财务报表分析¶

项目背景与目标¶

上市公司财务报表分析是投研、信贷、风控等场景的基础工作，但传统人工分析面临三大痛点：报表数据量大（一份年报数百页）、勾稽关系复杂、横向纵向对比耗时。借助 AI Agent 能力，可以实现报表数据自动提取、关键指标计算、异常识别与结构化分析报告生成，将单家公司分析时间从数小时压缩到分钟级。

本项目目标是构建一个财务报表自动分析 Agent，输入为上市公司定期报告（PDF/HTML/Excel），输出为结构化指标表 + 多维度分析报告 + 风险提示。系统须保证数据准确性（与原始报表可追溯）、分析方法可解释、报告格式可定制。

需求分析¶

输入形态：年报/季报 PDF、巨潮资讯网 HTML、XBRL 实例文档、Excel 财务数据 输出内容： 1. 三大报表结构化数据（资产负债表、利润表、现金流量表） 2. 核心指标自动计算：偿债能力、盈利能力、运营能力、成长能力四类约 30 项 3. 同比/环比/行业对比分析 4. 异常项识别与解释（如应收激增、存货周转变慢、现金流与利润背离） 5. 结构化分析报告（Markdown / Word / PDF）

用户场景：分析师批量处理、信贷员快速尽调、散户自查、教学演示。

技术选型说明¶

模块	技术方案	选型理由
PDF 解析	PyMuPDF + LayoutLMv3	处理复杂表格与多栏版面
信息提取	LLM + Function Calling	灵活适配不同公司报表格式
指标计算	Pandas + 公式引擎	精确数值计算，避免 LLM 算错
异常检测	规则 + 同比环比统计	可解释，符合审计要求
报告生成	LangGraph + 模板引擎	多章节并行生成
向量库	Chroma	存储历史报表做同行对比
后端	FastAPI	异步处理大批量报表
任务队列	Celery + Redis	长任务异步化

架构设计¶

flowchart LR
    IN[报表输入 PDF/HTML/XBRL] --> PARSE[解析层]
    PARSE --> TXT[文本块]
    PARSE --> TAB[表格结构]
    TXT --> EXT[LLM 信息提取]
    TAB --> EXT
    EXT --> STD[标准化数据模型]
    STD --> CALC[指标计算引擎]
    STD --> VEC[(历史报表向量库)]
    CALC --> ANOM[异常检测]
    ANOM --> REP[报告生成 Agent]
    VEC --> REP
    REP --> OUT[分析报告]
    CALC --> DB[(财务数据库)]
    QUEUE[Celery 任务队列] --> PARSE

关键模块实现思路¶

模块1：报表解析与表格还原¶

PDF 解析是最大难点。采用"版面分析 + 表格重建"两阶段：先用 LayoutLMv3 识别页面区域（标题/段落/表格/页眉页脚），再对表格区域用线框与单元格坐标还原行列结构。无框表格需借助对齐位置与字体特征推断边界。

对 HTML 与 XBRL 输入可直接走结构化解析，无需 OCR。建议优先引导用户使用 XBRL 或交易所结构化数据，PDF 仅作兜底。

模块2：科目映射与标准化¶

不同公司报表科目命名差异大（如"应收账款" vs "应收款项"），需建立科目映射字典。LLM 在提取时输出标准科目名，再由规则引擎做二次校验：勾稽关系（资产=负债+权益、净利润流入现金流量表）必须成立，否则标记需人工复核。

def validate_articulation(bs: dict, pl: dict, cf: dict) -> list:
    issues = []
    if abs(bs["资产总计"] - bs["负债合计"] - bs["所有者权益合计"]) > 0.01:
        issues.append("资产负债表不平")
    if abs(pl["净利润"] - cf["经营活动净现金流"]) / pl["净利润"] > 0.5:
        issues.append("利润与现金流背离过大")
    return issues

模块3：指标计算引擎¶

指标计算必须用确定性的 Pandas/公式引擎完成，不能交给 LLM 计算（数值幻觉风险高）。预置 30+ 指标公式：流动比率、速动比率、资产负债率、ROE、ROIC、毛利率、净利率、存货周转率、营收增长率等。支持自定义公式扩展。

同行对比时从向量库检索同行业可比公司近 3 年数据，计算行业分位数。

模块4：异常识别与解释¶

异常识别采用"规则 + 统计"双轨：规则层检查显性风险（如应收账款增速 > 营收增速、商誉占净资产 > 30%、经营现金流连续 2 年为负）；统计层计算各指标同比变化的 Z-Score，超出 ±2σ 标记为异常。

LLM 对每个异常生成解释：是什么、为什么可能发生、对投资者的含义、建议关注事项。解释须引用具体数值，禁止编造。

核心流程详解¶

单公司分析流程： 1. 用户上传报表 → 入队 Celery 任务 2. 解析层提取文本与表格 → LLM 抽取科目数据 3. 勾稽校验 → 通过则标准化入库，失败则标红待复核 4. 指标引擎计算 30+ 指标 → 与历史/同行对比 5. 异常检测 → LLM 生成异常解释 6. 报告生成 Agent 并行产出各章节 → 合并为最终报告 7. 报告附带数据溯源（每项指标标注原始报表页码）

部署与优化建议¶

解析缓存：同一报表重复解析命中缓存，避免重复 LLM 调用
模型分级：科目提取用 GPT-4o 保证准确率，报告润色用 mini 降本
批量处理：支持上传 ZIP 包批量分析，并行度受 LLM 配额限制
校验护栏：所有 LLM 输出的数值必须回写校验，与原始报表比对
版本管理：报表数据按披露日期版本化，支持回溯历史快照

常见问题与解决方案¶

问题	原因	解决方案
PDF 表格错位	复杂合并单元格	LayoutLMv3 + 人工规则修正
科目漏提取	罕见科目名	映射字典持续扩充 + 兜底关键词匹配
LLM 数值错误	模型计算幻觉	数值一律走公式引擎，LLM 仅做文字
行业对比失真	可比公司选取不当	用申万行业分类 + 营收规模过滤

扩展方向¶

接入财报附注深度解读（如关联交易、或有事项）
增加财务舞弊识别模型（Benford 定律、M-Score）
支持跨国报表分析（IFRS 与中国准则差异调整）
输出可视化看板，关键指标趋势图