dividend-stock-detector-v2

name	dividend-stock-detector-v2
description	升级版红利股与总股东回报(TSR)探测工具，内置行业隔离探针(适配金融/地产特殊财务逻辑)，支持注销式回购合并测算、母公司单体资金穿透及价值陷阱VETO扫描；当需要系统性评估生息资产、规避周期陷阱或计算真实股东回馈率时使用

红利股探测分析 (V2.0)

任务目标

本 Skill 将单一的"股息探测"升维至"总股东回报 (TSR) 探测"，通过跨周期数据流校验，识别具备真实造血能力与持续回馈意愿的生息资产。

核心升级能力 (V2.0)：

• 行业隔离探针：自动识别金融/地产板块并切换适配的估值与资本监管逻辑
• 真实股东回报率 (TSR) 计算：将现金分红与"注销式回购"等效合并
• 母公司单体穿透：双重校验未分配利润与账面可用现金
• 动态红利陷阱扫描：含"借贷分红"、"资金过境摩擦"等 12 项排雷指标

前置准备

数据要求

• 连续 3-5 年的合并报表核心财务数据
• 最新一期的母公司单体资产负债表
• 公司最新的利润分配预案及股份回购/注销决议

必需提取数据项

• 行业归属：识别是否为一般企业 / 金融业（银行、保险） / 房地产业
• 收益分配流：年度派息总额、年度注销式回购金额
• 母公司防线：母公司单体报表未分配利润、母公司单体货币资金
• 造血与消耗 (非金融业)：经营活动现金流净额 (CFO)、资本支出 (CAPEX)
• 监管指标 (金融业专用)：核心一级资本充足率 (CET1)、拨备覆盖率
• 利润与债务：归母净利润、有息负债总额、大股东质押率

操作步骤

Step 1: 行业嗅探与结构化数据提取 — 智能体执行

1. 触发行业隔离探针：
   • 若检测到金融业/地产业，立即输出提示："检测到特殊资本监管行业，基础 FCF 模型失效，自动切换至 [金融版/地产版] 评估逻辑。"
2. 提取近 3-5 年的核心财务数据及回购数据。
3. CAPEX 拆分提示：如果公司明确披露了维持性与扩张性资本开支，优先扣除维持性资本开支；若未披露，则扣除全部 CAPEX 并标注 [保守核算]。
4. 穿透至母公司单体报表，提取真实可动用资金。
5. 强制数据来源标注：每个关键数据项必须标注具体提取位置，格式：数值 [提取自：报表名称-章节/项目]
6. 对缺失数据执行保守降级原则。

输出格式示例：

【历史分红与现金流提取 (近3年)】
行业归属：一般制造业 (适用通用 FCF 模型)
当前股价：XX元 | 传统静态股息率：XX%
注销式回购调整后真实收益率 (Shareholder Yield)：XX%

母公司安全防线：
- 单体未分配利润：XX亿元 [提取自：母公司资产负债表-未分配利润] (合规底线校验)
- 单体货币资金：XX亿元 [提取自：母公司资产负债表-货币资金] (现金流转校验)

| 年份 | 归母净利润 | CFO | CAPEX | 派息总额 | 注销式回购额 |
| ---- | ---------- | --- | ----- | -------- | ------------ |
| 2025 | XX [提取自：合并利润表-净利润] | XX [提取自：合并现金流量表-经营活动现金流] | XX [提取自：合并现金流量表-购建固定资产等支付的现金] | XX [提取自：利润分配预案] | XX [提取自：股份回购公告-实际支付金额] |
| ...  | ...| ...| ...| ...| ...|

数据提取关键约束：

• 母公司单体数据必须从母公司资产负债表直接提取，严禁用合并报表推算
• 注销式回购金额必须是财报期内"已实际支付"的金额，不可使用预案中的"拟回购上限"
• 金融业需提取监管指标：CET1（银行）、偿付能力充足率（保险）、净资本比率（证券）

Step 2: 量化试算引擎 — 调用脚本

使用升级版计算引擎 (scripts/tsr_dividend_calculator.py) 执行核心安全度及回报率试算。

脚本调用示例（通用行业）：

python scripts/tsr_dividend_calculator.py --data '{
  "industry_type": "general",
  "cfo_avg": 50,
  "capex_avg": 20,
  "net_profit": 40,
  "total_dividend": 15,
  "cancellation_buyback": 5,
  "parent_unallocated_profit": 100,
  "parent_cash": 18,
  "market_cap": 300,
  "historical_data": [
    {"year": 2023, "net_profit": 35, "total_distribution": 18},
    {"year": 2024, "net_profit": 38, "total_distribution": 19}
  ],
  "cyclical_params": {
    "is_cyclical": false
  },
  "finance_params": {
    "debt_yoy_growth": 10,
    "profit_yoy_decline": 0.05,
    "revenue_yoy_decline": 0.03
  }
}'

脚本调用示例（强周期行业）：

python scripts/tsr_dividend_calculator.py --data '{
  "industry_type": "general",
  "cfo_avg": 80,
  "capex_avg": 30,
  "net_profit": 60,
  "total_dividend": 36,
  "cancellation_buyback": 0,
  "parent_unallocated_profit": 200,
  "parent_cash": 50,
  "market_cap": 400,
  "historical_data": [
    {"year": 2023, "net_profit": 20, "total_distribution": 8},
    {"year": 2024, "net_profit": 45, "total_distribution": 18}
  ],
  "cyclical_params": {
    "is_cyclical": true,
    "profit_10y_percentile": 0.95,
    "product_price_decline": 0.25
  }
}'

脚本调用示例（金融行业）：

python scripts/tsr_dividend_calculator.py --data '{
  "industry_type": "finance",
  "net_profit": 50,
  "total_dividend": 25,
  "market_cap": 500,
  "finance_params": {
    "sector": "bank",
    "cet1_ratio": 8.2,
    "regulatory_cet1_requirement": 7.5,
    "debt_yoy_growth": 5
  }
}'

核心公式与逻辑：

• 总分配额 = 年度派息总额 + 年度注销式回购金额
• 真实自由现金流 (通用版) = CFO - CAPEX
• 真实自由现金流 (地产版) = CFO - 预售资金监管受限部分 - 刚性拿地支出
• TSR 覆盖率 = 真实自由现金流 / 总分配额（>1.2 为健康）
• 真实股东收益率 (Shareholder Yield) = 总分配额 / 总市值
• 母公司现金流转摩擦率 = 总分配额 / 母公司单体货币资金（>1 触发致命警告）

Step 2.5: 周期股专项检测 — 仅强周期行业执行

当 Step 1 识别标的属于强周期行业（港口、钢铁、煤炭、航运、化工等）时，在 Step 2 和 Step 3 之间插入本步骤。非周期行业跳过。

2.5A: 周期位置定位 — 调用脚本

使用周期检测引擎 (scripts/cycle_detector.py) 判断当前处于周期的哪个位置。

脚本调用示例（港口行业）：

python scripts/cycle_detector.py --data '{
  "industry": "port",
  "throughput_data": [4.2, 4.5, 4.8, 5.1, 5.3, 5.2, 5.0, 4.9, 5.1, 5.3, 5.4, 5.5],
  "freight_index_data": [1200, 1350, 1500, 1620, 1700, 1650, 1580, 1550, 1600, 1680, 1720, 1750],
  "capacity_utilization": 0.82,
  "capex_depreciation_ratio": 1.8,
  "profit_history": [35, 42, 55, 68, 72, 65, 58, 50, 55, 60],
  "dividend_history": [12, 15, 20, 25, 28, 26, 24, 22, 23, 24],
  "throughput_structure": {
    "domestic_ratio": 0.4,
    "container_ratio": 0.6,
    "top3_partner_concentration": 0.45
  }
}'

输出解读：

• cycle_position: 周期位置判定（低谷期/爬坡期/繁荣期/见顶期/下行期）
• cap_adjusted_dividend: 周期调整后分红率及分红韧性
• capex_cycle_risk: CAPEX周期错配风险等级
• throughput_structure_resilience: 业务结构抗周期能力
• investment_implication: 综合投资建议

2.5B: 先行指标仪表盘 — 智能体执行

脚本输出周期位置后，智能体需补充收集和解读先行指标：

港口行业先行指标：

指标	判断标准	信号
CCFI/SCFI	连续4周下跌 → 出口走弱	领先1-2季度
BDI	从高位回撤>15% → 干散货走弱	领先1-2季度
PMI新出口订单	<50 → 出口收缩	领先1-2季度
港口吞吐量月度	同比连续3月转负 → 下行	当期

红绿灯系统：

• 绿灯（3+指标向好）：周期上行，红利可持续
• 黄灯（1-2指标走弱）：周期可能拐点，需警惕
• 红灯（3+指标走弱）：周期下行，高分红不可持续

详细指引：见 references/cyclical-industry-guide.md

Step 3: Fact Check 陷阱扫描 — 智能体执行

第一轮：VETO 项扫描 (一票否决)

• V1: 母公司分配能力双杀：母公司单体"未分配利润" ≤ 0，或拟分配总额 > 母公司单体货币资金（账面富贵，资金困在子公司或海外无法汇出）。
• V2: 借贷分红/回购实锤：TSR 覆盖率 < 0.5 且有息负债同比剧增，但仍维持高分红或高溢价回购（利益输送嫌疑）。
• V3: 利润表严重透支：总分配额持续 2 年 > 归母净利润的 120% 且无重大资产出售。
• V4: 强周期极值陷阱：强周期行业当前利润处 10 年极值区，且主导产品现货价格回撤 > 20%。
• V5: 监管红线触底 (金融专用)：银行核心一级资本充足率 (CET1) 逼近监管底线，未来必须削减分红以补充资本金。

第二轮：WARNING 项扫描 (扣分预警)

• W1: 重大资本开支侵蚀：明确披露未来 1-2 年有超账面资金 50% 的 CAPEX 计划。
• W2: 质押套现嫌疑：大股东质押率 > 70%，且当年突发远超历史的特别股息。
• W3: 虚假回报 (扩表对冲)：高比例现金分红的同时，频繁进行大规模定增或配股（左手发钱，右手要钱）。
• W4: 异常畸高收益率：Shareholder Yield > 15% 且基本面恶化（典型的被动高息）。

Step 4: 综合评级与资产分类 — 智能体执行

根据 TSR 指标和抗风险能力，将标的归入对应的红利生命周期模型：

### 真实股东回报探测报告：[公司名称/代码]

**1. TSR 核心指标 (Total Shareholder Return)**
* 传统股息率: [XX%] | 真实股东收益率 (含回购): [XX%]
* TSR 覆盖率 (FCF支撑度): [XX] (健康标准 > 1.2)
* 行业核算模型: [通用 / 金融 / 地产]

**2. Fact Check 陷阱扫描**
* 警告项 (WARNING): [列出具体项及影响逻辑]
* 否决项 (VETO): [若有，加粗显示并说明阻断理由]

**3. 资产类型定性评级**
* 判定类型: [ 类债底仓型 / 复合回报成长型 / 周期博弈型 / 高危陷阱型 ]
* **评级依据**:
  - 类债底仓型：TSR 覆盖率极高，母公司现金充裕，收益率 5-8%，波动极低。
  - 复合回报成长型：大量采用"注销式回购"替代现金分红（税务效率更高），EPS 持续增厚。
  - 周期博弈型：处于周期中段，FCF 暴发，须密切监控现货价格（V4 预警）。

**4. 投资结论**
* 最终评级: [A级配置 / B级观察 / VETO规避]
* 数据盲区降级项: [如：未披露母公司单体报表，评级可靠性下调]

Step 5: 报告生成与保存 — 智能体执行

将完整的分析报告保存至固定目录，便于追溯和对比。

保存路径: reports/ 命名规则: {company-name}-{stock-code}-tsr-analysis-{YYYYMMDD}.md

• company-name: 公司名称（英文小写+连字符，如 beijing-bank）
• stock-code: 股票代码（如 601169）
• YYYYMMDD: 分析日期（8 位数字）

报告必须包含内容:

• 分析日期和工具版本
• Step 1-4 的完整输出
• 脚本计算的原始 JSON 结果
• 最终评级和投资结论

示例文件名: beijing-bank-601169-tsr-analysis-20250429.md

降级原则与防幻觉机制

1. 回购甄别与金额铁律：
   • 必须严格区分"注销式回购"与"用于员工持股计划的回购"。后者本质是费用转移，绝不计入 TSR 的总分配额中。
   • 金额铁律：注销式回购金额必须提取财报期内"已实际支付"的金额，绝不可使用董事会预案中的"拟回购上限"。
   • 若财报未明确回购用途或未披露实际支付金额，默认不计入。
2. 母公司盲区：若无法获取母公司单体报表，系统需强制生成红色预警：[母公司分红能力盲区-无法验证资金是否被困在子公司]。
3. 金融/地产屏蔽：若检测到金融/地产行业但脚本未提供对应子模块测算，直接拒绝出具 TSR 覆盖率，强制转为人工研判。
4. 跨期数据缺失降级：若仅提供单年数据（无历史 2 年数据），V3 规则从 VETO 降级为 WARNING。

使用示例

• 示例 1: 一般制造业红利股评估

  • 场景: 用户提供某制造企业近 3 年财务数据，包含分红和回购信息
  • 预期产出: TSR 核心指标计算结果、陷阱扫描报告、资产类型评级
  • 关键要点: 确保提取注销式回购金额，区分员工持股计划回购

• 示例 2: 金融行业股息分析

  • 场景: 用户分析某银行的分红能力
  • 预期产出: 切换至金融版评估逻辑，基于监管指标 (CET1、拨备覆盖率) 判断
  • 关键要点: 不使用 FCF 模型，关注资本充足率和拨备覆盖率

• 示例 3: 价值陷阱识别

  • 场景: 某公司股息率看似高达 12%，但需识别是否为被动高息
  • 预期产出: 触发 W4 预警 (异常畸高收益率) 或 V1/V3 否决项
  • 关键要点: 穿透母公司报表，检查现金流转摩擦率和利润表透支情况

资源索引

• 脚本: 见 scripts/tsr_dividend_calculator.py (用途: TSR 核心指标计算与合规性校验; 参数: JSON 格式财务数据)
• 脚本: 见 scripts/cycle_detector.py (用途: 周期位置定位、跨周期平滑分红评估、CAPEX错配检测; 参数: JSON 格式周期性数据; 仅强周期行业使用)
• 参考: 见 references/dividend-trap-rules.md (何时读取: 执行陷阱扫描时参考详细定义)
• 参考: 见 references/tsr-calculation-methods.md (何时读取: 需要理解 TSR 计算公式推导时参考)
• 参考: 见 references/cyclical-industry-guide.md (何时读取: 分析强周期行业时必读，含周期位置方法论、先行指标清单、投资策略匹配)
• 报告目录: reports/ (用途: 存储生成的分析报告; 命名规则: {company-name}-{stock-code}-tsr-analysis-{YYYYMMDD}.md)

注意事项

• 仅在需要时读取参考文档，保持上下文简洁。
• 母公司单体报表是核心风控数据，缺失时必须强制降级评级。
• 严格区分注销式回购与员工持股计划回购，后者不计入 TSR。
• 金融/地产行业需切换专用评估模型，禁止套用通用 FCF 逻辑。