美股 AI / 半导体财报与电话会议跟踪

目标

• 做什么：按日历季扫描约 100 家美股 AI 与半导体公司的财报披露，对每家拆出三口径增减、GAAP 与 non-GAAP 差额、毛利率与费用结构、现金流成色、资产负债表前瞻信号、EPS 超预期与公告后股价反应，取回电话会议全文并按预备发言/问答切分，最后由模型判断谁真正交付了、利润是不是真的、指引往哪走。
• 不做什么：不做 A 股财报（用 a-stock-quarterly-report）、不做美股盘面与赚钱效应复盘（用 chstock-usmarket-report）、不做单股长线基本面深挖；不给买卖建议、目标价、仓位；不在脚本里判断"这季好不好"。
• 给谁用：跟踪 AI 资本开支周期的投研读者。重点是快速看清单家公司本季交付、利润质量、指引变化与电话会议增量。

数据现实（务必先读，直接决定能交付什么）

1. 事实分两个阶段到达，报告必须说清手上是哪一个。 财报当晚只有 8-K/6-K 新闻稿：营收、EPS、下季指引——没有现金流，没有资产负债表。10-Q 带着 XBRL 在 0–10 天后才落地。每家的 data_stage 标了是 xbrl 还是 press_release_only；press_release_only 的公司不能评论现金流。
2. XBRL 里永远没有指引。 美股股价当天的涨跌六七成由指引决定，而指引只在新闻稿和电话会议里。只讲已发生的季度等于没读财报。
3. 财年错位是常态，横向比较只能用日历季。 NVDA 财季二月到四月，AVGO 二月到五月，MU 三月到五月，LRCX 财年六月底结束——三家都叫"Q1"。脚本按区间中点落在哪个日历季统一对齐（与 SEC 自己的 CY frame 口径一致，已对 NVDA/AVGO/MU/TXN 逐一验证）。不要用公司自报的 Q1/Q2 拼横截面。
4. GAAP 与 non-GAAP 是两套数。 XBRL 全是 GAAP；卖方一致预期与 surprise_pct 对的是 non-GAAP。差额主要是股权激励、并购摊销、重组。同时引用必须标口径，margins.sbc.pct 就是这个差额的主要来源。一致预期接近零时百分比超预期会失真，脚本以 surprise_pct_unstable 标出。
5. ADR 不交 10-Q。 TSM / ASML / ARM / UMC / STM / ASX 交 20-F/6-K，季度 XBRL 稀疏甚至没有（TSM 走 IFRS 分类，ASML 只有年度数）。这些公司 statement_source=adr_limited，数字要从 press_release_head 和电话会议读。空白报表块是披露制度差异，不是取数失败。
6. 电话会议有两条免费路径，都不保证当晚就有。 Motley Fool 无配额但覆盖不齐（实测 TSM/ASML 次日即有，TXN 报告五天后仍无）；Alpha Vantage 覆盖更齐、带逐段情绪分，但免费额度 25 次/天（一次调用 = 一家一季，永久缓存后不再重取）。两路都没有时 transcript.status=pending——这是财报当晚的常态，如实写待补，绝不凭数字推测会议内容。
7. 现金流没有单季标签。 美股只按年初至今披露现金流，脚本用相邻累计期差分补出单季（derived=cumulative_diff），Q4 同理由年报减前三季。数值可信，但公司做过追溯重述时差分会把重述额甩进某一季。
8. 一天只能看到财报季的一小片。 六周里每晚几家到几十家，任何一天的 reported_count / universe_size 都是残缺的，写报告必须交代披露进度与 not_reported 名单。

领域方法论（纲要，细则见 references/）

判断分两层，逐层加深：

一、单家公司：数字层（细则见 references/methodology.md）

1. 三口径 × 五条线：营收/毛利/经营利润/净利润/经营现金流各有同比与环比。半导体看环比重于同比——同比含去年基数的故事，环比才是当下动能。毛利增速 > 营收增速 = 结构在变好；经营利润增速 > 毛利增速 = 费用杠杆在起作用。
2. GAAP vs non-GAAP 必须拆开：GAAP 巨亏 + non-GAAP 大超预期是这个宇宙的常见组合，两个都要报并说清差在哪；sbc 占营收高且抬升 = non-GAAP 的漂亮有一部分是股东在稀释中买单。
3. 利润质量三件套：经营现金流/净利润、存货与应收相对营收的 gap、自由现金流与 capex 强度。gap 为正在半导体里有两种相反含义（为订单备货 vs 卖不动积压），数字分不出来，只有电话会议能分。
4. 资产负债表讲下几个季度：RPO（美股最接近在手订单的字段，只有部分公司披露）、合同负债、在建与固定资产、净现金。

二、单家公司：指引与电话会议（细则见 references/transcript_reading.md）

指引是美股财报的第一位信息。判 guidance_call 要做四个动作：这季实际落在上季指引的哪一侧、下季指引中值 vs 市场预期、全年指引动没动、毛利率指引方向。

电话会议六个抓手：指引的完整形状（营收/毛利率/费用/税率都要）、需求侧具体证据（客户名、可见度期限、backlog、sold out——"我们对 AI 长期机会感到兴奋"是零信息）、供给与产能约束、毛利率桥、问答攻防（重复出现的问题 = 市场担心什么；管理层回避本身是信息）、口径变化与新披露。

股价与指引背离最有信息量：超预期却大跌几乎总是指引问题，不及预期却大涨几乎总是指引超预期。

工作流程

1. 定日历季：CY2026Q2 = 2026 年 4-6 月。用户说"这季""昨晚"就取当前所在或最近结束的日历季。
2. 跑扫描：python3 scripts/earnings_scan.py --frame CY2026Q2。发现已披露公司 → 取 XBRL → 抓 8-K/6-K 新闻稿与指引句 → 取 EPS 一致预期 → 取 Yahoo 日线并截取包含财报日的 120 个交易日窗口 → 算股价反应 → 按超预期幅度与体量优先级取电话会议 → 出决策包与全样本。首次约几分钟，之后增量。
3. 读决策包做初筛：读 reports/usearn_scan_<frame>.json。先按 priority_tickers 指定的顺序读高优先级公司，再处理其余新披露公司；companies[] 保留全部已披露公司，不能把优先级截断误当成样本边界。按 references/methodology.md 逐家判断，先分出「强/中/观察/剔除」。
4. 要原话就开原文：read_source.py transcript <T> --frame <F> --section qa 读问答，read_source.py press-release <T> --frame <F> 读新闻稿。不要凭数字编故事——没读原文说不出"因为某产品放量"。
5. 按主题检索原话：需要比较多家公司对同一主题的说法时，可用 read_source.py search "HBM" --frame CY2026Q2 拉出命中段落；只把它作为相关公司判断的补充证据，不产出产业链状态。
6. 判分落台账：verdict.py context --frame <F> 拿待判集合（新披露 + 证据已变化的待复判）。模型逐家判 tier + quality_call + guidance_call + transcript_read + theme，写 reports/usearn_verdict_<frame>.json，再 verdict.py record 落库。台账增量累积，每天只判 context 列出的增量。
7. 出交付物：
   - 每日简报：模型按 references/output_template.md 写 Markdown，再 render_daily_html.py 出 HTML。
   - 财报季页：render_period_html.py --frame <F>，一季一页、每次从台账整页重渲染，随披露增量更新。
8. 诚实标注公司级缺口：在相关公司详情中标明 data_stage=press_release_only、transcript.status=pending、ADR 的 adr_limited、surprise_pct_unstable 与股价缺口新鲜度。不要另做顶部运行状态、覆盖进度或配额统计区。

脑/手边界：脚本只做取数、日历季对齐、差分与比率、阈值命中、计数、渲染投影；"谁交付了、利润是不是真的、指引算不算上修"由模型写进公司台账。screen.hits 与 rank_score 是决定先读谁的漏斗，不是结论——它看不到指引、读不了电话会议，会把靠一次性税收优惠超预期的公司排在上修全年指引的公司前面。

数据获取（脚本抓手）

环境变量：

SEC_CONTACT_EMAIL=you@example.com     # 必填：EDGAR 对没有身份标识的 UA 返回 403
ALPHAVANTAGE_API_KEY=...              # 电话会议兜底路径；缺失则只走 Motley Fool
ALPHA_DB_BACKEND=postgresql
ALPHA_PG_URL=postgresql://alpha_user:alpha_pass@/alpha_data?host=/tmp
# ALPHAVANTAGE_DAILY_LIMIT=25         # 升级 premium 后调大即可解除配额
# ALPHAVANTAGE_RESERVE=5              # 预留额度，不被 transcript 抓取吃光
# SEC_CALLS_PER_SEC=8                 # SEC 公布上限 10/秒

依赖：pip install requests pyyaml psycopg2-binary（见 requirements.txt）。SEC / Nasdaq / Motley Fool 都是 requests 直连公开接口，不经 WebFetch（避免本机代理拦截）。

# 主扫描
python3 scripts/earnings_scan.py --frame CY2026Q2
python3 scripts/earnings_scan.py --frame CY2026Q2 --tickers NVDA,AMD,AVGO   # 定向核验
python3 scripts/earnings_scan.py --frame CY2026Q2 --buckets semi_equipment  # 只看一环
python3 scripts/earnings_scan.py --frame CY2026Q2 --no-av                   # 绝不动 AV 配额
python3 scripts/earnings_scan.py --frame CY2026Q2 --refresh-xbrl            # 大面积重述时

# 按需读原文
python3 scripts/read_source.py transcript NVDA --frame CY2026Q2 --section qa
python3 scripts/read_source.py transcript TSM  --frame CY2026Q2 --find "CoWoS,capacity"
python3 scripts/read_source.py press-release TXN --frame CY2026Q2 --find "outlook"
python3 scripts/read_source.py search "HBM" --frame CY2026Q2 --section prepared

# 判分落台账
python3 scripts/verdict.py context --frame CY2026Q2
python3 scripts/verdict.py record  --frame CY2026Q2 --input reports/usearn_verdict_CY2026Q2.json

# 交付物
python3 scripts/render_daily_html.py --input reports/daily-2026-07-27.md --frame CY2026Q2
python3 scripts/render_period_html.py --frame CY2026Q2

# 单源探查与自检
python3 scripts/sec_client.py NVDA --frame CY2026Q1 --press-release
python3 scripts/transcript_fetch.py TSM --call-date 2026-07-16 --list
python3 scripts/transcript_fetch.py X --budget-status
python3 scripts/test_earnings_scan.py

earnings_scan.py 常用参数：

决策包 JSON 关键字段：

• meta：frame、as_of、reported_count/universe_size、data_stage_counts、transcript_stats、av_budget、source_roles、data_notes。
• buckets[]：按业务类别的聚合与已披露/待披露名单，用于筛选和定位公司，不要求据此判断产业链传导状态。
• priority_tickers[]：按机械漏斗排序的优先阅读名单，长度由 --top 控制；它只是阅读顺序，不是样本截断。
• companies[]：全部已披露公司，包含 data_stage、statement_source、announcement（含 provenance：8-K / 6-K 按一致预期日匹配 / 仅一致预期日）、growth、margins（含 sbc）、quality、balance（含 rpo）、surprise（含 surprise_pct_unstable）、price_reaction（当日与次日双报）、price_history（最多 120 个交易日 OHLCV，保证财报日位于窗口内）、guidance_excerpts、press_release_head、transcript（状态/来源/分段统计）、screen。非美元 XBRL 会保留原始 unit 与 value_local_millions，绝不冒充 value_musd。
• not_reported[]：本季尚未披露的名单。

数据存储与增量

统一走 shared/data/db_core.py，表以 usearn_ 前缀建在共享库（首次运行自动建表）。落库的东西：usearn_company（宇宙解析结果）、usearn_filing（发现水位）、usearn_xbrl_fact（按「公司×日历季×科目」存行）、usearn_press_release、usearn_transcript + usearn_transcript_segment（逐发言人存，供按主题检索）、usearn_surprise、usearn_calendar、usearn_price_cache、usearn_verdict。

增量逻辑：XBRL 按「最新 10-Q 公告日 > 缓存水位」才重取；新闻稿与电话会议一经落库永不重取（这是 25 次/天的配额能覆盖 100 家宇宙的原因）；日线按交易日水位补。DB 不可用时降级为全量抓取不落库，仍能出报告——这是容错，不是常态，因为那样每次都会重花 AV 配额。

输出规范

• 文风讲人话。 像跟懂行的人当面把这季讲清楚：先给判断，再用少量关键数字支撑，把"为什么好/利润是不是真的/指引往哪走"说透。不堆"综上所述""值得注意的是"，不写"字段A - 字段B - 字段C"式横杠拼接。
• 同项罗列用 list，每条说完整话。 多家公司、多条原因、多项 caveat 拆成 bullet，一条一项、每条通顺；结构化对照（公司 × 三口径数值）才用表格。
• 每家公司必须同时交代已发生的季度与指引。 只报营收同比不报指引，是这个 skill 最不该犯的错。
• 引用 EPS 必标口径。 GAAP 还是 non-GAAP、对的是哪个一致预期；surprise_pct_unstable 时只写美分差额不写百分比。
• 数字之外的话要有出处。 说"管理层称产能已售罄""某客户放量"必须来自 read_source.py 取到的原文并能指到发言人与段落；transcript.status=pending 就只讲数字能支持的结论。
• Motley Fool 页面的 TAKEAWAYS / RISKS / SUMMARY 是网站自己的编辑内容，不是管理层原话，永远不能当会议内容引用（数据里已有 publisher_notes_warning）。
• 诚实 caveat 必写：在相关公司段落写清 press_release_only、pending 会议、ADR 限制、追溯重述与股价缺口新鲜度。
• HTML 明确不展示：数据截至/生成时间、未披露数、10-Q/新闻稿数量、已披露/已判分/已取电话会议卡片、Alpha Vantage 余额，以及产业链传导汇总。
• 财报季页布局：把业务类别、分档、数据阶段和搜索放在股票列表与详情上方的同一行；窄屏可以横向滚动，但不拆成多行。公司详情在正文指标之前展示近 120 个交易日 K 线，用竖线标出财报发布日，并以淡色背景区分发布后的走势。
• 红线：不写买入/卖出/止损/目标价/仓位；不要求产业链状态判断；可以写"交付分档""利润质量成色""指引方向""需要跟踪的证伪点"。

示例

用户：昨晚谁报了？台积电这季怎么样？

python3 scripts/earnings_scan.py --frame CY2026Q2
python3 scripts/read_source.py transcript TSM --frame CY2026Q2 --find "capacity,CoWoS,capex"
python3 scripts/verdict.py context --frame CY2026Q2

读决策包后判断。台积电这季走 press_release_only + adr_limited——它不交 10-Q，季度 XBRL 是空的，所以报表块全是 —，营收与 EPS 要从 press_release_head 读（NT$1,270.38 亿营收、EPS NT$27.25、同比 +36.0%），下季指引从 guidance_excerpts 读（营收 US$44.6–45.8B、毛利率 65–67%）。电话会议已取到，可以引 C.C. Wei 关于 CoWoS 与玻璃基板的原话。最终 HTML 把筛选项单行放在列表和详情上方，并在台积电详情中用 120 日 K 线标出财报发布日及之后走势；不附运行统计或产业链状态区。