Python+AI：自动分析财报数据的5个实战技巧

总共28小时整整3天半而且这还只是季报如果是年报更厚。更崩溃的是有些公司财报格式不统一找数据像大海捞针。我当时的想法是这活儿能不能自动化一、解决方案PythonAI自动分析流水线先上架构图PDF财报 → 文本提取 → AI解析 → 结构化数据 → 自动分析 → 可视化报告核心思路PDF解析用Python提取财报文本AI理解用大模型读懂财报内容数据提取自动抓取关键财务指标智能分析AI生成分析结论可视化自动生成图表和报告下面分享5个实战技巧。技巧1PDF财报文本提取财报PDF通常有两类文字版PDF可以直接复制文字扫描版PDF需要OCR识别我用pymupdf处理文字版paddleocr处理扫描版import fitz # pymupdf from paddleocr import PaddleOCR def extract_pdf_text(pdf_path): 提取PDF文本支持文字版和扫描版 text # 尝试直接提取文字 doc fitz.open(pdf_path) for page in doc: text page.get_text() # 如果文字太少说明是扫描版用OCR if len(text) 1000: print(检测到扫描版PDF启动OCR...) ocr PaddleOCR(use_angle_clsTrue, langch) for page_num in range(len(doc)): # 将页面转为图片 pix doc[page_num].get_pixmap(matrixfitz.Matrix(2, 2)) img_path ftemp_page_{page_num}.png pix.save(img_path) # OCR识别 result ocr.ocr(img_path, clsTrue) for line in result[0]: text line[1][0] \n return text踩坑经验有些财报是混合版部分文字部分图片需要两种方法结合OCR识别率约95%关键数据建议人工复核大文件建议分页处理避免内存溢出技巧2用AI提取关键财务指标财报里关键数据散落各处我训练了一个提取Promptimport dashscope def extract_financial_data(text, company_name): 用AI提取关键财务指标 prompt f 请从以下财报文本中提取关键财务指标以JSON格式返回 需要提取的指标 1. 营业收入本期、上期、同比增幅 2. 净利润本期、上期、同比增幅 3. 总资产 4. 净资产 5. 经营现金流 6. 毛利率 7. 净利率 8. ROE净资产收益率 财报文本 {text[:8000]} # 限制长度避免超出token限制 请严格按以下JSON格式返回 {{ company: 公司名称, revenue: {{current: 本期营收, previous: 上期营收, yoy: 同比增幅}}, net_profit: {{current: 本期净利润, previous: 上期净利润, yoy: 同比增幅}}, total_assets: 总资产, net_assets: 净资产, operating_cash_flow: 经营现金流, gross_margin: 毛利率, net_margin: 净利率, roe: ROE }} 注意 - 如果某项数据在财报中未找到填未披露 - 金额统一转换为亿元 - 百分比保留2位小数 response dashscope.Generation.call( modelqwen3-72b, messages[{role: user, content: prompt}], result_formatmessage ) # 解析JSON结果 import json import re content response.output.choices[0].message.content # 提取JSON部分 json_match re.search(r\{.*\}, content, re.DOTALL) if json_match: return json.loads(json_match.group()) else: return {error: 解析失败, raw: content}实测效果提取准确率约90%处理时间10秒/份财报比手工快约720倍技巧3财务指标自动计算与对比提取原始数据后还需要计算衍生指标import pandas as pd def calculate_metrics(data): 计算财务指标 # 基础指标 revenue float(data[revenue][current].replace(亿元, )) net_profit float(data[net_profit][current].replace(亿元, )) total_assets float(data[total_assets].replace(亿元, )) net_assets float(data[net_assets].replace(亿元, )) # 计算衍生指标 metrics { 营业收入: revenue, 净利润: net_profit, 总资产: total_assets, 净资产: net_assets, 净利润率: round(net_profit / revenue * 100, 2) if revenue 0 else 0, 总资产周转率: 0, # 需要营业收入平均余额 权益乘数: round(total_assets / net_assets, 2) if net_assets 0 else 0, ROE: data.get(roe, 未计算), ROA: round(net_profit / total_assets * 100, 2) if total_assets 0 else 0, } return metrics def compare_companies(companies_data): 多公司对比分析 df pd.DataFrame(companies_data) # 排序 df_sorted df.sort_values(净利润, ascendingFalse) # 行业均值 industry_avg { 平均营收: df[营业收入].mean(), 平均净利润: df[净利润].mean(), 平均ROE: df[ROE].mean() if ROE in df else 0, } return df_sorted, industry_avg技巧4AI自动生成分析结论数据有了但老板要的是分析结论。让AI来写def generate_analysis(data, company_name): AI生成财务分析结论 prompt f 你是一位资深财务分析师请根据以下财务数据撰写一段专业的分析结论200字左右 公司名称{company_name} 财务数据 {json.dumps(data, ensure_asciiFalse, indent2)} 分析要点 1. 营收增长情况 2. 盈利能力分析 3. 与行业对比 4. 风险提示 要求 - 专业但不晦涩 - 有数据支撑 - 指出亮点和风险 - 适合向老板汇报 response dashscope.Generation.call( modelqwen3-72b, messages[{role: user, content: prompt}], result_formatmessage ) return response.output.choices[0].message.content生成示例该公司2024年营收同比增长15.3%净利润增长22.1%盈利能力持续改善。ROE达到18.5%高于行业平均水平12.3%资本回报能力较强。但需关注应收账款增长较快同比35%现金流压力有所上升。建议重点关注回款情况。技巧5自动生成可视化报告最后一步把数据变成图表import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams[font.sans-serif] [SimHei] # 中文显示 matplotlib.rcParams[axes.unicode_minus] False def generate_report(company_data, output_pathreport.png): 生成可视化报告 fig, axes plt.subplots(2, 2, figsize(14, 10)) fig.suptitle(f{company_data[company]} 财务分析报告, fontsize16) # 1. 营收与利润趋势 ax1 axes[0, 0] years [2022, 2023, 2024] revenues [company_data.get(frevenue_{y}, 0) for y in years] profits [company_data.get(fprofit_{y}, 0) for y in years] ax1.plot(years, revenues, markero, label营业收入, linewidth2) ax1.plot(years, profits, markers, label净利润, linewidth2) ax1.set_title(营收与利润趋势) ax1.legend() ax1.grid(True, alpha0.3) # 2. 财务指标雷达图 ax2 axes[0, 1] categories [ROE, 净利率, 周转率, 杠杆, 成长] values [85, 70, 60, 50, 90] # 示例数据 angles [n / float(len(categories)) * 2 * 3.14159 for n in range(len(categories))] values values[:1] angles angles[:1] ax2 plt.subplot(2, 2, 2, projectionpolar) ax2.plot(angles, values, o-, linewidth2) ax2.fill(angles, values, alpha0.25) ax2.set_xticks(angles[:-1]) ax2.set_xticklabels(categories) ax2.set_title(财务健康度) # 3. 收入构成饼图 ax3 axes[1, 0] segments [主营业务, 其他业务, 投资收益] sizes [80, 15, 5] ax3.pie(sizes, labelssegments, autopct%1.1f%%, startangle90) ax3.set_title(收入构成) # 4. 关键指标对比 ax4 axes[1, 1] metrics [营收(亿), 净利润(亿), ROE(%), 毛利率(%)] values [120.5, 15.2, 18.5, 35.2] colors [#2ecc71, #3498db, #e74c3c, #f39c12] bars ax4.bar(metrics, values, colorcolors) ax4.set_title(关键指标) # 添加数值标签 for bar in bars: height bar.get_height() ax4.text(bar.get_x() bar.get_width()/2., height, f{height}, hacenter, vabottom) plt.tight_layout() plt.savefig(output_path, dpi150, bbox_inchestight) print(f报告已保存: {output_path})完整流水线整合把上面5个技巧串起来def analyze_financial_report(pdf_path, company_name): 财报分析完整流程 print(f开始分析 {company_name} 的财报...) # 1. 提取PDF文本 print(1/5 提取PDF文本...) text extract_pdf_text(pdf_path) # 2. AI提取关键数据 print(2/5 AI提取财务指标...) raw_data extract_financial_data(text, company_name) # 3. 计算衍生指标 print(3/5 计算财务指标...) metrics calculate_metrics(raw_data) # 4. AI生成分析结论 print(4/5 生成分析结论...) analysis generate_analysis(metrics, company_name) # 5. 生成可视化报告 print(5/5 生成可视化报告...) generate_report(metrics, f{company_name}_report.png) return { company: company_name, metrics: metrics, analysis: analysis, report_path: f{company_name}_report.png } # 批量分析 if __name__ __main__: reports [ (company_a.pdf, 公司A), (company_b.pdf, 公司B), (company_c.pdf, 公司C), ] results [] for pdf, name in reports: result analyze_financial_report(pdf, name) results.append(result) # 生成对比报告 df, industry_avg compare_companies([r[metrics] for r in results]) print(\n行业对比) print(df) print(f\n行业均值: {industry_avg})效果对比原来分析10家公司需要40小时5天现在只要3分钟。踩坑总结1、PDF格式不统一不同公司财报排版差异大需要写多个解析模板2、AI提取有误差关键数据务必人工复核特别是正负号和小数点3、OCR识别率扫描版财报识别率约95%复杂表格容易出错4、API成本大量调用大模型API费用不低建议本地部署小模型5、数据安全财报涉及敏感信息注意数据脱敏和权限控制后续优化方向1、接入更多数据源财报只是基础可以接入舆情、行业数据2、预测能力用历史数据训练预测模型预测下季度业绩3、异常检测自动识别财务造假信号4、报告自动化直接生成PPT一键汇报