股票 
板块 
用户 
资讯 作者：高智威、赵妍、胡正阳
摘要
■ 投资逻辑
A股业绩点评Skill
财报季上市公司数量较多，业绩点评涉及财务数据获取、定期报告阅读、机构观点整理、点评撰写及报告交付等多个环节，其中大量工作具有较强的重复性和标准化特征。我们开发的A股季度报点评Skill将财务报表数据、定期报告全文、一致预期及券商研报等多源信息获取与文本生成流程进行整合，可支持单股及股票池批量点评，并根据最新或指定报告期自动生成财务数据点评、公司经营情况、盈利预测与机构观点及风险提示等内容。
在标准点评流程基础上，Skill进一步支持按需补充财务指标，并可根据用户提供的历史点评或Word模板，对报告格式、内容结构或二者同时进行适配。为降低大模型生成过程中出现财务数字错配的风险，正式出稿前设置数据校验环节，并同步输出Word、HTML 报告及Excel数据底稿。
财务模型更新Skill
财务模型是公司研究的基础工具。业绩发布、公司公告、调研纪要与行业新闻出现后，研究员需要回到模型中逐项调整收入增速、毛利率、费用率等假设。从研究方法上来看，模型更新涉及模型勾稽关系解析、假设参数识别、新增信息与既有假设的比对、业绩影响测算等多个分析维度。上述各个环节相对独立，流程重复性较高，且模型结构与假设口径又存在相对固定的范式；同时，模型更新既需要从新材料中提取定量证据，也需要对假设的调整方向与幅度作出定性判断，这种定性定量相结合的特点适合用 AI辅助完成信息的提取与组织，并由研究员保留最终决策权。
因此我们专门制作了技能来完成公司财务模型的调整与测算，帮助研究员将精力从重复取数和逐格改数转向假设判断、情景比较和结论决策，实现研究效率和模型质量的双重提升。
风险提示
以上结果通过历史数据统计、建模和测算完成，历史规律不代表未来；在市场环境发生变化时，模型存在失效的风险。大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。业绩影响测算为现有模型公式下的计算结果，不代表对公司未来经营情况的预测。部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果。模型扫描与写入依赖原 Excel 模型的结构与公式质量，若模型中存在硬编码、跨表引用异常等情况，可能出现假设识别偏差。
+
目录
一、A股业绩点评Skill（ashare-earnings-comment）
1.1 场景与功能定位
1.2 A股业绩点评Skill功能
二、财务模型更新Skill（financial-model-updater）
2.1 技能应用场景与功能总览
2.2 使用流程与成果交付
三、风险提示
正文
一、A股业绩点评Skill（ashare-earnings-comment）
1.1 场景与功能定位
财报季A股上市公司数量较多，业绩点评通常涉及财务数据提取、定期报告分析、盈利预测、撰写等多个步骤。传统流程重复性较高，而不同研究员、不同机构又存在固定的点评结构和模板，因此适合作为标准化 Skill 进行封装。
从研究方法维度上看，业绩点评涉及财务数据描述、定期报告管理层讨论分析、盈利预测整理等多个分析维度，上述各个方法独立性较强，方法相对标准化。
从重复性来看，财报季取数、公告 PDF 下载解析、一致预期与业绩对比等工作中的大量动作高度相似，具有显著的标准化空间。
从研究范式来看，点评撰写需要同时结合定量数据证据和定性经营判断，这种定性定量相结合的特点适合用 AI 来完成文本的分析与组织。
SKILL 化后，研究员可以把精力从重复取数和运算转向判断、比较和决策，实现研究效率和产出质量的双重提升。
1.2 A股业绩点评Skill功能
本 SKILL 的核心功能如下表所示。
1.2.1单股及股票池批量点评
本 SKILL 支持单只股票与股票池批量生成点评；股票池任务下各标的并行处理、运行目录相互独立，单只取数失败或 PDF 下载超时仅记录 QA 日志并跳过，不影响其余标的出稿。
1.2.2多源信息自动整合与业绩点评生成
本SKILL能够自动从财务报表数据、定期报告全文、一致预期及券商研报等多渠道并行取数；未指定报告期时默认取最新可取数据，也可自定义点评某一期。减少研究员在数据查询与资料整理上的重复工作。
默认生成的业绩点评主要包括财务数据点评、公司经营情况点评、盈利预测与机构观点以及风险提示四部分。其中，财务数据点评围绕报告期及单季度的营业收入、归母净利润、盈利能力和费用率等核心指标展开，并计算同比、环比变化，同时生成核心财务指标表；对于定期报告中披露的分业务、分产品或分地区数据，也可进一步整理主要业务的收入、增速及盈利情况。
公司经营情况点评主要基于定期报告全文提取经营层面的重要变化，包括核心业务进展、产品与技术更新、产能建设、市场拓展等信息，并围绕对公司当期经营表现影响较大的内容进行归纳。
盈利预测与机构观点部分一方面汇总多家机构对未来年度营业收入、归母净利润、EPS 等指标的一致预期，另一方面整合多家券商研报，对机构关于本期业绩是否符合预期、主要经营变化、后续增长驱动以及盈利预测调整等观点进行归纳，并对比不同机构之间存在的主要判断差异。
最后，风险提示根据定期报告及券商研报中涉及的经营风险和行业风险进行整理，形成与公司当前经营情况相对应的风险提示。
1.2.3自定义指标扩展
除默认点评框架中的营业收入、归母净利润、毛利率、费用率等常用财务指标外，不同行业、不同公司及不同研究团队所关注的指标可能存在差异。为此，本 Skill 支持根据用户要求或模板内容按需补充额外财务指标，例如 ROE、经营现金流、合同负债等，并将补充后的指标用于后续点评生成及数据展示。
补充指标与默认指标采用相同的数据处理和校验规则；对于数据源中无法获取或缺少有效值的指标，不进行主观推测或补造，避免因指标扩展引入数据错误。
1.2.4自定义模板适配
考虑到不同研究员和研究团队在点评结构与报告版式上存在差异，本 Skill 支持基于用户提供的历史点评或 Word 模板生成报告。用户上传模板后，可根据需求选择三种适配方式：
只参考格式：复用模板中的 Logo、页眉页脚、字体字号及页面版式，点评内容仍按照 Skill 默认结构生成；
只参考内容：识别模板中的章节设置、内容顺序及组织方式，并按照相同结构生成新的点评内容；
格式和内容都要：同时适配模板的内容结构与 Word 版式。
在使用模板生成时，Skill 会根据用户选择的适配方式，将前序获取的财务数据、定期报告及机构观点重新组织至相应的报告结构中。以选择“格式和内容都要”为例，生成结果会沿用原模板的标题层级、页面布局等版式特征，并按照模板原有的内容组织方式生成本期业绩概览、财务表现、经营情况及风险提示等内容，从而在自动生成点评的同时保持与既有报告风格的一致性。
1.2.5数据校验与多格式交付
为降低大模型生成过程中出现财务数字错配的风险，本 Skill 在正式出稿前设置数据校验环节，对正文中涉及的主要财务数字与前序结构化取数结果进行核对，确保点评中的收入、利润、增速等数据与数据源保持一致。对于未获取到的数据，不进行推测或补造。
为便于数据追溯和人工复核，Skill 同步生成 Excel 数据底稿。底稿按不同报告期保留公告日期、报告期等基础信息，以及毛利率、净利率、销售费用率、管理费用率、研发费用等主要财务指标，并记录相应的单季度数据。除财务数据外，底稿还保留主营构成、管理层原文及机构观点等生成依据，便于研究员对点评内容进行进一步复核。
数据校验完成后，Skill 最终输出 Word 报告、HTML 报告和 Excel 数据底稿，分别用于正式报告交付、快速浏览及结果复核。
二、财务模型更新Skill（financial-model-updater）
2.1 技能应用场景与功能总览
财务模型是公司研究的基础工具。业绩发布、公司公告、调研纪要与行业新闻出现后，研究员需要回到模型中逐项调整收入增速、毛利率、费用率等假设。从研究方法上来看，模型更新涉及模型勾稽关系解析、假设参数识别、新增信息与既有假设的比对、业绩影响测算等多个分析维度。上述各个环节相对独立，流程重复性较高，且模型结构与假设口径又存在相对固定的范式；同时，模型更新既需要从新材料中提取定量证据，也需要对假设的调整方向与幅度作出定性判断，这种定性定量相结合的特点适合用 AI辅助完成信息的提取与组织，并由研究员保留最终决策权。因此我们专门制作了技能来完成公司财务模型的调整与测算，帮助研究员将精力从重复取数和逐格改数转向假设判断、情景比较和结论决策，实现研究效率和模型质量的双重提升。
本技能的核心功能如下表所示。
2.1.1 模型假设清单
本技能首先对模型进行整体扫描，将其中所有手填假设（收入增速、毛利率、税率等）整理为一份HTML格式的假设清单。清单逐条记录假设所在的工作表与单元格、当前取值、重要程度（分为五级，五级为最高），以及该假设变动后所影响的主要业绩指标，并据此生成业绩影响路径，供后续变更清单调用。
假设清单只反映模型当前状态，不含任何主观调整，作为后续每一次更新的比对基准；每次写入完成后，清单中的当前值会同步更新，以保证底账与模型始终一致。对于银行、券商、保险等金融类公司，技能中已经采用单独的假设口径与检查规则。
2.1.2 变更清单与业绩影响测算
在收到业绩报告、公司公告或调研纪要等新材料后，本 SKILL 会对照假设清单识别受影响的假设，并生成一份供用户审批的变更清单。变更清单分为四个部分，依次说明整体影响、逐条明细、判断依据与未调整项，以便研究员在确认前完成完整复核。
主要业绩指标变动概览位于变更清单首屏，汇总本次全部改动落地后收入、毛利率、净利润等核心指标的变化情况，并以改前改后对照的形式呈现，便于快速判断本次更新对盈利预测的整体影响。
逐条变更明细逐项列出每一处改动的修改原因、具体修改内容及其对业绩的贡献，使整体影响可以拆解到单条假设，避免多项调整相互抵消后掩盖真实的驱动因素。
变更依据与推理过程记录每一条改动所依据的材料原文及其推理链条。依据部分严格引用来源原文，对于材料中未提及或无法支持的内容，不进行主观推测或补造，以保证假设调整具备可追溯的证据。
以变更一为例，清单会同时给出所引用的材料原文与对应的模型修改要求，明确指向具体单元格及其目标取值。
未变更项说明列示本次未作调整的相关假设及其原因，用于说明哪些假设在现有材料下证据不足或影响有限，使审批范围覆盖到未改动的部分。
2.1.3 审批确认与模型写入
为避免未经确认的改动进入模型，本技能在整个流程中不会自行修改模型：
变更清单生成后需由用户回复同意、或就其中个别条目提出修改意见，Skill据此调整后再次提交审批。
用户确认后，技能才会将改动写入Excel模型文件，并在写入完成后重新核对模型计算结果，检查公式引用是否被破坏、写入结果是否与审批内容一致，同时把假设清单中的当前值同步更新。
相关审批记录保存在附录中，可随时回溯每一次改动的时间、内容与依据。
2.2 使用流程与成果交付
本技能以对话方式调用，大致流程如下：
使用者提供公司模型文件，技能先完成模型结构扫描并生成假设清单；
随后，使用者提供纪要、新闻或公告等材料，技能据此生成变更清单并供审阅；
使用者回复同意或提出修改意见后，技能完成写入与验证。
整个过程无需使用者手动定位单元格或重复计算，也不需要在模型与材料之间反复切换。
两份清单均以HTML格式呈现，文件可在浏览器中直接打开、无需联网；格式上，百分比保留两位小数，金额带千分位，配色风格等均统一。
风险提示
1、以上结果通过历史数据统计、建模和测算完成，历史规律不代表未来；在市场环境发生变化时，模型存在失效的风险。
2、大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。
3、业绩影响测算为现有模型公式下的计算结果，不代表对公司未来经营情况的预测。
4、部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果。
5、模型扫描与写入依赖原 Excel 模型的结构与公式质量，若模型中存在硬编码、跨表引用异常等情况，可能出现假设识别偏差。
阅读全文
《大模型赋能投研：季报期提效Skills——季报点评撰写与财务模型更新》
＋
报告信息
证券研究报告：《大模型赋能投研：季报期提效Skills——季报点评撰写与财务模型更新》
报告日期：2026年8月27日
作者：
高智威 SAC执业编号：S1130522110003
赵 妍 SAC执业编号：S1130523060001
胡正阳 SAC执业编号：S1130525080008
评论 (0)