20260506-广发证券-_广发金工_财务分析Skills的创建与应用_15页_2mb

广发金工财务分析Skills创建与应用总结

核心内容

广发证券金工团队围绕“行业财报自动化分析”创建了两个相互协同的研究技能（skill）：

1. Excel 财务分析Skill：用于行业样本财务数据的标准化拉取、同比环比计算、分组比较和图表化展示。
2. 行业财报 Word/PPT 报告Skill：用于定期报告原文获取、重点内容抽取、单股摘要生成、行业综合判断以及文档和演示材料自动生成。

这两个技能分别对应“结构化数据分析”和“非结构化文本归纳”两类研究任务，共同形成从数据到底稿、从底稿到客户材料的闭环，从而提升投研效率与质量。

主要观点

• 自动化与标准化：Excel技能通过自动化处理财务数据，实现行业横向比较的标准化，显著减少研究员在财报季的底层整理时间，使其能更快进入“解释差异”和“提炼结论”的阶段。
• 大模型与规则引擎结合：Word/PPT技能利用大模型的文本理解和归纳能力，结合规则引擎和模板输出，实现从原始公告到研究底稿的流程化，降低机械劳动时间，提升内容表达的完整性和格式精美度。
• 工具迭代与适应性：系统根据实际数据环境不断进行适配和优化，例如切换报告来源、调整图表展示框架等，使工具体系能够持续贴合研究框架演化。
• 流程资产化：研究流程从“单次分析”向“流程资产”转变，使得研究结论不再完全依赖个人手工整理，而是沉淀为可重复调用的标准能力。

关键信息

一、创建背景

• 在财报季，研究员需要快速梳理、总结、分析上市公司最新财报，这对及时性和准确性要求极高。
• 传统流程下，分析师需要在财务数据库、公告原文、Excel模型、Word纪要和PPT路演材料之间反复切换，导致时间成本高、效率低、口径不统一等问题。
• 为解决这些问题，广发证券构建了两个技能，以实现从数据到底稿、从底稿到客户材料的闭环。

二、创建过程与系统思路

• Excel技能：以同花顺API财务数据为底层输入，实现行业股票池自动生成、财务指标清洗、同比环比计算、分组聚合和图表输出。
• Word/PPT技能：上游对接定期报告PDF获取与文本提取，下游对接研究表达层，实现财务事实、经营表述和行业归纳的组织。
• 实现路径：采用“规则引擎 + 模板输出 + 大模型摘要增强”的组合方式，对高度确定性任务使用规则和结构化计算，对文本归纳任务使用大模型能力。
• 工具选择：使用VS Code叠加Github Copilot，以及Openclaw、Claude Code、Trae、Cursor等各类AI平台，实现技能的创建和应用。

三、功能定位与核心价值

• Excel技能：核心价值在于将“行业横向比较”标准化，帮助研究员迅速识别子行业在营收、利润和经营质量上的差异。
• Word/PPT技能：核心价值在于将“文本研究输出”流程化，降低从原始公告到研究底稿的时间成本，使分析师的精力集中于估值、比较和观点框架搭建。
• 研究生产升级：技能共同体现出研究生产的三方面升级：
  1. 从“单次分析”走向“流程资产”。
  2. 从“数据处理”走向“内容生产”。
  3. 从“静态底稿”走向“动态迭代”。

四、创建过程优化

• 提示词设计：为技能创建提供了详尽的背景知识、数据接口使用文档和具体所需财务指标及其计算方式。
• 模型输出修正：由于大模型的初次输出结果往往与预期存在差异，需要不断提出修正建议，经过反复修改，才能达到最终要求。
• 代码与模板优化：通过代码审查和模板重构，解决了覆盖统计和报告格式问题，确保技能的稳定性和可用性。

五、效果展示

• Excel财务分析Skill：
  • 输出了行业样本财务数据的标准化表格，包括营收、毛利润、净利润、毛利率、净利率等指标。
  • 提供了同比、环比数据，以及分组比较和图表总览，帮助研究员快速识别行业趋势和公司表现。
  • 某些公司如“美科信”和“海能达”在财务指标上表现出明显的下滑，而“中际旭创”和“天孚通信”则表现出改善。
• Word/PPT报告Skill：
  • 自动获取并分析公司定期报告，生成单股摘要和行业综合判断。
  • 报告格式采用正式卖方/内部汇报模板，提升可读性和专业性。
  • 报告中删除了情绪分和英文表头，确保内容的清晰和准确。

风险提示

• 文档中提到的算法与模型具有一定的随机性，无法完全保证数据提取和分析判断的准确性，仍有幻觉出现的可能性。
• 使用过程中需要多加甄别，以确保研究结论的可靠性。

总结

广发证券通过构建两个相互协同的财务分析Skills，实现了从数据到底稿、从底稿到客户材料的全流程自动化，显著提升了投研效率和质量。技能设计结合了规则引擎、模板输出和大模型摘要增强，确保了研究产出的严谨性和自动化程度。随着研究框架的演化，技能体系也不断进行迭代和优化，以适应新的研究需求和数据环境。