普惠级金融终端 AI 助手 (fin-terminal)

用途

面向中小投资机构和个人投资者的轻量化金融终端。输入股票代码/公司名称，一键生成专业级投研分析报告（HTML），含：

• 📊 数据聚合 — A股/港股/美股实时行情 + 核心财务数据 + 近期重大新闻
• 📈 财务指标速算 — ROE / ROA / PE / PB / PEG / 毛利率 / 净利率 / 资产负债率 等 12+ 核心指标一键计算
• 🏢 可比公司筛选 — 同行业/相似体量公司自动匹配，横向对比各维度指标
• 📉 专业图表 — K线趋势图 / 财务指标对比柱状图 / 多维雷达图
• 📋 报告导出 — HTML 交互式报告 + 一键导出 PDF/Word

核心理念：用 AI 替代彭博终端 80% 的日常查询功能，成本降至零。

使用方法

直接告诉我以下信息（不提供则交互式引导）：

市场自动识别规则：
- 纯数字（6位）→ A股（上证/深证）
- 数字.HK → 港股
- 字母（1-5位）→ 美股

执行步骤

收到用户请求后，按以下线性流水线执行：

Step 1：参数解析与股票确认

从用户输入中提取股票代码和市场，缺失项使用默认值。

若用户只输入公司名称（如"贵州茅台"），先通过 WebSearch 搜索确认股票代码。

输出确认信息：

✅ 已确认分析目标：贵州茅台（600519.SH）
📊 分析深度：standard | 🏢 可比公司：5家 | 📋 格式：HTML

Step 2：数据聚合模块

目标：获取股票实时行情、核心财务数据、近期新闻。

2.1 使用金融数据源

优先级策略（多源回退）：

2.2 数据结构

聚合后统一为以下结构（保存为 Python dict，后续步骤复用）：

stock_data = {
    "basic": {
        "code": "600519", "name": "贵州茅台", "market": "cn",
        "industry": "白酒", "sector": "食品饮料",
        "market_cap": 2100000000000,  # 总市值（元）
        "price": 1680.50, "change_pct": 1.25,
        "pe_ttm": 28.5, "pb": 9.8
    },
    "financials": {
        "revenue": 150560000000,      # 营业收入
        "net_profit": 74730000000,    # 归母净利润
        "total_assets": 280000000000, # 总资产
        "total_equity": 220000000000, # 股东权益
        "total_liabilities": 60000000000, # 总负债
        "current_assets": 180000000000,
        "current_liabilities": 50000000000,
        "gross_profit": 138000000000, # 毛利润
        "operating_profit": 95000000000, # 营业利润
        "ebitda": 100000000000,
        "roe": 0.34, "roa": 0.27,
        "revenue_growth": 0.175,      # 营收同比增长率
        "profit_growth": 0.192,       # 利润同比增长率
        "gross_margin": 0.917,        # 毛利率
        "net_margin": 0.497,          # 净利率
        "debt_ratio": 0.214,          # 资产负债率
        "current_ratio": 3.6,         # 流动比率
    },
    "news": [
        {"title": "...", "source": "...", "date": "...", "sentiment": "positive"}
    ]
}

2.3 数据缺失处理

若某个字段获取不到，标注为 None，报告中显示"N/A"，不阻塞流水线。

Step 3：财务指标速算模块

目标：补全所有核心财务指标，并进行行业百分位排名。

3.1 指标计算公式

3.2 实现方式

编写并执行 scripts/financial_metrics.py，输入 stock_data，输出 metrics_result：

# 核心：调用 westock-data 和 neodata-financial-search
# 从 Skills 获取原始数据后，用 Python 补全计算指标
# 输出结构化指标 + 行业百分位排名

行业百分位排名：通过 WebSearch 获取同行业公司数据，计算目标公司在行业中的排名位置（如"ROE在白酒行业排名前20%"）。

Step 4：可比公司筛选模块

目标：自动匹配5家同行业可比公司，进行多维度横向对比。

4.1 筛选算法（三级匹配）

4.2 实现方式

编写并执行 scripts/peer_screener.py：
- 通过 westock-data / WebSearch 获取同行业公司列表
- 按市值/业务相似度排序
- 返回 Top 5 可比公司 + 关键指标

4.3 输出对比表

Step 5：图表自动生成模块

目标：生成3张专业图表，嵌入最终报告。

5.1 图表清单

5.2 实现方式

编写并执行 scripts/chart_generator.py：

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import numpy as np

# 1. K线图 — 使用 mplfinance（如果可用）否则用 matplotlib 模拟
# 2. 柱状图 — 分组柱状图，多公司多指标对比
# 3. 雷达图 — 六维评分，matplotlib polar projection

# 输出到 assets/ 目录：
# - kline.png
# - comparison_bar.png
# - radar.png

图表规格：
- DPI: 150（清晰但文件不大）
- 尺寸: 10×6 inches
- 风格: seaborn-darkgrid 或 ggplot
- 配色: 专业金融配色（红涨绿跌，中国习惯）
- 中文字体: SimHei / Microsoft YaHei
- 输出格式: PNG（Base64编码嵌入HTML）

5.3 降级策略

若 mplfinance 不可用：
- K线图降级为 matplotlib 收盘价折线图
- 图表参数保持一致

Step 6：报告一键导出模块

目标：生成美观的 HTML 投研报告，支持导出 PDF/Word。

6.1 HTML 报告结构

┌─────────────────────────────────────────────┐
│  🏦 普惠金融终端 — XYZ公司 投研分析报告        │
│  生成时间：2026-05-31 | 数据源：多方聚合       │
├─────────────────────────────────────────────┤
│  📊 一、公司概览                              │
│  ┌──────┬──────┬──────┬──────┐              │
│  │ 股价 │ 市值 │ PE  │ 行业 │               │
│  └──────┴──────┴──────┴──────┘              │
├─────────────────────────────────────────────┤
│  📈 二、K线走势图（6个月）                    │
│  [图表: kline.png]                          │
├─────────────────────────────────────────────┤
│  💰 三、核心财务指标                          │
│  指标表格 + 行业百分位排名                     │
├─────────────────────────────────────────────┤
│  🏢 四、可比公司横向对比                       │
│  对比表 + 柱状图 [comparison_bar.png]         │
├─────────────────────────────────────────────┤
│  🎯 五、多维雷达评分                          │
│  [图表: radar.png]                           │
├─────────────────────────────────────────────┤
│  📰 六、近期重大新闻与舆情分析                  │
│  新闻列表 + 情绪标签                          │
├─────────────────────────────────────────────┤
│  ⚠️ 七、风险提示                              │
│  免责声明 + 风险因子                          │
└─────────────────────────────────────────────┘

6.2 HTML 技术规范

• 独立文件：所有 CSS/JS/图片内联（Base64 编码图片、内联样式）
• 响应式：PC + 移动端适配
• 打印友好：@media print 样式优化
• 交互功能：表格排序、图表悬停高亮
• 配色方案：深蓝专业风格（#1a237e 主色 + #0d47a1 辅色 + 白色卡片）

6.3 导出选项

Step 7：写入文件与预览

1. 将生成的 HTML 报告写入工作区：{workspace}/fin_report_{code}.html
2. 将图表 PNG 文件写入：{workspace}/charts/ 目录
3. 调用 preview_url 展示 HTML 报告
4. 输出报告摘要

输出格式

执行完成后，输出：

1. 分析摘要（文字，3-5句话核心结论）
2. 报告文件路径
3. 预览
4. 数据完整性说明（哪些字段为估算值 / N/A）

示例输出：

✅ 贵州茅台（600519）投研分析完成！

📊 核心结论：
• ROE 34.0%，行业排名前5%，盈利能力极强
• PE(TTM) 28.5x，处于近3年历史中位水平
• 可比公司中毛利率（91.7%）遥遥领先
• 六维雷达综合评分 87/100，白酒行业标杆

📋 报告文件：fin_report_600519.html
📁 图表目录：charts/

注意事项

1. 数据时效性：行情数据为实时/准实时，财报数据为最近一期公开披露数据
2. 免责声明：报告中自动包含"本报告由AI生成，不构成投资建议"的免责声明
3. 数据缺失：任何字段获取不到均标注"N/A"，不阻塞整体流程
4. 积分消耗：单次标准分析约 10-25 Credits（使用默认模型），深度分析约 30-60 Credits
5. 中国市场颜色规范：涨→红色，跌→绿色（中国习惯）
6. 多市场货币符号（v1.0.2 新增）：A股→¥，港股→HK$，美股→$，根据 market 字段自动适配
7. 银行业特殊处理（v1.0.2 新增）：银行业资产负债率90%+属正常，评价/评分/百分位均使用银行专属阈值
8. WebSearch 策略：优先使用 westock-data / neodata-financial-search Skill；若均不可用，降级为 WebSearch + WebFetch
9. 图表中文字体：运行时自动检测可用中文字体（SimHei > Microsoft YaHei > WenQuanYi > Noto Sans CJK > PingFang SC > STHeiti > SimSun > KaiTi > FangSong > STSong），无中文字体时使用英文标签，bold 警告已抑制
10. 行业预设库（v1.0.2 扩展）：白酒/互联网/银行/新能源汽车/半导体/游戏/传媒/消费电子/科技 共 9 个行业预设
11. 数据来源降级链（v1.0.1 明确）：
    - Level 1：westock-data Skill（A股/港股/美股详细行情+财务）→ 最高优先级
    - Level 2：neodata-financial-search Skill（通用金融数据搜索）→ Level 1 不可用时降级
    - Level 3：WebSearch + WebFetch（搜索引擎抓取公开财报/行情）→ Level 2 不可用时降级
    - Level 4：预设行业可比公司库（scripts/peer_screener.py 内置 9 个行业）→ 所有外部源不可用时兜底
    - 注意：当前 v1.0.2 的降级链在 SKILL.md 层面已文档化，但脚本层面的自动探测仍需 AI 助手按 Step 2 指引手动执行降级判断。未来 v1.1 计划将降级逻辑封装为 data_fetcher.py 模块实现全自动降级。

示例对话

用户： 帮我分析一下贵州茅台

助手： （执行Step 1-7）

✅ 已确认：贵州茅台（600519.SH），白酒行业

[数据聚合中...] → 获取实时行情、财务数据、近期新闻
[指标计算中...] → ROE 34.0% | PE 28.5x | 毛利率 91.7%
[可比公司筛选中...] → 匹配五粮液、泸州老窖、洋河股份...
[图表生成中...] → K线图 ✓ | 对比柱状图 ✓ | 雷达图 ✓
[报告导出中...] → HTML 交互式报告已生成

📋 报告已生成，正在预览...

用户： 分析腾讯，对比阿里巴巴、美团、拼多多、百度、京东

助手： （执行完整流程，深度分析模式）

依赖说明

Python 依赖（运行时自动安装）：
- matplotlib >= 3.7.0（图表生成）
- numpy >= 1.24.0（数值计算）
- mplfinance >= 0.12.0（可选，K线图）
- python-docx >= 0.8.11（可选，Word导出）

Skills 依赖（可选，优先使用）：
- westock-data — A股/港股/美股详细数据
- neodata-financial-search — 通用金融数据搜索

无需外部API Key：所有数据通过 WebSearch + 内置 Skills 获取，零额外成本。

版本历史

v1.0.2 (2026-07-21)

修复的 Bug：

新增功能：

验证测试：
- A股 招商银行(600036) 全流程通过 ✓ — 银行行业特殊处理正确
- 港股 腾讯控股(00700.HK) 全流程通过 ✓ — HK$ 货币符号正确
- 美股 苹果(AAPL) 全流程通过 ✓ — $ 货币符号正确，超高ROE(171%)评分正确限制在100以内
- 游族网络(002174) 回归测试通过 ✓

v1.0.1 (2026-07-21)

修复的 Bug：

新增功能：

验证测试： 游族网络(002174) 全流程通过 ✓

v1.0 (初始版本)

• 完成核心流水线：数据聚合 → 财务指标速算 → 可比公司筛选 → 图表生成 → 报告导出
• 支持白酒/互联网/银行/新能源汽车/半导体 5 个行业预设
• 3 张专业图表（K线/柱状对比/雷达评分）
• HTML 交互式报告（含排序/打印/导出Word）