A Stock Quarterly Report

A 股正式财报扫描与优秀个股筛选

目标

• 做什么：按某个报告期（季报/半年报/年报，如 2026Q1=20260331）扫描全市场已披露的正式财报，拆出营收 / 归母 / 扣非 / 经营现金流各自的「当年累计同比 / 最新单季同比 / 环比」三口径，再判利润质量（扣非占比、现金流覆盖、应收存货是否跑赢营收）、盈利能力边际（毛利率、费用率、ROE）、资产负债表前瞻信号（合同负债、在建工程、存货）、对自家预告/快报的兑现度、真实 TTM 与年化 PE、公布后的股价断层，最后由模型挑出真正业绩优秀的个股并排序。
• 不做什么：不做单股基本面深挖（用 a-stock-analyzer）、不做业绩预告扫描（用 a-stock-earnings-forecast）、不做盘面复盘（用 a-stock-daily-market-sense）；不给买卖建议、目标价、仓位；不在脚本里判断"谁优秀"。
• 给谁用：财报季要在全市场里锁定「增长真实、质量扎实、边际向上」候选池的投研读者，具备基本财务常识。

和 a-stock-earnings-forecast 的分工：预告 skill 看的是触发式披露的边际变化（只有大增大减扭亏的公司会出现，没有营收、没有现金流、数字是区间估计）；本 skill 看的是强制全市场披露的实证（每家都有，三张表齐全，数字是审计或至少是正式口径）。两者共用报告期与主线台账，但事实层互不覆盖：预告是前瞻，正式报告是兑现。

数据现实（务必先读，直接决定能交付什么）

1. Tushare 结构化报表是数值权威，PDF 只在 API 没有字段时才开。 预告必须解析 PDF 是因为 Tushare forecast 无扣非、有滞后；正式报告不同——income/fina_indicator/cashflow/balancesheet 覆盖了所有数字问题，扣非有 profit_dedt 权威值。PDF 留给 API 里根本没有的东西：分产品/分地区收入、管理层讨论、非经常性损益构成、客户集中度（见 references/pdf_on_demand.md）。
2. 发现源是披露日历，不是公告扫描。 disclosure_date(end_date=period) 一次调用返回全市场预约披露日与实际披露日（actual_date）；actual_date 已到的就是已披露池。CNInfo 只做溯源（标题 + 原文 PDF 链接）。
3. 四个报表接口没有 VIP 批量版，只能按股取数，每接口 200 次/分钟。 首次全市场种子约 30 分钟（5500 家 × 4 次），之后按披露日增量，日更只取新披露的几十上百家（实测重跑 10 秒）。tushare_client.py 内置每接口令牌桶，不要绕过它并发。
4. income/balancesheet/cashflow 的 start_date/end_date 过滤的是公告日，fina_indicator 过滤的是报告期。 这是个安静的坑：传 end_date=period 会让本期报表（几周后才公告）在四个接口里消失三个，看起来像数据缺失而不是查询错误。脚本统一用「上年 1 月 1 日 ~ 披露截止日」的公告窗口。
5. 单季 = 累计 − 上一累计期，缺基数就是缺，不能拿累计冒充。 Q1 的累计本身就是单季；Q1 的上一单季要跨年到上年 Q4（年报累计 − 三季报累计）。资产负债表科目是时点值，Q1 的"环比"对的是上年末。
6. 全市场都要披露，但也不能全读。 5500 家全在样本里，脚本会出机械漏斗：决策包 stocks[] 只放候选（默认 rank_score 前 200），全样本进 qreport_universe_<period>.json 供查询与渲染。
7. 上游有滞后，fina_indicator 与现金流常比利润表晚一两天。 刚披露的股票在 --refetch-days 窗口内始终重取；追溯调整/更正报告靠同一机制补齐。
8. 公告日不等于交易日。 按日历日处理，默认截止北京时间运行日+1；自动化显式传 --end-ann 并用 --require-ann-cutoff 做同日门禁。

领域方法论（纲要，判断细则见 references/methodology.md）

正式财报比预告多的不是"更准的同比"，而是能验证利润是不是真的。五条主线：

1. 三口径 × 四条线，重仓看单季边际。 营收 / 归母 / 扣非 / 经营现金流各有累计同比、单季同比、环比。单季同比 > 当年累计同比 = 加速；扣非增速 > 归母增速 = 核心经营比表观更强；营收单季与利润单季同向加速 = 量价共振。只报一个累计同比等于没读财报。
2. 利润质量三件套（季报独有，预告给不了）。 ①扣非占归母：profit_dedt / n_income_attr_p，贴近 100% 说明利润几乎全是主业；差额大就要问非经常损益是什么（用 report_pdf.py --sections nonrecurring 看构成）。②经营现金流覆盖：OCF / 归母，长期低于 50% 或为负而利润高增，是纸面利润的经典信号。③应收/存货 vs 营收：receivable_vs_revenue_gap_pp 明显为正 = 收入确认了但钱没回来。三项一致向好才叫"扎实"，任一项背离就要在报告里点破。
3. 盈利能力的边际比水平更重要。 单季毛利率的同比 pp 与环比 pp（脚本用累计差分自算，不用 fina_indicator 的累计率，因为累计率会把季度拐点抹平）、净利率、四项费用率的同比 pp、研发费用增速。毛利率抬升 + 费用率下降 = 经营杠杆在起作用；毛利率抬升但费用率同步上行 = 增长是买来的。
4. 资产负债表讲的是下几个季度。 合同负债（缺失回落到预收款项）同比/环比 = 在手订单的领先指标；在建工程同比 = 扩产周期；存货要结合营收增速分辨"备货"还是"滞销"；商誉占净资产 = 减值风险；净现金 = 抗风险与再投资能力。这些是利润表读不出来的前瞻信息。
5. 兑现度是对预告的回测，也是对本 skill 分档的回测。 落在预告区间的哪一侧、离中值多远（in_range / range_position / vs_median_pct）。贴下限压线 + 营收没跟上 = 即便同比亮眼也该降档；超上限 + 现金流同步 = 强档的硬证据。

"业绩优秀"排序锚点（模型据此判断，不是脚本）：

• 强：单季营收与利润双高且单季≥累计（加速）；扣非贴近归母；OCF 覆盖净利；毛利率同比抬升；应收存货没有跑赢营收；有断层且未回补更好。
• 中：累计高但单季减速；或利润质量三件套有一项背离；或增长靠低基数/一次性；或营收没跟上利润。
• 观察/剔除：净利高增但 OCF 为负、应收暴涨；扣非远小于归母；营收下滑靠降本撑利润；亏损或单季转弱。

工作流程

1. 定报告期：解析用户说的季度/半年/年报；未指定就用当前最新季度末（脚本 --period 缺省即"今天之前最近的季度末"）。2026 半年报 → 20260630。
2. 跑证据脚本：交互运行 python3 scripts/report_scan.py --period 20260630；自动化先算 NEXT_ANN_DATE=<北京时间运行日+1> 再显式传 --end-ann。脚本按披露日历发现已披露公司，增量取四张表，按交易日抓全市场前复权日线算断层，最后出三口径、质量、边际、资产负债表信号、估值、行业聚合与机械漏斗。默认交互模式可扫描预告/快报作兑现度参照；禁止触碰业绩预告的正式报告单源自动化必须显式传 --formal-only：该模式不调用 Tushare forecast，SQL 不读取旧 kind=forecast 行，也不写 forecast fetch log，只保留业绩快报 express 参照。产出决策包 reports/qreport_scan_<period>.json 与全样本 reports/qreport_universe_<period>.json。
3. 模型读证据做初筛：读决策包（不要读全样本文件，它是给查询和渲染用的）。按方法论逐股判断是否优秀并排序——用 growth（四条线三口径）、quality（三件套）、margins（边际 pp）、balance_signals（前瞻）、fulfillment（兑现度）、screen.hits（机械命中，不是结论）。先圈出「强 / 中 / 观察」候选池。
4. 需要原文才开 PDF：数字之外的问题——增长来自哪个产品线？管理层怎么解释毛利率变化？非经常损益是处置还是补助？——用 python3 scripts/report_pdf.py --period 20260630 --code 300750.SZ --sections segment,mdna,nonrecurring。不要凭数字编故事：没读原文就说不出"因为某产品放量"。何时该开、开哪一节、季报和年报的差别见 references/pdf_on_demand.md。
5. 判分 + 质量成色 + 兑现度 + 主线匹配 + 行业趋势落台账：跑 python3 scripts/verdict.py context --period 20260630 拿到待判集合（新披露 + 追溯调整/增速漂移的待复判）、主线注册表（daily-market-sense 的 theme_registry，只读）与待判主线的强/弱/无断层成员简报。模型逐只判 tier（强/中/观察/剔除）+ quality_call（扎实/尚可/存疑/虚高）+ fulfillment（超预告上限/落区间上沿/符合/落区间下沿/低于预告/无预告）+ theme_id，逐主线判 theme_trends[]。写 reports/qreport_verdict_<period>.json，再 python3 scripts/verdict.py record --period 20260630 --input reports/qreport_verdict_<period>.json 落 qreport_verdict / qreport_theme_trend。台账增量累积，每天只判 context 列出的增量。细则见 references/verdict_and_html.md。
6. 生成报告期 HTML：python3 scripts/render_period_html.py --period 20260630；发布链路必须加 --require-ann-cutoff "$NEXT_ANN_DATE"。一期一页、每次从累积缓存整页重渲染：过滤条 → 左列表 + 右详情（详情以利润质量三件套开头，然后兑现度、资产负债表前瞻、K 线与断层）。HTML 默认剔除 theme_id=null 的无归属主线个股；仅在调试或人工复核时加 --include-unassigned 恢复全部候选。默认按披露时间排序。K 线走同级 qreport_<period>.klines/ 分片，发布时必须连同该目录一起复制。
7. （可选）写 Markdown 报告：需要叙事版时按 references/output_template.md 输出。
8. 诚实标注缺口：*_note 里的 base_missing/base_nonpositive/cur_missing、dedt_note=dedt_missing、金融类公司无 oper_cost 导致毛利率为空、pre_pos_bars 不足一年、上游尚未收录本期报表的家数、theme_registry 为空（需先跑 daily-market-sense）都要如实说明。

脑/手边界：脚本只做取数、确定性拆解、比率与 pp 计算、阈值命中、计数、渲染投影；"谁优秀、质量算不算扎实、兑现得好不好、归属哪条主线、行业往哪走"全是模型写进台账的判断。不在脚本里替模型下业绩好坏或行业方向结论，不给买卖建议。 主线台账只读（归 daily-market-sense 维护），本 skill 不写主线。

数据获取（脚本抓手）

环境变量：

TUSHARE_TOKEN=your_token          # 见 ~/.zshrc 的 export；脚本也会回退读 cwd/.env
ALPHA_DB_BACKEND=postgresql
ALPHA_PG_URL=postgresql://alpha_user:alpha_pass@/alpha_data?host=/tmp
# TUSHARE_CALLS_PER_MIN=180       # 每接口限速，默认 180（Tushare 上限 200）

PostgreSQL 是默认与推荐后端，累积台账以它为准。DB 不可用时脚本降级为「全量抓取、不落库」（meta.fetch_stats.cache=off），仍能出报告，只是每次都重抓——这是容错，不是常态。

依赖：pip install tushare pandas requests PyMuPDF PyPDF2 psycopg2-binary（见 requirements.txt；PDF 两件只在 report_pdf.py 用到）。CNInfo 走公开披露接口，用 requests 直连（不经 WebFetch，避免本机代理拦截）。

命令（在 skill 根目录执行）：

# 第一步：全市场证据扫描（首次种子约 30 分钟，之后日更 ~10 秒）
python3 scripts/report_scan.py --period 20260630
python3 scripts/report_scan.py                                   # 默认最新季度末
python3 scripts/report_scan.py --period 20260630 --min-rank 8     # 用分数线代替 --top 截断
python3 scripts/report_scan.py --period 20260630 --codes 300750.SZ,603986.SH   # 定向核验
# 自动化/发布：NEXT_ANN_DATE 按北京时间取运行日+1
python3 scripts/report_scan.py --period 20260630 --end-ann "$NEXT_ANN_DATE"
# 正式报告单源自动化：禁止读取/扫描/写入任何业绩预告数据
python3 scripts/report_scan.py --period 20260630 --end-ann "$NEXT_ANN_DATE" --formal-only

# 第二步（按需）：抽正式报告 PDF 的指定章节
python3 scripts/report_pdf.py --list-sections
python3 scripts/report_pdf.py --period 20260630 --code 300750.SZ --sections segment,mdna,nonrecurring
python3 scripts/report_pdf.py --period 20251231 --code 002594.SZ --find 海外收入,单车盈利

# 第三步：判分落台账（模型判，脚本只出上下文/校验落库）
python3 scripts/verdict.py context --period 20260630 --out reports/qreport_ctx_20260630.json
python3 scripts/verdict.py record  --period 20260630 --input reports/qreport_verdict_20260630.json

# 第四步：生成报告期 HTML（发布链路启用披露截止日硬门禁）
python3 scripts/render_period_html.py --period 20260630 --require-ann-cutoff "$NEXT_ANN_DATE"
# 人工复核才使用：包含无归属主线个股
python3 scripts/render_period_html.py --period 20260630 --include-unassigned

# 离线自检
python3 scripts/test_report_scan.py

report_scan.py 常用参数：

输出 JSON 结构（关键字段，完整字典见 references/methodology.md）：

• meta：报告期、quarters_elapsed、released_count / with_statements / statements_complete_count / statements_incomplete / income_missing_count / disclosure_progress_pct（披露进度，写报告必须交代）、ann_cutoff + ann_cutoff_stock_count + clock_timezone=Asia/Shanghai、shortlist_rule、thresholds、fetch_stats、data_notes。fetch_stats.endpoint_status_counts 统计各接口的 ok/current_period_not_returned/request_failed/response_parse_failed，statement_fetch_diagnostics 只列异常或本期未返回的股票与接口，用来区分上游入库滞后与调用失败。primary_source=tushare_statements、pdf_role=on_demand_only 固定记录源角色。
• industry_summary[]：按 stock_basic 行业的全样本确定性聚合，供数据查询使用；不进入模型判定或 HTML 页面。
• stocks[]：候选池，每股一条。
  • source：authority=tushare_statements + sources（哪几个接口已落地）+ missing_sources / missing_source_diagnostics（缺口及原因）+ CNInfo 标题/链接/是否更正后。
  • growth：revenue / np / dedt / ocf 四块，每块含累计与单季的值、同比、环比及各自的 *_note。
  • quality：dedt_ratio_pct、non_recurring_yi、ocf_to_np_pct、cash_sales_to_revenue_pct、capex_cum_yi、roe_cum_pct / roe_annualized_pct、周转率。
  • margins：毛利率/净利率的累计与单季值及同比、环比 pp；四项费用率与其同比 pp；研发费用与增速。
  • balance_signals：合同负债 / 应收 / 存货 / 在建工程 / 固定资产各自的金额、同比、环比；商誉占净资产；资产负债率；净现金；应收与存货相对营收的 gap_pp。
  • valuation：总市值 + mv_asof、年化与 TTM 的归母/扣非净利、四个 PE 及其 *_note、pe_ttm_market（daily_basic 市场口径，用于交叉核对）。
  • fulfillment：对预告的 in_range / range_position / vs_median_pct + 预告原文变动原因；对快报的差异。无预告则为 null。
  • price_reaction：gap_open_pct / gap_dir / gap_status（intact/filled/none/pending）/ r_day_pct / r_vol_ratio / pre_pos_pct + pre_pos_bars / since_ann_pct / trading_days_since_r。
  • screen：hits[]（机械阈值命中）+ 四类分数 + penalty + rank_score。只是漏斗，不是优秀度结论。

数据存储与增量

财报是逐日增量披露的，脚本把抓到的都落库、每天只补新增：

• 连接层：统一走 shared/data/db_core.py（开发态）/ 同步后的 scripts/_shared/db_core.py，不自建连接方案。表以 qreport_ 前缀建在共享库里（首次运行自动建表）。
• 落库的东西：qreport_disclosure（披露日历，发现层）、qreport_fin_cache（按 (股, 报告期) 存一份报表行项目 JSON + 已取到哪几个接口）、qreport_basic_cache、qreport_daily_cache（前复权日线）、qreport_cninfo_fetch_log / qreport_cninfo_announcement（公告溯源）、qreport_pdf_section（按需 PDF 章节）、qreport_forecast_ref / qreport_forecast_fetch_log（兑现度参照）、qreport_verdict / qreport_theme_trend（模型台账）。
• 增量逻辑：披露日历每次全量刷新（一次调用）；已取全四个接口且不在 --refetch-days 窗口内的股票直接走缓存；日线按交易日水位只补新增交易日；CNInfo 公告按公告日水位增量枚举。
• 性能：报表、日线、预告扫描都走有界线程池 + 每接口令牌桶；PostgreSQL 批量 upsert。首次全市场种子约 30 分钟，之后日更 ~10 秒。

输出规范

• 文风讲人话，减少机械与僵硬。 像跟懂行的人当面把这季财报讲清楚：先给整体判断，再用少量关键数字支撑，把"为什么优秀 / 利润是不是真的 / 有什么坑"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。
• 同项罗列优先用 list，每条说完整话。 多只个股、多条原因、多项 caveat 拆成 bullet，一条一项、每条完整通顺；结构化对照（个股 × 三口径数值）才用表格。
• 每只优秀个股必须同时交代增长与质量：三口径（营收/归母/扣非的单季同比与环比）+ 利润质量三件套（扣非占比、现金流覆盖、应收存货 vs 营收）+ 一句可持续性判断。只报同比不报质量，是这个 skill 最不该犯的错。
• 利润质量背离必须点破：净利高增而 OCF 为负、扣非远低于归母、应收或存货明显跑赢营收——任一出现都要写出来并降档，不能只说"业绩亮眼"。
• 引用 PE 必标口径：头条用扣非 TTM PE（滚动四季、已消化季节性），年化 PE 只作对照且必须注明"未调季节性"；扣非 ≤ 0 时退回归母并点破"利润主要为非经常性损益"；亏损股不给 PE。
• 兑现度要写清落在哪一侧：有预告的股票必须交代落区间上沿/下沿/超上限/低于预告以及离中值多远；贴下限压线要点破。
• 数字之外的话要有出处：说"某产品线放量""管理层指引"就必须来自 report_pdf.py 取到的原文并标章节页码；没取原文就只讲数字能支持的结论。
• 诚实 caveat 必写：低基数弹性、一次性损益、上游尚未收录本期、金融类无毛利率、pre_pos_bars 不足一年、断层新鲜度（trading_days_since_r 只有几天时"未回补"没经过检验）。
• 红线：不写买入/卖出/止损/目标价/仓位；可以写"业绩优秀度分档""质量成色""持续性待验证条件""需结合估值另判"。

示例

用户：2026 一季报出完了，帮我筛业绩优秀的票，要看利润有没有现金支撑。

执行：

python3 scripts/report_scan.py --period 20260331

然后读 reports/qreport_scan_20260331.json，按 references/methodology.md 的锚点逐股判断。例如兆易创新：营收单季 +119%、归母单季 +523%、扣非 +530%，单季毛利率同比 +19.6pp，扣非占归母 96.5%、经营现金流覆盖净利 122%、应收与存货都远慢于营收——量、价、现金三条线同时兑现，列入"强"、质量成色"扎实"；caveat 是扣非 TTM PE 已 120 倍、断层未回补但已过 57 个交易日，需结合估值另判。若要说清增长来自 DRAM 还是 MCU，再跑 report_pdf.py --code 603986.SH --sections segment 读分产品收入，不要凭数字推测。