菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
基于唐朝《手把手教你读财报》和《价值投资实战手册》方法论的企业财报排雷分析工具。当用户要求分析某公司财报、排查财务风险、判断是否符合唐门选股标准、或对已曝光造假/退市公司进行复盘验证时使用。触发词包括：财报分析、排雷、财报排雷、唐朝财报、读财报、财务造假排查、是否符合三大前提、利润为真吗、财报体检、A股财报、港股财报、美股财报、中概股财报。
根据公司名称获取 SEC CIK 并下载公司年度财报文件（美国本土公司 10-K，外国公司 20-F）。当用户需要以下操作时使用：(1) 根据公司名获取 SEC CIK，(2) 下载公司的年度财报文件（自动检测 10-K 或 20-F），(3) 获取 SEC EDGAR 系统中的公司 filing 数据，或请求在美国上市的公司的年报文件
Generate comprehensive balance sheet research reports in markdown format from company annual reports and reference materials (markdown). Use when user needs to create financial analysis reports focusing on balance sheet, asset composition, liability structure, and debt analysis. Triggered by requests for balance sheet analysis reports, asset liability composition analysis, debt trend analysis, financial statement research from annual reports, or investment research on company financial position
在包含公司年报和参考资料（markdown）的当前目录中生成业务构成与成本结构比例研究报告（markdown 格式）。重点关注业务板块收入构成、地理区域划分、成本结构分析。当用户需要分析公司业务构成、收入来源分布或生成相关比例图表时使用。
从公司年报和参考资料（markdown）生成全面的企业估值研究报告（markdown格式）。当用户需要以下功能时使用：(1) 使用DCF方法分析企业估值，(2) 生成带有财务图表的估值报告，(3) 基于自由现金流研究企业内在价值，(4) 创建包含历史财务数据和未来预测的投资分析报告
在当前文件夹生成对应公司的投资研究报告，markdown 格式。通过协调多个专业分析代理，综合分析公司的业务构成、资产负债表、估值、资本配置和管理层讨论与分析，生成完整的投资研究报告。当用户需要生成投资研究报告、全面分析公司、完整投资研究，或多维度分析公司（包括业务板块、财务状况、估值、资本配置、管理层视角）时使用
| 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。 |
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：
分析三个组成部分：分红、股票回购 和 投资
计算并报告：
 使用 ChartGenerator.dividend_growth()计算并报告：
 使用 ChartGenerator.share_count_trend()投资分析应包含以下四个维度：
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：
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 |
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 | $34.6B | 8.3% | +9.2% | AI、芯片、Vision Pro |
分析公司的战略股权投资（如有）：
⚠️ 投资分析完整性检查：
确保报告包含以下所有投资维度：
图表： 使用 ChartGenerator.capital_allocation_breakdown()
资本配置分解图表应包含：
使用 PDF 阅读工具提取：
使用 stockanalysis skill 获取 5 年财务数据进行交叉验证：
# 调用：stockanalysis skill
# 股票代码：[公司股票代码]
# 所需数据：利润表、资产负债表、现金流量表
与参考资料交叉验证以确保准确性。
数据验证要求： 详见 invest-report/references/common-guidelines.md（数据验证规范）。
⚠️ 重要：在完成报告时，必须执行以下步骤来生成图表：
generated_images/ 目录是否包含生成的图片必需图表：
dividend_growth.png)share_count_trend.png)capital_allocation_breakdown.png)创建图表生成脚本模板：
#!/usr/bin/env python3
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
import os
os.makedirs('generated_images', exist_ok=True)
# 从实际数据中提取
years = ['2020', '2021', '2022', '2023', '2024'] # 替换为实际数据
dividends = [0, 0, 0, 0, 0.28] # 替换为实际每股股利（美元）
share_counts = [635, 642, 650, 655, 660] # 替换为实际股数（百万股）
repurchases = [0, 0, 0, 16.17, 21.72] # 替换为实际回购金额（亿元）
# 图表1：股息增长
def create_dividend_growth():
fig, ax = plt.subplots(figsize=(12, 6))
bars = ax.bar(years, dividends, color='#43A047', edgecolor='white', linewidth=1.5)
ax.set_ylabel('Dividend Per Share (USD)', fontsize=12, fontweight='bold')
ax.set_xlabel('Year', fontsize=12, fontweight='bold')
ax.set_title('Dividend Growth Trend', fontsize=14, fontweight='bold')
ax.grid(axis='y', alpha=0.3)
for bar, val in zip(bars, dividends):
if val > 0:
height = bar.get_height()
ax.annotate(f'${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：
python generate_cap_charts.py
ls generated_images/
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
生成 markdown 报告，包含：
# 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
split_year 和 split_ratio 参数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)"
)
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]
)
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]
### 股票回购
- 回购收益率：X.X%
- 股数变化：-X.X%（增厚）/ +X.X%（摊薄）
### 重大投资
| 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]
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：
generated_images/