财务报告分析

从收益报告和 SEC 文件中提取财务信息的完整指南。

---

场景

您有一份财务文档，想要： - 提取收益指标（收入、EPS、增长） - 识别风险因素 - 映射股权结构 - 创建事件时间线

---

按任务推荐模板

收益摘要

模板： finance/earnings_summary

最适合季度/年度收益报告、10-Q、10-K 文件。

提取内容： - 收入和净利润 - EPS（基本和稀释） - 同比和环比增长 - 分部业绩 - 前瞻指引

---

风险因素

模板： finance/risk_factor_set

最适合 SEC 文件的风险评估部分。

提取内容： - 风险类别 - 风险描述 - 影响评估

---

股权结构

模板： finance/ownership_graph

最适合映射子公司、投资和企业结构。

提取内容： - 子公司关系 - 股权百分比 - 投资实体

---

完整工作流：收益分析

第 1 步：提取收益数据

CLIPython

he parse earnings_10k.md -t finance/earnings_summary -l zh -o ./earnings/

from hyperextract import Template

# 加载报告
with open("earnings_report.md", "r") as f:
    report = f.read()

# 创建模板
ka = Template.create("finance/earnings_summary", "zh")

# 提取
result = ka.parse(report)

# 访问数据
print(f"收入：${result.data.revenue:,.0f}")
print(f"EPS：${result.data.eps:.2f}")
print(f"同比增长：{result.data.yoy_growth}%")

示例输出：

{
    "revenue": 1234567890,
    "net_income": 98765432,
    "eps": 2.45,
    "eps_diluted": 2.40,
    "yoy_growth": 15.3,
    "qoq_growth": 3.2,
    "segments": [
        {"name": "云服务", "revenue": 500000000},
        {"name": "硬件", "revenue": 734567890}
    ],
    "guidance": {
        "next_quarter_revenue": "¥8.5B - ¥9.5B",
        "full_year_eps": "¥70.00 - ¥77.00"
    }
}

---

第 2 步：提取风险因素

注意： 以下步骤假设您在第 1 步使用了 Python 方式。如果使用了 CLI，请使用 ka.load("./earnings/") 加载结果。

# 提取风险
risk_ka = Template.create("finance/risk_factor_set", "zh")
risk_result = risk_ka.parse(report)

print(f"\n识别了 {len(risk_result.data.items)} 个风险因素：")
for risk in risk_result.data.items:
    print(f"\n[{risk.category}] {risk.description[:100]}...")

---

第 3 步：保存和比较

# 保存收益数据
result.dump("./earnings_q3_2024/")

# 稍后比较季度
from pathlib import Path
import json

def compare_quarters(q1_path, q2_path):
    """比较两个季度的收益。"""
    q1_data = json.load(open(Path(q1_path) / "data.json"))
    q2_data = json.load(open(Path(q2_path) / "data.json"))

    revenue_change = ((q2_data["revenue"] - q1_data["revenue"]) 
                      / q1_data["revenue"] * 100)

    print(f"收入变化：{revenue_change:+.1f}%")
    print(f"Q1：${q1_data['revenue']:,.0f}")
    print(f"Q2：${q2_data['revenue']:,.0f}")

compare_quarters("./earnings_q2_2024/", "./earnings_q3_2024/")

---

股权结构分析

提取企业结构

from hyperextract import Template

# 分析股权
ka = Template.create("finance/ownership_graph", "zh")
result = ka.parse(ownership_report)

# 可视化结构
result.build_index()
result.show()

# 查询股权
response = result.chat("公司拥有哪些 100% 控股的子公司？")
print(response.content)

示例输出：

# 实体
[
    {"name": "母公司", "type": "控股公司"},
    {"name": "子公司 A", "type": "子公司"},
    {"name": "合资企业 B", "type": "合资企业"}
]

# 关系
[
    {"source": "母公司", "target": "子公司 A", 
     "type": "控股", "percentage": 100},
    {"source": "母公司", "target": "合资企业 B", 
     "type": "控股", "percentage": 51}
]

---

财务事件时间线

追踪财务事件

# 提取事件时间线
ka = Template.create("finance/event_timeline", "zh")
result = ka.parse(report)

# 显示时间线
for edge in result.edges:
    if hasattr(edge, 'time'):
        print(f"{edge.time}：{edge.source} - {edge.type} - {edge.target}")

示例事件： - 产品发布 - 收购公告 - 股息声明 - 管理层变动

---

对比表

模板	最佳场景	输出
earnings_summary	财务指标	结构化模型
risk_factor_set	风险评估	唯一风险项目
ownership_graph	企业结构	实体网络
event_timeline	财务事件	时间线图谱
sentiment_model	市场情绪	情感分析

---

批量处理多份报告

"""批量处理财务报告。"""

from hyperextract import Template
from pathlib import Path
import pandas as pd

def batch_extract_reports(report_dir, output_dir):
    """从多份财务报告中提取数据。"""

    ka = Template.create("finance/earnings_summary", "zh")
    results = []

    for report_file in Path(report_dir).glob("*.md"):
        print(f"处理 {report_file.name}...")

        text = report_file.read_text()
        result = ka.parse(text)

        # 保存单个
        output_path = Path(output_dir) / report_file.stem
        result.dump(output_path)

        # 收集聚合
        results.append({
            "file": report_file.name,
            "revenue": result.data.revenue,
            "eps": result.data.eps,
            "yoy_growth": result.data.yoy_growth
        })

    # 创建汇总表
    df = pd.DataFrame(results)
    df.to_csv(Path(output_dir) / "summary.csv", index=False)

    print(f"\n处理了 {len(results)} 份报告")
    print(f"汇总保存到：{output_dir}/summary.csv")

    return df

# 用法
df = batch_extract_reports("./reports/", "./extracted/")

---

最佳实践技巧

1. 文档类型

文档	推荐模板
10-K 年报	earnings_summary + risk_factor_set
10-Q 季报	earnings_summary
代理声明	ownership_graph
财报电话会议记录	sentiment_model + event_timeline
投资者演示	earnings_summary

2. 语言支持

CLI

# 中国公司（中文财报）
he parse report.md -t finance/earnings_summary -l zh

# 美国公司（英文）
he parse report.md -t finance/earnings_summary -l en

3. 组合模板

from hyperextract import Template

# 用多个模板解析报告
text = open("10k_report.md").read()

# 提取收益
earnings = Template.create("finance/earnings_summary", "zh").parse(text)

# 提取风险
risks = Template.create("finance/risk_factor_set", "zh").parse(text)

# 保存组合
earnings.dump("./10k_earnings/")
risks.dump("./10k_risks/")

4. 数据验证

# 检查提取的数据
result = ka.parse(report)

def validate_earnings(data):
    """验证收益数据。"""
    assert data.revenue > 0, "收入必须为正数"
    assert data.eps is not None, "EPS 是必需的"
    assert -100 < data.yoy_growth < 1000, "增长率似乎不合理"
    print("✓ 数据验证通过")

validate_earnings(result.data)

---

另请参见

• 按任务选择 — 其他财务分析模板
• 金融模板 — 所有金融模板
• 自定义模板指南 — 创建自定义财务模板