企业年报 AI 解读：让模型看财报，从表格到洞察的工程实践

张

张建站

2026/7/24 14:09:24

10分钟阅读

企业年报 AI 解读让模型看财报从表格到洞察的工程实践一、个性化深度引言让大模型看财报听起来不复杂——把 PDF 丢进去告诉我这家公司财务健康吗但这行不通。第一个问题在表格理解上。一份标准年报有30张表格其中有合并报表、母公数据、分部业务数据。大模型擅长看文本但看表格容易把合并口径的数据和母公司口径的数据混为一谈——而这两个口径差了一个量级。第二个问题在数字串联上。营业收入的增长需要和应收账款、经营现金流、存货周转天数串联起来看。单看一个指标无法形成判断需要多表联动分析。第三个问题在幻觉上。让模型直接生成这家公司财务状况良好——证据在哪如果模型编造成长率财务报表分析就失去了可信度。这篇文章复盘了一套让模型看报表而不产生幻觉的工程实践——核心策略是强制模型使用提取的表格数据而非训练数据实现引用即证据。二、个性化原理剖析财报 AI 解读的核心架构核心设计思路是计算归计算推理归推理。指标计算同比增长率、毛利率、资产负债率必须由代码精确计算不允许 LLM 介入——因为 LLM 会对数字做近似处理。LLM 只在最后一步负责从指标到洞察的语义分析且必须引用数据来源。三、个性化代码实践财报提取和分析的核心实现import re from dataclasses import dataclass, field from typing import List, Dict, Tuple, Optional from enum import Enum from datetime import datetime import numpy as np class ReportPeriod(Enum): 报告期间——设计原因统一口径防止年度/季度数据混淆 ANNUAL annual Q1 q1 H1 h1 Q3 q3 dataclass class FinancialMetric: 财务指标——设计原因统一数据结构所有指标同一格式 name: str value: float # 指标值需统一单位如元 period: ReportPeriod year: int caliber: str # 合并/母公司 source_table: str # 来源于哪个表 source_cell: str # 来源于哪个单元格 def format_display(self) - str: 格式化显示——设计原因展示用原始值保留精度 if abs(self.value) 1e8: return f{self.value/1e8:.2f}亿 elif abs(self.value) 1e4: return f{self.value/1e4:.2f}万 else: return f{self.value:.2f} dataclass class FinancialAnalysis: 财务分析报告——设计原因结构化输出每条洞察有来源 company_name: str report_period: str metrics: List[FinancialMetric] insights: List[Dict] # 每条洞察: {text, confidence, source_metrics} class FinancialTableExtractor: 财务报表表格提取器——设计原因财报表格结构复杂需要专门处理 # 常见财务报表表头模式——设计原因规则匹配快速且准确 TABLE_PATTERNS { balance_sheet: [ r(合并|母公司)?.*资产负[债责]表, r资产负债表, ], income_statement: [ r(合并|母公司)?.*利润表, r损益表, ], cash_flow: [ r(合并|母公司)?.*现金流量表, r现金流表, ], } # 金额单位映射——设计原因必须统一单位否则同比计算会差万倍 UNIT_MAP { 元: 1, 万元: 1e4, 百万元: 1e6, 亿元: 1e8, } def extract_table(self, pdf_page_text: str) - List[Dict]: 提取表格——设计原因识别表头后按行解析保持行列关系 tables [] # 识别表格类型——设计原因不同类型有不同字段不能混着用 table_type self._identify_table_type(pdf_page_text) # 识别金额单位——设计原因单位不一会导致后续计算全错 unit self._identify_unit(pdf_page_text) # 识别合并/母公司口径——设计原因这是财报分析最易错的点 caliber self._identify_caliber(pdf_page_text) if table_type and unit: tables.append({ type: table_type, unit: unit, caliber: caliber, rows: [] # 实际需要解析表格行 }) return tables def _identify_table_type(self, text: str) - Optional[str]: 识别表格类型——设计原因关键词匹配覆盖不同写法 for table_type, patterns in self.TABLE_PATTERNS.items(): for pattern in patterns: if re.search(pattern, text): return table_type return None def _identify_unit(self, text: str) - float: 识别金额单位——设计原因在表头上方或下方通常会注明 for unit_str, multiplier in self.UNIT_MAP.items(): if f单位{unit_str} in text or f单位:{unit_str} in text: return multiplier return 1.0 # 默认元 def _identify_caliber(self, text: str) - str: 识别报告口径——设计原因合并和母公司数据差一个量级 if 母公司 in text: return parent elif 合并 in text: return consolidated else: return unknown class MetricCalculator: 指标计算器——设计原因确定性计算不依赖LLM staticmethod def yoy_growth(current: float, previous: float) - Optional[float]: 同比增长率——设计原因处理除零和负数情况 if previous 0: return None return (current - previous) / abs(previous) * 100 staticmethod def gross_margin(revenue: float, cost: float) - Optional[float]: 毛利率——设计原因百分比表示检查分母非零 if revenue 0: return None return (revenue - cost) / revenue * 100 staticmethod def debt_ratio(total_liabilities: float, total_assets: float) - Optional[float]: 资产负债率——设计原因指标 100% 表示资不抵债 if total_assets 0: return None return total_liabilities / total_assets * 100 staticmethod def current_ratio(current_assets: float, current_liabilities: float) - Optional[float]: 流动比率——设计原因标准值2低于1有短期偿债风险 if current_liabilities 0: return None return current_assets / current_liabilities def compute_all(self, current_metrics: Dict[str, FinancialMetric], previous_metrics: Dict[str, FinancialMetric]) - Dict[str, float]: 计算所有指标——设计原因一次调用输出全部分析指标 results {} # 营业收入同比增长 if revenue in current_metrics and revenue in previous_metrics: results[revenue_yoy] self.yoy_growth( current_metrics[revenue].value, previous_metrics[revenue].value ) # 净利润同比增长 if net_profit in current_metrics and net_profit in previous_metrics: results[profit_yoy] self.yoy_growth( current_metrics[net_profit].value, previous_metrics[net_profit].value ) # 毛利率 if revenue in current_metrics and cost in current_metrics: results[gross_margin] self.gross_margin( current_metrics[revenue].value, current_metrics[cost].value ) # 资产负债率 if total_liabilities in current_metrics and total_assets in current_metrics: results[debt_ratio] self.debt_ratio( current_metrics[total_liabilities].value, current_metrics[total_assets].value ) # 流动比率 if current_assets in current_metrics and current_liabilities in current_metrics: results[current_ratio] self.current_ratio( current_metrics[current_assets].value, current_metrics[current_liabilities].value ) return results class FinancialInsightGenerator: 财务洞察生成器——设计原因LLM只负责语义分析数字全部由计算引擎提供 def __init__(self, llm_clientNone): self.llm llm_client self.calculator MetricCalculator() def generate_analysis(self, company_name: str, current: Dict[str, FinancialMetric], previous: Dict[str, FinancialMetric]) - FinancialAnalysis: 生成财务分析报告——设计原因计算推理的完整管线 # 第一步精确计算所有指标——设计原因禁止LLM参与计算 metrics self.calculator.compute_all(current, previous) # 第二步构建事实上下文——设计原因作为LLM推理的唯一信息源 context self._build_context(company_name, current, previous, metrics) # 第三步LLM推理生成洞察——设计原因LLM做语义分析不做数值计算 insights self._generate_insights(context, current) # 第四步交叉校验——设计原因检查LLM是否引用了计算数据 verified_insights self._verify_insights(insights, metrics) return FinancialAnalysis( company_namecompany_name, report_period2024年度, metricslist(current.values()), insightsverified_insights ) def _build_context(self, name: str, current: Dict, previous: Dict, computed: Dict) - str: 构建分析上下文——设计原因结构化数据转自然语言传LLM parts [f公司{name}] # 收入相关 if revenue in current: cur_rev current[revenue] parts.append( f营业收入{cur_rev.format_display()}元 f({cur_rev.caliber}口径) ) if revenue_yoy in computed and computed[revenue_yoy] is not None: parts.append( f营业收入同比增长{computed[revenue_yoy]:.2f}% ) # 利润相关 if net_profit in current: parts.append( f净利润{current[net_profit].format_display()}元 ) if profit_yoy in computed and computed[profit_yoy] is not None: parts.append( f净利润同比增长{computed[profit_yoy]:.2f}% ) # 盈利能力 if gross_margin in computed and computed[gross_margin] is not None: parts.append(f毛利率{computed[gross_margin]:.2f}%) # 偿债能力 if debt_ratio in computed and computed[debt_ratio] is not None: parts.append(f资产负债率{computed[debt_ratio]:.2f}%) if current_ratio in computed and computed[current_ratio] is not None: parts.append(f流动比率{computed[current_ratio]:.2f}) return \n.join(parts) def _generate_insights(self, context: str, metrics: Dict) - List[Dict]: LLM生成洞察——设计原因基于计算数据做推理不是基于训练数据 prompt f请基于以下财务数据分析生成3-5条洞察。你必须基于提供的数字进行分析不得编造数据。每条洞察不超过80字。 {context} 要求 1. 每条洞察必须引用具体的数字 2. 不能生成未提供的数据 3. 分析应覆盖盈利能力、成长性、偿债能力 4. 如果有异常数据如负增长、比率过高/过低需特别指出 # 实际调用LLM response 基于数据分析的洞察结果 # 占位 # 解析LLM输出为结构化洞察——设计原因方便校验和展示 return [ { text: insight.strip(), confidence: 0.8, source_metrics: [revenue_yoy, gross_margin] } for insight in response.split(\n) if insight.strip() ] def _verify_insights(self, insights: List[Dict], computed: Dict) - List[Dict]: 交叉校验——设计原因检查LLM的数字是否与计算结果一致 verified [] for insight in insights: text insight[text] # 提取LLM输出中的数字——设计原因检查是否和计算值一致 numbers_in_text re.findall(r[-]?\d\.?\d*%?, text) # 检查数字是否在计算指标中出现过 has_verified_source True for num_str in numbers_in_text: num_str num_str.replace(%, ) try: num float(num_str) # 检查该数字是否出现在计算指标中容差0.1% found any( abs(v - num) / max(abs(v), 1) 0.001 for v in computed.values() if v is not None ) if not found: has_verified_source False insight[confidence] * 0.5 except ValueError: continue if has_verified_source: insight[confidence] min(1.0, insight[confidence] * 1.1) verified.append(insight) return verified # 使用示例 def analyze_financial_report(): 完整财报分析流程——设计原因端到端演示数据流 extractor FinancialTableExtractor() generator FinancialInsightGenerator() # 模拟提取的财务数据 current_metrics { revenue: FinancialMetric( 营业收入, 50.5e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并利润表, B4 ), net_profit: FinancialMetric( 净利润, 5.2e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并利润表, B25 ), cost: FinancialMetric( 营业成本, 32.0e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并利润表, B6 ), total_assets: FinancialMetric( 总资产, 120.0e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并资产负债表, C40 ), total_liabilities: FinancialMetric( 总负债, 65.0e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并资产负债表, C60 ), current_assets: FinancialMetric( 流动资产, 45.0e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并资产负债表, C15 ), current_liabilities: FinancialMetric( 流动负债, 30.0e8, ReportPeriod.ANNUAL, 2024, consolidated, 合并资产负债表, C75 ), } previous_metrics { revenue: FinancialMetric( 营业收入, 42.0e8, ReportPeriod.ANNUAL, 2023, consolidated, 合并利润表, B4 ), net_profit: FinancialMetric( 净利润, 4.5e8, ReportPeriod.ANNUAL, 2023, consolidated, 合并利润表, B25 ), } # 生成分析 analysis generator.generate_analysis( 示例科技股份有限公司, current_metrics, previous_metrics ) print(f分析报告: {analysis.company_name}) for i, insight in enumerate(analysis.insights, 1): print(f洞察{i} (置信度{insight[confidence]:.2f}): {insight[text]}) analyze_financial_report()核心设计是计算与推理分离指标计算由确定性算法完成LLM 只负责语义分析。计算层保证数字准确推理层保证分析有深度。两者之间的桥梁是数据上下文——LLM 看到的不是原始报表而是计算引擎产出的结构化事实。这样从根本上杜绝了幻觉。四、个性化边界权衡计算精度 vs 分析灵活性严格的计算层保证了精度但牺牲了分析灵活性——比如 LLM 想分析经营性现金流/净利润这个比率但计算引擎没有预设这个指标LLM 就无法分析。解决方案是允许 LLM 提出需要的指标类型计算引擎动态计算——相当于给 LLM 一个计算请求的 API 而非固定指标清单。单品分析 vs 多品对比单家公司年报分析已经比较复杂行业内多公司横向对比复杂度乘3-5倍——不同公司会计科目名称不统一营业收入vs主营业务收入、研发费用可能归在管理费用里。现阶段方案是制作行业标准科目映射表先统一科目再对比。模型知识 vs 数据事实LLM 的训练数据里可能包含该公司的历史分析文章在没有当前数据时倾向于用训练知识补全。事实校验层必须严格检查——生成的数字不在提取的数据里就标记为低置信度。宁可信息少不能信息错。五、总结企业年报 AI 解读的核心工程策略是计算归计算、推理归推理。指标计算同比增长率、毛利率、资产负债率、流动比率全部由确定性算法完成LLM 只负责语义分析。LLM 的输入不是原始报表文本而是计算引擎产出的结构化事实数据。输出须经交叉校验——LLM 生成的数字与计算结果不一致时自动降低置信度。实施中需权衡计算精度与分析灵活性的关系、单品深度分析与多品横向对比的能力边界、LLM 训练知识与当前数据事实的冲突管理。核心原则是引用即证据每一条洞察都须有数据来源。