earnings-call-analyzer

Use when summarizing earnings calls, extracting management tone changes, surfacing guidance language, or turning transcript snippets into an actionable investor update.

Aller à l'installation

Dépôt: seaworld008/Commonly-used-high-value-skills
Dernière activité de la source: 29 juin 2026 à 02:54
Langue détectée de SKILL.md: chinois
Étoiles: 64
Forks: 10

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.

Retour à la recherche Retour à l’installation

Earnings Call Analyzer (业绩电话会分析师)

将冗长、充满术语的业绩电话会转录文本（Transcripts）转化为极速投资简报，精准捕捉管理层语气变化、指引（Guidance）语言、资本配置逻辑以及潜在风险信号。

安装与前提条件

# 确保已安装文本处理与情感分析库
pip install pandas nltk textblob
# 下载分段脚本
npx clawhub install earnings-call-analyzer

触发条件 / When to Use

财报发布后总结 (Post-earnings Wrap-up)：在财报发布后的 24 小时内，快速同步核心增量信息。
PM 或 IC 投资建议 (Investment Committee Notes)：为投资经理提供结构化的核心观点摘要。
差异化认知核查 (Variant-perception Checks)：通过对比本季度与上季度的措辞差异，识别管理层对未来预期的微妙变化。
管理层信誉跟踪 (Management Credibility)：记录管理层在过去几个季度中对承诺的执行情况，识别“画大饼”或“过度保守”的信号。
Q&A 压力点分析：识别分析师问询最密集的领域，通常这就是市场目前最大的担忧点。

核心能力 / Core Capabilities

1. 结构化分段与清洗 (Transcript Segmentation)

操作步骤：
1. 将转录文本拆分为：准备好的陈述 (Prepared Remarks) 和 问答环节 (Q&A Segments)。
2. 提取发言人身份：CEO, CFO, IR 以及参与提问的卖方分析师。
3. 过滤掉无意义的寒暄（Phatic communication）。
最佳实践：给 Q&A 环节分配更高的权重，因为这部分最能体现管理层的应变能力和真实底气。

2. 多维度情感与信号提取 (Signal Extraction)

操作步骤：
1. 运行 scripts/analyze_earnings_call.py。
2. 统计关键词频率：如 Guidance, Capex, EBITDA, Supply chain, Margin expansion.
3. 识别情感对比：正面（信心十足、强劲）、谨慎（挑战、逆风、不确定性）。
最佳实践：不仅看词频，更要看上下文。例如，“我们面临挑战，但有信心克服”应被记为中性偏好，而非纯负面。

3. 指引与前瞻性陈述追踪 (Guidance Tracking)

操作步骤：
1. 自动提取所有数字化的指引（如：FY25 Revenue Growth expected at 10-12%）。
2. 对比共识预期（Consensus Estimates），判断是 Beat 还是 Miss。
3. 标注指引中的前置条件（如：Assuming stable currency rates）。

4. 问答环节“回避性”检测 (Evasive Answer Detection)

操作步骤：
1. 分析管理层在回答特定问题时的长度与直接度。
2. 标记短语，如：I’ll let CFO answer, We will provide more details later, As we previously stated.
最佳实践：高回避率通常意味着该业务单元存在未披露的问题。

常用命令/模板 / Common Patterns

业绩电话会摘要模板 (Investor Readout Template)

### 📈 [公司名] [Qx] 业绩电话会摘要

**1. 核心定调 (Tone of the Call)**:
- **语气**: [例如：谨慎乐观，重点强调成本控制]
- **情绪得分**: 6.5/10 (较上季 7.2/10 下滑)

**2. 管理层核心论点 (Key Narrative)**:
- [要点 A]: 描述业务进展。
- [要点 B]: 描述战略转型。

**3. 指引更新 (Guidance & Forward Outlook)**:
- **营收**: [FY26 指引上修至 XX%]
- **利润率**: [维持不变，强调受汇率影响]

**4. 关键问答回顾 (Top Q&A Takeaways)**:
- **问题 1 (摩根大通分析师)**: 关于毛利率的压力。
- **回答摘要**: 强调供应链优化将在下半年抵消原材料上涨。

**5. 隐忧与风险点 (Hidden Red Flags)**:
- 管理层三次回避了关于 [竞争对手 X] 入场的影响问题。

快速分析脚本命令

# 传入 JSON 格式的 Transcript
python scripts/analyze_earnings_call.py --input assets/jpm_q4_2025.json --compare assets/jpm_q3_2025.json

进阶应用场景 / Advanced Use Cases

1. “管理层黑盒”对比

对比同一行业内 5 家公司在同一周业绩会上的关键词，识别全行业共性的“系统性风险”（如：AI 投入的回报期）与单体公司的“独特性优势”。

2. 情绪波动图谱

将电话会转录文本按时间轴（每 5 分钟一段）计算情绪得分，生成情绪瀑布图，识别是在哪个环节（如 CEO 总结或 CFO 报数）出现了情绪拐点。

边界与限制 / Boundaries

语义理解限制：对于讽刺、暗喻或极其含蓄的表达，模型可能存在误判。
音频转录质量：如果输入的 Transcript 本身存在 OCR/ASR 错误，后续分析的可靠性将大打折扣。
过度解读风险：一个词的增减可能只是发言习惯，不应作为投资决策的唯一依据。
时效性压力：在财报季节，需要处理海量文本，单次分析耗时应控制在 60 秒内。
法规合规：本技能仅供研究参考，严禁利用其生成虚假的诱导性投资评论。

最佳实践总结

对比胜过描述：永远问自己“这和上个季度比有什么不同？”。
盯紧 Guidance：数字化的指引变化是资本市场最敏感的信号。
识别 Q&A 压力点：分析师反复追问的地方，就是下个季度的雷区或爆发点。
记忆同步：将管理层的核心承诺存入 MEMORY.md，用于下季度的“打脸式”复核。
多源核实：将 Transcript 分析结果与卖方研究报告（Broker Reports）进行交叉验证。
分段授权：大任务分段处理，先摘要，再根据用户要求深入特定 Segment。