- name
- financial-analysis-pipeline
- description
- LibraQuant 财务分析数据整理与提取流水线，包含两个核心技能：从巨潮资讯下载A股年报PDF，以及从PDF中提取结构化财务数据。这是财务自动化分析的完整数据入口。Use when: (1) 需要自动下载A股上市公司年报，(2) 需要从PDF中提取财务报表数据，(3) 构建财务数据库，(4) 进行批量财务分析前的数据准备。
- version
- 1.0.0
- author
- Shi Changlong时昌隆
- copyright
- © 2026 LibraQuant. All rights reserved.
- license
- MIT
财务分析数据整理流水线
LibraQuant 财务分析数据整理流水线包含 2 个核心技能，提供从数据源获取到结构化提取的完整解决方案。
技能总览
| 类别 | 数量 | 功能范围 |
|---|---|---|
| 数据整理 | 1 | 从巨潮资讯网下载A股年报PDF |
| 数据提取 | 1 | 从PDF中提取结构化财务数据 |
一、数据整理 (1 Skill)
巨潮资讯年报下载
| Skill | 用途 | 数据来源 |
|---|---|---|
cninfo-report-download | 从巨潮资讯网下载A股年报PDF | cninfo.com.cn |
功能说明：
- 支持按公司名称和年份精确搜索年报
- 自动识别上交所/深交所
- 智能筛选正确版本（排除摘要、更正、英文版）
- 自动清理文件名中的HTML标签和非法字符
二、数据提取 (1 Skill)
财务报表数据提取
| Skill | 用途 | 输出格式 |
|---|---|---|
financial-statement-extraction | 从年报PDF提取结构化财务数据 | JSON |
功能说明：
- AI智能定位财务报表页码（双层定位策略）
- 三层防线过滤母公司数据（页级/混合页/行级）
- 自动识别并统一单位（元/千元/万元/亿元）
- 内置勾稽关系校验（资产负债平衡、净利率合理性）
- 支持资产负债表、利润表、现金流量表提取
三、使用流程
标准使用流程（推荐）
┌─────────────────────────┐
│ cninfo-report-download │ ← 输入：公司名称 + 年份
│ 巨潮资讯年报下载 │ 输出：PDF文件路径
└───────────┬─────────────┘
│
▼
┌─────────────────────────┐
│ financial-statement- │ ← 输入：PDF文件路径
│ extraction │ 输出：JSON结构化数据
│ 财务报表数据提取 │
└─────────────────────────┘使用示例
示例1：单公司年报分析
cninfo-report-download— 下载"海天味业"2024年年报financial-statement-extraction— 提取财务数据- 下游分析技能（如DCF估值、财务比率分析）
示例2：批量数据收集
- 循环调用
cninfo-report-download— 下载多家公司年报 - 循环调用
financial-statement-extraction— 批量提取数据 - 构建财务数据库或进行横向对比分析
四、输入输出规范
cninfo-report-download
输入：
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| company_name | str | ✅ | 公司简称（如"海天味业"） |
| year | int | ✅ | 年报年份（如2024） |
| output_dir | str | 可选 | 下载目录，默认workspace/reports/ |
输出：
- 成功：PDF文件路径（str）
- 失败：None
financial-statement-extraction
输入：
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| pdf_path | str | ✅ | 年报PDF文件路径 |
| output_dir | str | 可选 | 输出目录 |
| extract_notes | bool | 可选 | 是否提取附注（v2.1+） |
输出：JSON格式结构化数据
{
"meta": { "company": "公司名", "stock_code": "代码", ... },
"balance_sheet": { "资产总计": 82.37, ... },
"income_statement": { "营业收入": 55.19, ... },
"cashflow_statement": { "经营活动现金流净额": 10.88, ... },
"validation": { "balance_check": {...}, ... }
}五、数据质量保障
校验机制
| 校验项 | 规则 | 处理方式 |
|---|---|---|
| 资产负债表平衡 | 资产 = 负债 + 权益 | 差异>1%触发降级重提取 |
| 净利率合理性 | 净利率 > 100% 可能混入母公司数据 | 自动触发降级重提取 |
| 数据完整性 | 检查关键科目是否存在 | 缺失时警告 |
| 母公司数据过滤 | 三层防线确保只提取合并报表 | 页级/混合页/行级过滤 |
已验证的数据源
| 公司 | 代码 | 交易所 | 年份 | 状态 |
|---|---|---|---|---|
| 海天味业 | 603288 | SSE | 2024 | ✅ |
| 千禾味业 | 603027 | SSE | 2024 | ✅ |
| 中炬高新 | 600872 | SSE | 2024 | ✅ |
| 甘源食品 | 002991 | SZSE | 2024 | ✅ |
六、已知限制
| 限制 | 说明 | 解决方案 |
|---|---|---|
| 仅支持A股 | 不支持港股、美股 | v2.0规划多市场 |
| 仅支持年报 | 半年报/季报需修改参数 | v1.2规划支持 |
| 扫描件不支持 | 需要可复制文本PDF | v3.0规划OCR |
| 英文财报不支持 | 科目映射表仅覆盖中文 | v2.2规划英文 |
| 附注不提取 | 当前版本仅提取主表 | v2.1规划附注 |
七、迭代路线
v1.1（当前）
↓
v1.2（支持半年报/季报）
↓
v1.3（本地缓存+断点续传）
↓
v2.0（批量下载+多线程+港股支持）
↓
v2.1（附注提取+上期数据）
↓
v2.2（英文财报支持）
↓
v3.0（OCR扫描件支持）八、工具文件
src/tools/download_cninfo.py— 年报下载主逻辑src/tools/extract_pdf_tables.py— 财务数据提取主逻辑src/tools/ai_page_locator.py— AI页码定位src/data/company_codes.py— 公司代码映射表
九、使用建议
最佳实践
- 先验证单公司 — 首次使用先用1-2家公司验证提取质量
- 检查validation字段 — 务必确认勾稽校验通过
- 处理异常情况 — 扫描件、加密PDF会报错，需人工处理
- 批量下载时间 — 建议添加延迟，避免触发巨潮限流
常见问题
- Q: 为什么提取的数据和报表对不上？
A: 可能是母公司数据混入，检查validation字段，必要时重试。
- Q: 下载失败怎么办？
A: 检查公司名称是否正确，或尝试用股票代码搜索。
- Q: 支持哪些行业？
A: 通用制造业支持最好，银行/保险/证券等特殊行业可能需额外处理。
*LibraQuant Financial Analysis Pipeline* *数据整理到结构化提取的完整解决方案*