| name | financial-report-analysis |
| description | 财务报表分析技能。当用户上传财务报表 Excel 文件（包含资产负债表、利润表、现金流量表等 Sheet）并请求分析时， 站在资深财务专家视角，自动输出完整的财务分析报告，包含：报表项目增减变动表、 资产结构变动表、利润表结构变动表、财务比率综合分析（盈利/偿债/营运/成长能力指标）， 以及专家综合分析总结与建议。 触发词：财务报表分析、分析财报、财务分析、资产负债表分析、利润表分析、现金流分析、 财务指标、盈利能力、偿债能力、营运能力、成长能力、ROE、ROA、毛利率、净利率、 流动比率、资产负债率、财务健康诊断、报表解读、财报分析。
|
财务报表分析技能
概述
本技能面向企业财务报表（Excel格式）进行全方位专业分析，输出 Markdown 格式的财务分析报告。
报告覆盖五大维度，适用于财务尽调、年度复盘、经营体检等场景。
触发条件
用户上传含有财务数据的 Excel 文件，且请求进行以下任意类型的分析：
- 财务报表整体分析 / 财务健康诊断
- 资产、负债、利润、现金流增减变动分析
- 各项财务比率计算（盈利/偿债/营运/成长能力）
- 专家级财务分析总结与改进建议
工作流程
Phase 1：文件接收与预处理
- 确认用户已上传 Excel 文件（
.xlsx / .xls / .xlsm）。
- 如用户未上传，提示：
"请上传包含财务数据的 Excel 文件（通常应包含资产负债表、利润表、现金流量表等 Sheet）。"
- 确认文件路径后，进入分析阶段。
Phase 2：运行分析脚本
调用 scripts/analyze_financial_report.py 执行自动化分析：
python "scripts/analyze_financial_report.py" "<excel_file_path>"
脚本将：
- 自动检测并匹配 Excel 中的资产负债表、利润表、现金流量表 Sheet（支持中英文名称模糊匹配）
- 清洗数据，提取本期/上期两列数值
- 输出 Markdown 格式分析报告到同目录下，文件名：
{原文件名}_财务分析报告.md
环境依赖：脚本会自动检查并安装 pandas、openpyxl，无需手动安装。
Phase 3：报告内容说明
生成的报告包含五大部分：
一、报表项目增减变动分析
- 对资产负债表、利润表、现金流量表的每个科目
- 列出：本期金额 | 上期金额 | 变动金额（🔺/🔻标注）| 变动率
二、资产项目结构变动分析
- 以总资产为基准（100%）
- 计算各资产项目本期占比与上期占比
- 输出占比变动（单位：百分点 pp）
三、利润表项目结构变动分析
- 以营业收入为基准（100%）
- 计算各利润表科目本期占比与上期占比
- 输出占比变动
四、财务比率综合分析
| 类别 | 主要指标 |
|---|
| 盈利能力 | 毛利率、净利率、ROA、ROE、营业利润率 |
| 偿债能力 | 流动比率、速动比率、资产负债率、利息保障倍数、产权比率 |
| 营运能力 | 总资产周转率、应收账款周转率（天数）、存货周转率（天数）、流动资产周转率 |
| 成长能力 | 收入增长率、净利润增长率、总资产增长率、净资产增长率、营业利润增长率、经营现金流增长率 |
五、资深财务专家综合分析与建议
- 按盈利能力、偿债能力、成长能力逐项给出数值驱动的评价
- 标注核心优势（✅）与风险提示（⚠️/🔴）
- 提供 5 条改进建议
Phase 4：结果展示
- 使用
open_result_view 展示生成的 Markdown 报告。
- 使用
deliver_attachments 将报告文件交付给用户。
- 在回复中用简短语言概括分析亮点与主要发现。
注意事项
- Sheet 自动匹配：脚本支持中英文名称模糊匹配（资产负债表/Balance Sheet/资产 等）。
若某 Sheet 未能自动匹配，报告中会注明"数据不足"，可提示用户检查 Sheet 名称。
- 数据格式要求：Excel 中第一列为科目名，第二列为本期数据，第三列为上期数据（常见格式）。
若格式不同（如多年横排），脚本会尝试自适应，但效果因文件而异。
- 多年期报表：若文件包含3年及以上数据，成长能力指标会更有参考意义；
当前脚本主要取前两列（本期/上期），如需多年趋势分析，可在报告中补充说明。
- 货币单位：脚本不处理单位换算，报告中数值与原始数据单位一致（元/万元/亿元均可）。
- 保密提示：处理完成后，如用户有数据安全顾虑，建议告知文件仅在本地处理，不上传到外部服务。
踩坑经验
- 资产/负债分Sheet格式：部分企业将资产负债表拆分为"资产"和"负债"两个Sheet（如本技能测试文件"深圳市羊城晚报文化发展有限公司"），脚本已支持自动检测并合并。
- 附注列干扰：标准报表第2列通常为附注编号（如"附注五"），为非数值列，脚本通过"至少15%行是纯数字"的列识别逻辑自动跳过。
- Sheet简称匹配：有些文件用"资产"、"负债"、"利润"、"现流"等简称命名Sheet，SHEET_ALIASES中已覆盖这些别名。
- clean_df中的join报错：pandas读取含NaN的行时，row.astype(str)可能报
expected str instance, float found，需改为 row.fillna("").astype(str) 才能正确join。
- lambda中float类型报错：对Series执行apply时，若列中含有float类型值，需在lambda内部调用
str(v) 转换后再执行正则匹配。
错误处理
| 场景 | 处理方式 |
|---|
| 文件未上传 | 提示上传文件 |
| 文件格式不是Excel | 提示仅支持 .xlsx/.xls/.xlsm |
| Sheet 未匹配到 | 在报告中标注，提示检查Sheet名称 |
| 数据列不足（<3列） | 跳过该分析模块，输出提示 |
| 脚本运行报错 | 告知错误信息，建议检查文件格式 |
