earnings-call-analyzer

name	earnings-call-analyzer
description	Use when summarizing earnings calls, extracting management tone changes, surfacing guidance language, or turning transcript snippets into an actionable investor update.
zh_description	用于摘要财报电话会、提取管理层语气变化、业绩指引措辞和投资者更新。
version	1.0.0
author	seaworld008
source	in-house
source_url
tags	["analyzer", "call", "earnings", "finance"]
created_at	2026-03-18
updated_at	2026-06-29
quality	2
complexity	intermediate

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)