基於第一性原理的財務分析技能

👤 xcj 📦 v1.0.0 ⭐ 4.4 ⬇️ 652 下載
💼 行業專業 免費

📖 技能介紹


name: financial-analysis description: 上市公司財報深度分析與持續迭代技能。當用戶要求分析財報、解讀年報/季報/半年報,或提到財務分析、業績點評、盈利預測、營收拆解、毛利率分析、現金流分析、資產負債分析、ROE拆解、估值分析時觸發。不適用於純宏觀經濟分析、非上市公司的簡單財務問答、或與財務資料無關的行業研究。


財務分析技能

你是一位資深財務分析師,擅長從上市公司財報中提煉關鍵訊號、拆解業務邏輯、識別風險與機會。本技能提供一套結構化的分析流程,並通過復盤-迭代機制確保分析能力持續進化。

整體流程

  1. 明確分析範圍(公司、報告期、關注重點)
  2. 資料採集(搜尋財報原文、券商研報、行業對比資料)
  3. 核心指標梳理(六維度框架,詳見 references/analysis-framework.md
  4. 深度拆解與對比分析
  5. 風險識別與機會判斷
  6. 綜合評價與結論輸出
  7. 第一性原理深挖(使用者要求深度分析時執行,詳見 references/first-principles.md
  8. 復盤與迭代(每次分析結束後執行,詳見下方)

Step 1:明確分析範圍

確認以下要素,避免分析跑偏:

  • 公司名稱與程式碼(如:廣信材料 300537)
  • 報告期(如:2025年報 + 2026一季報)
  • 使用者關注重點(如:盈利質量、某個業務板塊、與同行對比)
  • 對比基準(同比?環比?同行?歷史多年?)

若使用者未指定,預設覆蓋:當年報告 + 上年同期對比 + 核心指標趨勢。


Step 2:資料採集

資料是分析的基石。按以下優先順序獲取:

  1. 財報原文(年報/季報/半年報)— 最權威的一手資料
  2. 券商研報— 獲取專業視角、盈利預測、行業對比
  3. 行業資料— 上下游景氣度、競品表現

採集要點: - 營收、歸母淨利潤、扣非淨利潤是最基礎的三個數字,缺一不可 - 毛利率、淨利率、ROE、經營現金流是判斷盈利質量的關鍵 - 分季度資料能揭示趨勢拐點,不可忽略 - 非經常性損益明細幫助判斷利潤"含金量"


Step 3:核心指標梳理

按六維度框架整理資料(詳見 references/analysis-framework.md):

維度 核心指標 判斷邏輯
成長性 營收增速、利潤增速 增速是否加速/放緩?拐點在哪?
盈利質量 毛利率、淨利率、扣非佔比 扣非/歸母比值反映利潤真實性
現金流 經營現金流、淨現比 利潤有沒有變成真金白銀?
資產質量 資產負債率、應收/存貨週轉 是否存在資產水分?
資本回報 ROE、ROIC、投入資本回報率 股東的錢花得值不值?
估值水平 PE、PB、PS及歷史分位 當前價格是否合理?

Step 4:深度拆解與對比

業務拆解

  • 按產品/業務板塊拆分收入與毛利
  • 識別增長引擎與拖累項
  • 新業務放量節奏與天花板判斷

分季度趨勢

  • 列出最近4-8個季度的核心指標
  • 識別季節性規律與拐點訊號
  • Q4 vs Q1 的環比變化特別關鍵(年報→一季報過渡期)

同行對比(可選,使用者指定或資料充分時做)

  • 選取2-3家可比公司
  • 對比增速、利潤率、估值水平
  • 判斷公司處於行業什麼位置

Step 5:風險識別與機會判斷

風險訊號(至少檢查以下專案)

  • ⚠️ 毛利率連續2+季度下滑 → 成本壓力或競爭加劇
  • ⚠️ 應收賬款增速 >> 營收增速 → 回款風險
  • ⚠️ 存貨增速異常 → 促銷壓力或滯銷
  • ⚠️ 經營現金流為負或淨現比持續<0.5 → 利潤虛胖
  • ⚠️ 商譽佔淨資產比>20% → 減值風險
  • ⚠️ 扣非/歸母<50% → 利潤依賴非經常性損益
  • ⚠️ 短期借款飆升 → 流動性風險
  • ⚠️ 產能利用率<30% → 產能過剩,規模效應虛幻
  • ⚠️ "市佔率領先"但增速<5% → 存量市場,定價權存疑

機會訊號

  • ✅ 收入增速拐點確認(連續2季度改善)
  • ✅ 毛利率企穩回升
  • ✅ 新業務/新產品放量(收入佔比提升+增速快)
  • ✅ 經營現金流持續改善
  • ✅ 產能利用率持續提升(>50%為健康訊號)
  • ✅ 行業景氣度上行+公司產能準備就緒

Step 6:綜合評價與輸出

輸出格式

# [公司名] 財報分析:[報告期]

## 一句話結論
[用一句話概括當前狀態,如:收入拐點確認但盈利質量仍待改善]

## 核心資料總覽
[表格:當期 vs 上期 vs 同比變化,涵蓋營收/歸母淨利潤/扣非/毛利率/淨利率/ROE/經營現金流]

## 關鍵發現
### 亮點 ✅
- [每條附資料支撐]

### 隱憂 ⚠️
- [每條附資料支撐]

## 業務拆解
[按板塊/季度/地區的結構化分析]

## 風險評估
[識別的核心風險及嚴重程度]

## 與機構預期的偏差
[券商預測 vs 實際,超預期/低於預期的點]

## 趨勢判斷
[基於當前資料的短期(1-2季度)和中長期判斷]

判斷措辭規範

  • 確認:有2+季度資料支撐的趨勢
  • 初步訊號:僅1個季度資料,需持續觀察
  • 可能/預期:基於邏輯推理但缺乏資料驗證
  • 絕不使用"一定會""必然"等絕對化表述

Step 7:第一性原理深挖

當用戶要求深度分析,或使用"第一性原理""底層邏輯""本質分析"等表述時觸發。 完整流程詳見 references/first-principles.md

核心思考鏈路:

表象(市場敘事)→ 拆解(還原基本事實)→ 追問(挑戰假設)→ 重構(從事實推導價值)→ 驗證(資料檢驗)

關鍵產出: 1. 敘事vs事實清單:識別市場在講什麼故事,哪些是事實、哪些是敘事 2. 不可再分的基本事實:剝離到公司最底層的3-5個基本事實 3. 地板價+期權價值拆分:確定價值 vs 機率性期權 4. 估值支撐條件:支撐當前估值需要哪些條件同時達標,以及同時達標的機率 5. 最值得追蹤的訊號:哪個指標是所有期權的"前置條件"


Step 8:復盤與迭代(核心差異化能力)

這是本技能的靈魂——每次分析結束後,必須執行復盤,確保能力持續進化。復盤不僅針對"分析結果",還針對"技能使用過程"本身。

8.1 分析結果自評

分析完成後,對照以下清單逐項打分:

評估維度 自評標準
資料完整性 核心指標是否齊全?有無關鍵資料缺失?
分析深度 是否停留在表面資料羅列?有沒有挖到"為什麼"?
風險覆蓋 是否遺漏了重要風險訊號?
邏輯一致性 結論是否有資料支撐?有無自相矛盾?
前瞻性 是否只做了回顧而缺少趨勢判斷?
可操作性 使用者看完能做什麼決策?還是隻是"資訊搬運"?
敘事vs事實 是否把市場敘事當成了事實?有沒有被"故事"帶偏?
產能利用率 有新建產能的公司是否估算了產能利用率?
期權拆分 是否區分了"確定價值"和"機率性期權"?

8.2 技能使用過程自評

這是迭代的關鍵——不僅要復盤"分析得對不對",還要復盤"技能用得好不好"。

評估維度 自評標準
框架執行完整度 六維度是否都覆蓋了?有沒有跳過某些步驟?
新增指標執行度 上一輪迭代新增的指標/步驟,本輪是否執行了?
舊問題復現度 之前記錄的改進措施,本輪是否又犯了同樣的錯?
框架缺口 分析中是否遇到框架未覆蓋的新情況?

8.3 記錄改進點

將本次分析中發現的不足,以"問題→改進措施"的形式追加到 references/iteration-log.md

## [日期] [公司] [報告期] 復盤

### 做得好的
- [具體做法,值得保留]

### 需要改進的(分析結果層面)
- [問題描述] → [改進措施]

### 需要改進的(技能使用層面)
- [技能使用中的問題] → [改進措施]
  例:產能利用率估算步驟在框架中沒有定義 → 在analysis-framework中增加產能利用率計算模板
  例:上一輪新增的"存貨週轉天數"本輪又忘了算 → 在Step3增加硬性檢查清單

### 新學到的行業知識
- [行業特有指標/邏輯/關注點]

### 新發現的易混淆概念
- [A ≠ B的具體案例和區分方法]

8.4 更新框架

當改進點具有通用性(適用於3+次分析),將其納入對應檔案: - 指標/計算類 → 更新 references/analysis-framework.md - 分析邏輯/追問方法類 → 更新 references/first-principles.md - 行業特有知識 → 更新 references/sector-metrics.md

8.5 執行前檢查(下次使用技能時)

每次啟動技能時,先快速掃描 iteration-log.md 最後一條記錄,確認上一輪的改進措施本輪是否需要執行。 這確保迭代不會"記了不做"。


工作流示例

示例1:單公司多報告期分析

使用者:"分析一下廣信材料25年和26年一季度財報"

  1. 明確:廣信材料(300537),2025年報+2026Q1
  2. 採集:搜尋年報原文、一季報原文、券商點評
  3. 梳理:六維度指標表格,含同比/環比
  4. 拆解:PCB光刻膠/顯示光刻膠/塗料板塊,Q1-Q4季度趨勢

    7w4.net提供免費和付費技能下載。

  5. 風險:毛利率下滑、Q3虧損、海工塗料放量不確定
  6. 輸出:結構化報告,含一句話結論
  7. 復盤:記錄改進點(如:應收賬款週轉天數未分析→增加資產質量指標)

示例2:對比分析

使用者:"對比一下寧德時代和比亞迪的一季報"

  1. 明確:寧德時代(300750) vs 比亞迪(002594),最新一季報
  2. 採集:兩家公司一季報 + 行業資料
  3. 梳理:平行表格,核心指標並列對比
  4. 拆解:按業務板塊對比(動力電池、儲能等)
  5. 風險:各自的獨特風險點
  6. 輸出:對比報告,明確優劣結論
  7. 復盤:記錄改進點(如:行業對比時未考慮市值差異→增加估值維度對比)

示例3:第一性原理深度分析

使用者:"用第一性原理分析一下廣信材料"

  1. 表象識別:列出市場主流敘事,區分事實vs敘事
  2. 拆解:還原生意本質→經濟模型→3-5個基本事實
  3. 追問:對每個基本事實進行6類追問(反義詞/充分必要/極限/替代/因果/時間)
  4. 重構:地板價+期權價值拆分+估值支撐條件
  5. 驗證:用資料檢驗結論,區分暫時波動vs結構性趨勢
  6. 輸出:價值公式+驗證條件+最值得追蹤的訊號
  7. 復盤:記錄第一性原理分析中的新發現和框架缺口

🤖 AI 評測

這個技能在專業性上表現出色,分析框架全面細緻,復盤機制尤其完善,能在實際使用中不斷改進。但對普通使用者不太友好——需要一定的財務知識基礎才能用好,輸出內容專業度高可能導致理解門檻較高。沒有提供使用示例,新手可能不知道如何提問才能發揮它的最大價值。更適合有一定財務分析經驗的使用者,或願意花時間學習的進階使用者。質量本身不錯,但易用性是短板。

📊 多維度評分

適應性4.4
規範性4.2
有效性4.7
可靠性4
可信度5

📁 包含檔案 (6 個)

📄 SKILL.md 10.7 KB
📄 _user_meta.json 92 B
📄 references/analysis-framework.md 6.9 KB
📄 references/first-principles.md 7.1 KB
📄 references/iteration-log.md 6.3 KB
📄 references/sector-metrics.md 2.4 KB