invest-cap

name	invest-cap
description	在包含公司年报和参考资料（markdown）的当前目录中生成资本配置研究报告（markdown 格式）。重点关注资本配置分析，包括分红、股票回购和投资。当用户需要创建投资研究报告、分析资本配置策略或生成投资分析财务图表时使用。

投资研究报告生成器

生成专业的资本配置研究报告，重点关注资本配置分析。当前目录应包含：

• 最新年报（为了保证你的专注度，只使用最新一年的财报作为资料）
• 参考资料（markdown 格式），其中有公司最近10年的主要投资项目

报告结构

资本配置章节（必需）

分析三个组成部分：分红、股票回购 和 投资

1. 分红分析

计算并报告：

• 最近一年股息率：每股年股息 / 当前股价
• 最近一年派息率：年股息总额 / 净利润
• 5 年分红趋势：增长率和稳定性
• 插入图表：![股息增长](generated_images/dividend_growth.png) 使用 ChartGenerator.dividend_growth()

2. 股票回购分析

计算并报告：

• 最近一年回购收益率：回购总额 / 市值
• 5 年股数变化：比较当前股数与 5 年前
• 股权激励 vs 回购影响：股权激励是否抵消了回购？
  • 计算：(5 年前股数 - 当前股数) / 5 年前股数
  • 负变化 = 股权激励超过回购（摊薄）
  • 正变化 = 回购超过股权激励（增厚）
• 插入图表：![股数趋势](generated_images/share_count_trend.png) 使用 ChartGenerator.share_count_trend()

3. 投资分析

投资分析应包含以下四个维度：

3.1 收购与并购投资 (M&A)

创建主要投资表格（最近 10 年）：

年份	投资/标的	金额	用途	结果

要求：

• 包含大于 10 年投资总额 1% 的投资
• 按金额降序排序
• 标记结果：已完成、进行中、已失败
• 分析投资战略演变和效率

3.2 资本支出分析 (Capex)

必须包含：固定资产投资的年度趋势分析

项目	内容
计算指标	资本支出/营业收入、资本支出/自由现金流
趋势分析	5年资本支出变化趋势
投资方向	产能扩张、研发设施、数据中心、零售店等

示例表格：

年份	资本支出	占收入比	占FCF比	主要用途
2021	$10.5B	2.8%	11.3%	产能扩张、数据中心
2022	$11.2B	2.9%	10.1%	研发设施、芯片设备

3.3 研发投资分析 (R&D)

必须包含：研发投入的深度分析

项目	内容
计算指标	研发费用/营业收入、研发费用增长率
趋势分析	5年研发投入变化
重点领域	AI、芯片、新产品线等关键投资方向

示例表格：

年份	研发费用	占收入比	同比增长	重点投入领域
2025	$34.6B	8.3%	+9.2%	AI、芯片、Vision Pro

3.4 战略性财务投资

分析公司的战略股权投资（如有）：

• 投资其他公司股权（如苹果投资滴滴）
• 合资企业
• 少数股权投资

⚠️ 投资分析完整性检查：

确保报告包含以下所有投资维度：

• M&A收购投资（如有）
• 资本支出分析（必需）
• 研发投资分析（必需）
• 战略财务投资（如有）

图表：![资本配置分解](generated_images/capital_allocation.png) 使用 ChartGenerator.capital_allocation_breakdown()

资本配置分解图表应包含：

• 股票回购
• 分红
• 资本支出
• 研发投资
• 收购（如有重大）

数据收集工作流程

步骤 1：从年报中提取数据

使用 PDF 阅读工具提取：

• 利润表（收入、净利润、每股收益）
• 资产负债表（股数、股东权益、债务）
• 现金流量表（分红、回购、资本支出）
• 资本配置附注
• 重大投资和收购

步骤 2：获取最新财务数据（如需要）

使用 stockanalysis skill 获取 5 年财务数据进行交叉验证：

# 调用：stockanalysis skill
# 股票代码：[公司股票代码]
# 所需数据：利润表、资产负债表、现金流量表

与参考资料交叉验证以确保准确性。

步骤 3：验证数据来源

数据验证要求： 详见 invest-report/references/common-guidelines.md（数据验证规范）。

步骤 4：生成图表（强制执行）

⚠️ 重要：在完成报告时，必须执行以下步骤来生成图表：

1. 创建图表生成脚本：在当前目录创建Python脚本
2. 执行脚本生成图表：使用Bash工具运行Python脚本
3. 验证图表文件：检查 generated_images/ 目录是否包含生成的图片
4. 在报告中引用图片：使用markdown语法引用图表

必需图表：

• 股息增长图 (dividend_growth.png)
• 股数趋势图 (share_count_trend.png)
• 资本配置分解图 (capital_allocation_breakdown.png)

创建图表生成脚本模板：

#!/usr/bin/env python3
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
import os
os.makedirs('generated_images', exist_ok=True)

# 从实际数据中提取
years = ['2020', '2021', '2022', '2023', '2024']  # 替换为实际数据
dividends = [0, 0, 0, 0, 0.28]  # 替换为实际每股股利（美元）
share_counts = [635, 642, 650, 655, 660]  # 替换为实际股数（百万股）
repurchases = [0, 0, 0, 16.17, 21.72]  # 替换为实际回购金额（亿元）

# 图表1：股息增长
def create_dividend_growth():
    fig, ax = plt.subplots(figsize=(12, 6))
    bars = ax.bar(years, dividends, color='#43A047', edgecolor='white', linewidth=1.5)

    ax.set_ylabel('Dividend Per Share (USD)', fontsize=12, fontweight='bold')
    ax.set_xlabel('Year', fontsize=12, fontweight='bold')
    ax.set_title('Dividend Growth Trend', fontsize=14, fontweight='bold')
    ax.grid(axis='y', alpha=0.3)

    for bar, val in zip(bars, dividends):
        if val > 0:
            height = bar.get_height()
            ax.annotate(f'${val:.2f}', xy=(bar.get_x() + bar.get_width() / 2, height),
                       xytext=(0, 5), textcoords="offset points", ha='center',
                       fontsize=10, fontweight='bold')

    plt.tight_layout()
    plt.savefig('generated_images/dividend_growth.png', dpi=300, bbox_inches='tight')
    plt.close()
    print('[OK] dividend_growth.png')

# 图表2：股数趋势
def create_share_count_trend():
    fig, ax = plt.subplots(figsize=(12, 6))
    ax.plot(years, share_counts, marker='o', linewidth=2.5, markersize=8, color='#1E88E5')
    ax.fill_between(years, share_counts, alpha=0.3, color='#1E88E5')

    ax.set_ylabel('Share Count (Millions)', fontsize=12, fontweight='bold')
    ax.set_xlabel('Year', fontsize=12, fontweight='bold')
    ax.set_title('Share Count Trend', fontsize=14, fontweight='bold')
    ax.grid(axis='y', alpha=0.3)

    for i, (x, y) in enumerate(zip(years, share_counts)):
        ax.annotate(f'{y:.0f}M', xy=(i, y), xytext=(0, 10),
                   textcoords="offset points", ha='center', fontsize=10, fontweight='bold')

    plt.tight_layout()
    plt.savefig('generated_images/share_count_trend.png', dpi=300, bbox_inches='tight')
    plt.close()
    print('[OK] share_count_trend.png')

# 图表3：资本配置分解
def create_capital_allocation():
    categories = ['R&D\n131.39亿', 'S&M\n159.88亿', 'G&A\n95.40亿',
                  'Capex\n5.91亿', 'Div+Buyback\n25.22亿', 'Cash Add\n365.92亿']
    amounts = [131.39, 159.88, 95.40, 5.91, 25.22, 365.92]  # 替换为实际数据（亿元）
    colors = ['#1E88E5', '#43A047', '#FB8C00', '#9C27B0', '#E91E63', '#607D8B']

    fig, ax = plt.subplots(figsize=(12, 6))
    y_pos = np.arange(len(categories))
    bars = ax.barh(y_pos, amounts, color=colors, edgecolor='white', linewidth=1.5)

    ax.set_yticks(y_pos)
    ax.set_yticklabels(categories, fontsize=11)
    ax.invert_yaxis()
    ax.set_xlabel('Amount (Billion CNY)', fontsize=12, fontweight='bold')
    ax.set_title('Capital Allocation Breakdown (2024)', fontsize=14, fontweight='bold')
    ax.grid(axis='x', alpha=0.3)

    for i, (bar, val) in enumerate(zip(bars, amounts)):
        width = bar.get_width()
        ax.annotate(f'{val:.1f}亿', xy=(width, bar.get_y() + bar.get_height() / 2),
                   xytext=(5, 0), textcoords="offset points", ha='left', va='center',
                   fontsize=10, fontweight='bold')

    plt.tight_layout()
    plt.savefig('generated_images/capital_allocation_breakdown.png', dpi=300, bbox_inches='tight')
    plt.close()
    print('[OK] capital_allocation_breakdown.png')

if __name__ == '__main__':
    create_dividend_growth()
    create_share_count_trend()
    create_capital_allocation()
    print('\nAll charts generated successfully!')

执行步骤：

1. 将上述脚本保存到当前目录（替换为从年报提取的实际数据）
2. 使用Bash工具执行：

   python generate_cap_charts.py
   

3. 验证图表已生成：

   ls generated_images/
   

4. 在报告中引用图片：

   ![股息增长](generated_images/dividend_growth.png)
   ![股数趋势](generated_images/share_count_trend.png)
   ![资本配置分解](generated_images/capital_allocation_breakdown.png)
   

验证清单：

□ Python脚本已创建并执行
□ generated_images/目录已创建
□ 所有3张图表已生成
□ 报告中已正确引用所有图片

步骤 5：撰写报告

生成 markdown 报告，包含：

• 公司概述
• 资本配置分析（详细）
• 嵌入支持图表
• 数据来源引用
• 记录的矛盾点

图表模板

图表 6：股数趋势

# 无股票分割的情况
generator.share_count_trend(
    years=['2019', '2020', '2021', '2022', '2023', '2024'],  # 从数据中提取
    share_counts=[1000000000, 980000000, 960000000, ...],
    title="Share Count Trend"
)

# 有股票分割的情况（如 Apple 2021 年 4:1 分割）
generator.share_count_trend(
    years=['2016', '2017', '2018', '2019', '2020', '2021', '2022', '2023', '2024'],
    share_counts=[5444000000, 5257000000, 5022000000, 4574000000, 4443000000, 16427000000, ...],
    title="Apple Share Count Trend (2016-2025)",
    split_year=2021,     # 股票分割发生的年份
    split_ratio=4.0      # 分割比例（4:1）
)

⚠️ 重要：股票分割处理

• 如果数据中包含股票分割前后数据，必须指定 split_year 和 split_ratio 参数
• 图表会自动将分割前的股数调整为分割后基准，使趋势连续可读
• 不指定这些参数会导致图表 Y 轴比例异常（高度过高）

图表 7：股息增长

generator.dividend_growth(
    years=['2015', '2016', ..., '2024'],  # 从数据中提取
    dividends=[1.20, 1.32, 1.45, ...],
    title="Dividend Per Share Growth (Last 10 Years)"
)

图表 10：资本配置分解

generator.capital_allocation_breakdown(
    years=['2020', '2021', '2022', '2023', '2024'],
    dividends=[2.5, 2.7, 2.9, 3.1, 3.3],
    repurchases=[5.2, 6.1, 4.8, 7.2, 8.5]
)

数据验证规则

1. 交叉核对年报数据与 stockanalysis 数据
2. 记录差异并说明原因
3. 独立来源 = 独立的数据提供商，非转载
4. 最新数据优先 = 使用昨天的日期作为参考点
5. 保守估计当来源冲突时

输出格式

将报告保存为：[公司名称]_投资报告_YYYY-MM-DD.md

示例结构：

# [公司名称]资本配置研究报告

**日期**：[昨天的日期]
**分析师**：Claude AI

## 资本配置分析

### 分红
- 股息率：X.X%
- 派息率：XX%
- 5 年趋势：[分析]

![股息增长](generated_images/dividend_growth.png)

### 股票回购
- 回购收益率：X.X%
- 股数变化：-X.X%（增厚）/ +X.X%（摊薄）

![股数趋势](generated_images/share_count_trend.png)

### 重大投资

![资本配置分解](generated_images/capital_allocation.png)

| 年份 | 投资 | 金额 | 用途 | 结果 |
|------|------------|--------|---------|---------|


---

**数据来源**：
- [年份] 年报：[链接/引用]
- stockanalysis.com：[股票代码]
- [其他来源及评级]

资源

scripts/chart_generator.py

使用 matplotlib 生成财务图表的 Python 模块。

可用方法：

• share_count_trend(years, share_counts, title, split_year=None, split_ratio=1.0) - 股数趋势折线图，支持股票分割处理
• dividend_growth(years, dividends, title) - 股息增长柱状图
• capital_allocation_breakdown(years, dividends, repurchases, title) - 堆叠柱状图
• revenue_trend(years, revenues, title) - 收入趋势折线图
• revenue_segment_breakdown(segments, values, title) - 饼图
• profit_margins(years, gross_margins, operating_margins, net_margins, title) - 多条线

所有图表：

• 300 DPI 分辨率
• 仅使用英文标签
• 自动保存到 generated_images/