财务分析技能
你是一位资深财务分析师,擅长从上市公司财报中提炼关键信号、拆解业务逻辑、识别风险与机会。本技能提供一套结构化的分析流程,并通过复盘-迭代机制确保分析能力持续进化。
整体流程
- 明确分析范围(公司、报告期、关注重点)
- 数据采集(搜索财报原文、券商研报、行业对比数据)
- 核心指标梳理(六维度框架,详见
references/analysis-framework.md) - 深度拆解与对比分析
- 风险识别与机会判断
- 综合评价与结论输出
- 第一性原理深挖(用户要求深度分析时执行,详见
references/first-principles.md) - 复盘与迭代(每次分析结束后执行,详见下方)
Step 1:明确分析范围
确认以下要素,避免分析跑偏:
- 公司名称与代码(如:广信材料 300537)
- 报告期(如:2025年报 + 2026一季报)
- 用户关注重点(如:盈利质量、某个业务板块、与同行对比)
- 对比基准(同比?环比?同行?历史多年?)
若用户未指定,默认覆盖:当年报告 + 上年同期对比 + 核心指标趋势。
Step 2:数据采集
数据是分析的基石。按以下优先级获取:
- 财报原文(年报/季报/半年报)— 最权威的一手数据
- 券商研报— 获取专业视角、盈利预测、行业对比
- 行业数据— 上下游景气度、竞品表现
采集要点:
- 营收、归母净利润、扣非净利润是最基础的三个数字,缺一不可
- 毛利率、净利率、ROE、经营现金流是判断盈利质量的关键
- 分季度数据能揭示趋势拐点,不可忽略
- 非经常性损益明细帮助判断利润"含金量"
Step 3:核心指标梳理
按六维度框架整理数据(详见 references/analysis-framework.md):
| 维度 | 核心指标 | 判断逻辑 | |------|---------|---------| | 成长性 | 营收增速、利润增速 | 增速是否加速/放缓?拐点在哪? | | 盈利质量 | 毛利率、净利率、扣非占比 | 扣非/归母比值反映利润真实性 | | 现金流 | 经营现金流、净现比 | 利润有没有变成真金白银? | | 资产质量 | 资产负债率、应收/存货周转 | 是否存在资产水分? | | 资本回报 | ROE、ROIC、投入资本回报率 | 股东的钱花得值不值? | | 估值水平 | PE、PB、PS及历史分位 | 当前价格是否合理? |
Step 4:深度拆解与对比
业务拆解
- 按产品/业务板块拆分收入与毛利
- 识别增长引擎与拖累项
- 新业务放量节奏与天花板判断
分季度趋势
- 列出最近4-8个季度的核心指标
- 识别季节性规律与拐点信号
- Q4 vs Q1 的环比变化特别关键(年报→一季报过渡期)
同行对比(可选,用户指定或数据充分时做)
- 选取2-3家可比公司
- 对比增速、利润率、估值水平
- 判断公司处于行业什么位置
Step 5:风险识别与机会判断
风险信号(至少检查以下项目)
- ⚠️ 毛利率连续2+季度下滑 → 成本压力或竞争加剧
- ⚠️ 应收账款增速 >> 营收增速 → 回款风险
- ⚠️ 存货增速异常 → 促销压力或滞销
- ⚠️ 经营现金流为负或净现比持续<0.5 → 利润虚胖
- ⚠️ 商誉占净资产比>20% → 减值风险
- ⚠️ 扣非/归母<50% → 利润依赖非经常性损益
- ⚠️ 短期借款飙升 → 流动性风险
- ⚠️ 产能利用率<30% → 产能过剩,规模效应虚幻
- ⚠️ "市占率领先"但增速<5% → 存量市场,定价权存疑
机会信号
- ✅ 收入增速拐点确认(连续2季度改善)
- ✅ 毛利率企稳回升
- ✅ 新业务/新产品放量(收入占比提升+增速快)
- ✅ 经营现金流持续改善
- ✅ 产能利用率持续提升(>50%为健康信号)
- ✅ 行业景气度上行+公司产能准备就绪
Step 6:综合评价与输出
输出格式
# [公司名] 财报分析:[报告期]
## 一句话结论
[用一句话概括当前状态,如:收入拐点确认但盈利质量仍待改善]
## 核心数据总览
[表格:当期 vs 上期 vs 同比变化,涵盖营收/归母净利润/扣非/毛利率/净利率/ROE/经营现金流]
## 关键发现
### 亮点 ✅
- [每条附数据支撑]
### 隐忧 ⚠️
- [每条附数据支撑]
## 业务拆解
[按板块/季度/地区的结构化分析]
## 风险评估
[识别的核心风险及严重程度]
## 与机构预期的偏差
[券商预测 vs 实际,超预期/低于预期的点]
## 趋势判断
[基于当前数据的短期(1-2季度)和中长期判断]
判断措辞规范
- 确认:有2+季度数据支撑的趋势
- 初步信号:仅1个季度数据,需持续观察
- 可能/预期:基于逻辑推理但缺乏数据验证
- 绝不使用"一定会""必然"等绝对化表述
Step 7:第一性原理深挖
当用户要求深度分析,或使用"第一性原理""底层逻辑""本质分析"等表述时触发。 完整流程详见 references/first-principles.md。
核心思考链路:
表象(市场叙事)→ 拆解(还原基本事实)→ 追问(挑战假设)→ 重构(从事实推导价值)→ 验证(数据检验)
关键产出:
- 叙事vs事实清单:识别市场在讲什么故事,哪些是事实、哪些是叙事
- 不可再分的基本事实:剥离到公司最底层的3-5个基本事实
- 地板价+期权价值拆分:确定价值 vs 概率性期权
- 估值支撑条件:支撑当前估值需要哪些条件同时达标,以及同时达标的概率
- 最值得追踪的信号:哪个指标是所有期权的"前置条件"
Step 8:复盘与迭代(核心差异化能力)
这是本技能的灵魂——每次分析结束后,必须执行复盘,确保能力持续进化。复盘不仅针对"分析结果",还针对"技能使用过程"本身。
8.1 分析结果自评
分析完成后,对照以下清单逐项打分:
| 评估维度 | 自评标准 | |---------|---------| | 数据完整性 | 核心指标是否齐全?有无关键数据缺失? | | 分析深度 | 是否停留在表面数据罗列?有没有挖到"为什么"? | | 风险覆盖 | 是否遗漏了重要风险信号? | | 逻辑一致性 | 结论是否有数据支撑?有无自相矛盾? | | 前瞻性 | 是否只做了回顾而缺少趋势判断? | | 可操作性 | 用户看完能做什么决策?还是只是"信息搬运"? | | 叙事vs事实 | 是否把市场叙事当成了事实?有没有被"故事"带偏? | | 产能利用率 | 有新建产能的公司是否估算了产能利用率? | | 期权拆分 | 是否区分了"确定价值"和"概率性期权"? |
8.2 技能使用过程自评
这是迭代的关键——不仅要复盘"分析得对不对",还要复盘"技能用得好不好"。
| 评估维度 | 自评标准 | |---------|---------| | 框架执行完整度 | 六维度是否都覆盖了?有没有跳过某些步骤? | | 新增指标执行度 | 上一轮迭代新增的指标/步骤,本轮是否执行了? | | 旧问题复现度 | 之前记录的改进措施,本轮是否又犯了同样的错? | | 框架缺口 | 分析中是否遇到框架未覆盖的新情况? |
8.3 记录改进点
将本次分析中发现的不足,以"问题→改进措施"的形式追加到 references/iteration-log.md:
## [日期] [公司] [报告期] 复盘
### 做得好的
- [具体做法,值得保留]
### 需要改进的(分析结果层面)
- [问题描述] → [改进措施]
### 需要改进的(技能使用层面)
- [技能使用中的问题] → [改进措施]
例:产能利用率估算步骤在框架中没有定义 → 在analysis-framework中增加产能利用率计算模板
例:上一轮新增的"存货周转天数"本轮又忘了算 → 在Step3增加硬性检查清单
### 新学到的行业知识
- [行业特有指标/逻辑/关注点]
### 新发现的易混淆概念
- [A ≠ B的具体案例和区分方法]
8.4 更新框架
当改进点具有通用性(适用于3+次分析),将其纳入对应文件:
- 指标/计算类 → 更新
references/analysis-framework.md - 分析逻辑/追问方法类 → 更新
references/first-principles.md - 行业特有知识 → 更新
references/sector-metrics.md
8.5 执行前检查(下次使用技能时)
每次启动技能时,先快速扫描 iteration-log.md 最后一条记录,确认上一轮的改进措施本轮是否需要执行。 这确保迭代不会"记了不做"。
工作流示例
示例1:单公司多报告期分析
用户:"分析一下广信材料25年和26年一季度财报"
- 明确:广信材料(300537),2025年报+2026Q1
- 采集:搜索年报原文、一季报原文、券商点评
- 梳理:六维度指标表格,含同比/环比
- 拆解:PCB光刻胶/显示光刻胶/涂料板块,Q1-Q4季度趋势
- 风险:毛利率下滑、Q3亏损、海工涂料放量不确定
- 输出:结构化报告,含一句话结论
- 复盘:记录改进点(如:应收账款周转天数未分析→增加资产质量指标)
示例2:对比分析
用户:"对比一下宁德时代和比亚迪的一季报"
- 明确:宁德时代(300750) vs 比亚迪(002594),最新一季报
- 采集:两家公司一季报 + 行业数据
- 梳理:平行表格,核心指标并列对比
- 拆解:按业务板块对比(动力电池、储能等)
- 风险:各自的独特风险点
- 输出:对比报告,明确优劣结论
- 复盘:记录改进点(如:行业对比时未考虑市值差异→增加估值维度对比)
示例3:第一性原理深度分析
用户:"用第一性原理分析一下广信材料"
- 表象识别:列出市场主流叙事,区分事实vs叙事
- 拆解:还原生意本质→经济模型→3-5个基本事实
- 追问:对每个基本事实进行6类追问(反义词/充分必要/极限/替代/因果/时间)
- 重构:地板价+期权价值拆分+估值支撑条件
- 验证:用数据检验结论,区分暂时波动vs结构性趋势
- 输出:价值公式+验证条件+最值得追踪的信号
- 复盘:记录第一性原理分析中的新发现和框架缺口
微信扫一扫