cashflow': -3000000, # 筹资活动现金流
'net_cashflow': 14000000, # 现金净增加额
}元数据 (metadata)
{
'company_name': '公司名称',
'total_shares': 1000000000, # 总股本
'stock_price': 25.5, # 当前股价（用于PE、PB、EV计算）
}新增功能说明
杜邦分析
ROE三因素分解，帮助理解盈利驱动来源：
- 净利率: 反映盈利能力（定价权、成本控制）
- 资产周转率: 反映运营效率（资产使用效率）
- 权益乘数: 反映财务杠杆（负债水平）
ROE质量评价：
- 高净利率驱动：优质，可持续性高
- 高周转驱动：良好，适合薄利多销模式
- 高杠杆驱动：风险较高，需关注财务风险
成长性评分
新增20%权重的成长性维度评分：
- 营业收入增长率 (35分)
- 净利润增长率 (35分)
- 总资产增长率 (15分)
- 股东权益增长率 (15分)
增强估值指标
- PE (市盈率): 股价/EPS
- PB (市净率): 股价/BVPS
- PS (市销率): 市值/营业收入
- EV/EBITDA: 企业价值/息税折旧摊销前利润
- EBITDA: 营业利润 + 财务费用 + 折旧摊销
趋势分析与预警
- 多期数据趋势方向识别
- 转折点检测
- CAGR（复合年增长率）计算
- 自动预警生成：
- 严重：流动比率<0.8、资产负债率>80% - 警告：ROE连续下滑、经营现金流为负 - 注意：现金净利比偏低
参考文档
- 详细代码示例: 见 references/code-examples.md
- 评分标准: 见 references/scoring-standards.md
依赖
pip install pandas numpy openpyxl matplotlib seaborn openai注意事项
- 数据准确性: 解析结果依赖PDF质量，建议人工复核关键数据
- 行业差异: 不同行业的财务指标标准差异较大，分析时需考虑行业特点
- 投资风险: 本工具仅供参考，不构成投资建议