star-fall

👉 进入财报实验室#

一、先有骨架：10 个组 + 20 个门类#

行业分类做成了两层：

识别路径按可信度排：人工指定 > 代码映射表 > PDF 正文 > 公司名关键词。

后面这层「门类」是今天才补的。之前拿 20 个门类名字去跑，只认得出 13 个——M（科研）、N（水利环境）、O（居民服务）、Q（卫生）、R（文体）、S（公共管理）全部落空，因为它们只存在于服务业的中类里，没写进组识别的关键词表。

补完之后：

• 门类 → 组识别：19 / 20（T 国际组织不认，A 股没这种公司）
• 门类代码：20 / 20，每家公司的结果里都带 section

现在确认页可以直接选字母：

1
A · 农、林、牧、渔业
2
C · 制造业
3
M · 科学研究和技术服务业

选完自动映射回行业组，页面显示「服务业 · 第三产业 · 门类 M」。

二、模板外置：阈值不该写死在代码里#

原先判断逻辑是 if 毛利率 < 0.1: ...，散在几百行里。改一个阈值要动代码、跑测试、重启服务。

现在全部搬进 JSON：

1
{
2
  "id": "inventory_heavy",
3
  "angle": "库存型",
4
  "when": [{ "metric": "存货周转天数", "op": ">=", "value": 180 }],
5
  "text": "存货周转 <b>{存货周转天数}</b> 天：货压在仓库里..."
6
}

规则引擎支持 >= > <= < == != exists truthy，文案里能直接引用指标并指定格式（百分比 / 亿元 / 天数 / 倍数）。行业模板用 extends 继承通用规则，只写差异部分。

一个副作用：配置坏了程序不会崩，会回退到旧逻辑并打警告——宁可分析得糙一点，也不能让整份年报解析失败。

三、识别 PDF 正文：从 60% 到能用#

代码映射表覆盖不到的公司，只能去年报正文里找「所属行业」这类句子。

第一版扫前 15 页，50 份抽样只认出 60%。漏掉的原因很朴素：有的公司把行业信息写在第 21 页。

改成两遍扫描（15 页 → 30 页）就上去了。同时还修了几个假阳性：

• 「1、新一代信息技术产业」→ 序号开头的句子不算
• 「集成电路作为信息技术产业」→ 泛指句式不算
• 「金融等众多行业」→ 带「等」的泛指不算

现在这条路是 60% 召回、0 错误——宁可认不出，也不要认错。

四、金融三业：报表结构完全不同#

制造业那套解析器遇到银行直接崩：银行没有「营业成本」，保险没有「毛利」，证券的科目名是另一套。

所以单独写了金融解析器，按三个行业各自的恒等式校验：

结果是银行 8/8、证券 8/8、保险里的人寿 5/5 全部通过。平安卡在一个 5,815 元的差额上，至今没修——差一分钱都不出页，这是有意的。

五、诊断：从「三个数」到「为什么亏」#

最初的分析输出是这样的：

毛利率 33.48%、净利率 -8.44%、期间费用率 73.76%

三个数字摆出来，读者还得自己算哪个是主因。现在的输出是结论先行：

收入同比 17.06% 到 6.62 亿元，仍亏 0.56 亿元——毛利撑不住费用。毛利 2.21 亿、期间费用 4.88 亿。

判断「为什么亏」的规则改过一次。第一版按固定顺序试：负毛利 → 费用吞噬 → 减值 → 投资。结果福星股份亏 41.82 亿，被判成「费用吞噬」——因为毛利确实覆盖不了费用（缺口 2.64 亿），可真正的窟窿是 25.48 亿减值。

改成按占比判：费用缺口、减值、投资亏损，谁占亏损额比例最大，谁就是主因。现在福星是「减值拖累型」，岩山科技是「费用吞噬型」（毛利 2.21 亿 vs 费用 4.88 亿），各归各位。

六、全量回测：61 份年报#

这两天最重要的一个数字，是拿 61 份真实年报跑了一遍完整链路：

失败的全被恒等式拦下来了，没有一份错误页面流出去。

最值得说的一个 bug：山子高科差了 63 亿。查下来是「所有者权益」抓到了权益变动表里的同名行（74.83 亿），而资产负债表里归母 11.59 + 少数 0.01 = 11.60 亿，正好等于资产 108.85 − 负债 97.25。

修法是：当归母+少数与「资产−负债」一致、却与已解析的权益不符时，用前者覆盖。两个来源交叉验证，比任何单点解析都可靠。

七、顺手把界面换了#

原来是蓝粉渐变的 SaaS 风，看久了和「财报」这件事不太搭。换成了一套更安静的语言：暖石色背景、单一青色强调、1px 细线做结构、标题用细字重。

改的不只是颜色：

• 控制台上传时显示真实百分比进度，解析时显示已用时间（30–60 秒不让你干等）
• /admin 收进后台——经 Cloudflare 隧道访问一律 404，只能本机直连
• 年报页的「两年对比」「关键比率」加了图：一个同比变化率横条，一个按单位拆开的分组条形（比率和天数不能画在同一根轴上，否则流动比率 0.83 会被压成一条线）

八、还没做完的#

• 教育、医疗、环保公用三个细分模板刚写完，阈值是行业常识 + 单一样本定的，等真实年报来打脸
• 中天精装差 36.5 万、平安差 5,815 元，都是小数目但没修
• 厦门银行的 PDF 文本层是散的，暂时解析不了

两天下来最大的感受：财报分析的可信度不来自模型多聪明，来自每一处都能被验证。资产必须等于负债加权益，现金流必须首尾闭合，差一分钱就拒绝出页——这条规则救回来的错误，比任何算法优化都多。