global-approval-anomaly

# Global Approval Anomaly Risk Identifier ## Skill 名称 Global Approval Anomaly Risk Identifier（上市企业审批异常风险识别） ## 数据来源 本 Skill 使用**公网可查**、可复核的数据源，对上市企业进行审批异常风险识别： 1. **巨潮资讯网（CNINFO）公告** 用于抓取上市公司公告标题、公告时间、公告类型与摘要线索，重点检索以下关键词： - 未履行审议程序 - 未履行审批程序 - 追认 - 补充审议 - 关联交易 - 对外担保 - 资金占用 - 内部控制缺陷 - 问询函 - 监管函 2. **中国证监会/地方证监局公开处罚与监管信息** 用于提取企业是否存在因未履行审批程序、违规担保、信息披露违规、关联交易未审议等被处罚或点名的记录。 3. **上市公司年报、半年报、内控评价报告（若能在公网直接获取）** 用于识别“审批异常 + 财务或治理异常”的联动模式，例如： - 审批异常与对外担保高发并存 - 审批异常与资金占用并存 - 审批异常与内控否定/保留意见并存 > 默认示例企业：**广东柏堡龙股份有限公司（002776.SZ）**。该公司曾被证监会认定存在“对外担保未履行审批程序且未及时披露”等问题，适合作为审批异常风险识别案例。 ## 功能 ### 1. 识别审批异常事件 自动从公告与监管文本中识别以下异常模式： - 未履行董事会/股东大会审议程序 - 事后追认或补充审议 - 重大担保未经审批 - 关联交易未经审批或披露不足 - 非经营性资金占用对应审批缺失 - 重大事项先实施后审议 ### 2. 事件打分与分级 对每个事件按关键词、金额、事件类型、监管层级进行打分，输出： - 单条事件风险分 - 企业总体审批异常风险分 - 风险等级：Low / Medium / High / Critical ### 3. 生成可审计结论 输出结构化结果： - company - event_date - source_type - title - matched_rules - risk_score - evidence - final_level ### 4. 支持规则扩展 通过 `script/fraud_rules.json` 可自行扩展规则词典，便于加入行业特定审批异常特征。 ## 使用示例 ### 安装依赖 ```bash pip install -r requirements.txt ``` ### 运行示例（默认分析柏堡龙） ```bash python script/run_demo.py ``` ### 指定企业代码与名称 ```bash python script/run_demo.py --symbol 002776 --company "柏堡龙" ``` ### 自定义公告抓取页数 ```bash python script/run_demo.py --symbol 002776 --company "柏堡龙" --pages 5 ``` ### 输出结果文件 执行后会在 `output/` 目录生成： - `events.csv`：识别到的审批异常事件 - `summary.json`：企业总体风险摘要 - `evidence.md`：证据汇总报告 ## 交易说明 1. 本 Skill 仅用于**风险研究、合规排查、投研辅助和教学示例**，不构成任何证券投资建议。 2. 审批异常风险识别是**基于公开文本规则与启发式评分**，不能替代律师、会计师、审计、内控或监管结论。 3. 结果可能受到公告遗漏、网页反爬、历史数据缺失、关键词歧义等影响，应结合原始公告全文与监管文件复核。 4. 对于投资交易使用场景，建议将该 Skill 的输出作为**预警信号**，而非直接买卖依据。 5. 若用于自动化交易或量化筛选，请加入人工复核、公告全文解析、时间窗校验和误报控制机制。 ## License - 本 Skill 自编代码采用 **MIT License**。详见根目录 `LICENSE` 文件。 - 第三方公网数据的知识产权归原始发布机构或网站所有；使用者应自行遵守相应网站条款、robots 规则、版权说明和监管要求。 - 若目标站点接口策略、字段或访问方式发生变化，需要自行维护抓取逻辑。