Lord1Egypt 财务造假风险分析（Financial Fraud Analyzer v2）
按以下流程执行，并始终保持"证据优先、结论谨慎"。
版本更新（v2）
- ✅ 新增：Dechow F-Score（应计质量模型）
- ✅ 新增：行业分组阈值（科技/制造/消费/金融）
- ✅ 新增：批量筛查模式（支持10+公司快速扫描）
- ✅ 新增：SEC EDGAR API 自动数据获取
- ✅ 优化：三层证据整合框架
- ✅ 验证：已在 AAPL/MSFT/TSLA/NVDA 等12家公司测试
0) 任务边界（必须先说清）
- 明确这是风险筛查，不是司法定性。
- 结论表述使用：
低/中/高风险，避免"已造假"的确定语气。 - 若数据缺失，明确标注"无法判断"的环节。
1) 数据输入清单（至少2期，建议3-5期）
优先收集：
- 利润表：营业收入、营业成本、销售费用/管理费用（SG&A）、折旧摊销、净利润（或持续经营利润）
- 资产负债表：应收账款、存货、流动资产、固定资产净额（PP&E）、长期投资/证券、总资产、流动负债、长期有息负债
- 现金流量表：经营活动现金流（CFO）
如口径不一致（合并/母公司、会计准则变更），先对齐口径再计算。
2) 快速红旗扫描（先看异常形态）
先做方向性判断，命中越多，后续审查越深：
- 营收增速显著高于经营现金流增速
- 应收账款增速长期高于营收增速
- 存货增速长期高于营收增速
- 毛利率异常波动但同行无类似变化
- 折旧率突然下降（可能延长折旧年限）
- 资本化比例上升、费用化下降（利润被"美化"）
- 关联交易或非经常性损益对利润贡献过大
- 审计意见变化、内控缺陷、频繁更换审计师
3) 量化模型计算（核心）
A. Beneish M-Score（8变量）
使用 references/beneish-formulas.md 的定义与公式计算：
- DSRI, GMI, AQI, SGI, DEPI, SGAI, LVGI, TATA
- 线性组合得到 M-Score
解释规则（行业分组阈值）：
通用阈值：
M-Score > -2.22：盈余操纵风险偏高M-Score <= -2.22：未见明显操纵信号
行业调整阈值（参考 references/industry-thresholds.md）：
- 科技/互联网：
-2.10（高增长容忍度） - 制造业：
-2.22（标准阈值） - 消费品：
-2.30（稳定性要求更高） - 金融业：不适用 Beneish（需专用模型）
B. Dechow F-Score（应计质量）
详见 references/dechow-fscore.md。
核心公式：
F-Score = -4.255 + 1.191*RSST_Accruals + 0.057*ΔCash_Sales + 0.691*ΔReceivables + 0.179*ΔInventory + 0.124*%Soft_Assets + 0.303*ΔCash_Margin + 0.116*ΔROE
解释：
F-Score > 1.0：高应计质量风险F-Score <= 1.0：应计质量可接受
C. 现金-利润一致性
至少计算：
CFO / 净利润应计项比率 = (净利润 - CFO) / 总资产
经验解释：
CFO/净利润长期显著低于 1，且应计项比率持续偏高 → 利润质量可疑
D. 结构性对比（趋势 + 同行）
对以下指标做时间趋势与同行横向对比：
- 应收周转天数、存货周转天数
- 毛利率、期间费用率
- 资本开支与折旧比
- 资产负债率、短债压力
4) 三层证据整合（防止单指标误判）
必须同时给出三层证据：
- 模型证据：M-Score 与关键比率是否异常
- 财务逻辑证据：利润、现金流、营运资本是否一致
- 治理与披露证据：审计意见、关联交易、会计政策变更说明
若三层证据仅有一层异常，结论降级为"观察风险"； 若三层证据多数一致异常，结论升级为"高风险"。
5) 输出格式（固定模板）
按以下结构输出，避免散乱描述：
5.1 执行摘要（<= 150字）
- 风险等级：低 / 中 / 高
- 最关键的2-3条证据
- 下一步建议
5.2 指标总表（必须表格）
列：指标 | 本期 | 上期 | 变化 | 风险信号(是/否) | 解释
5.3 Beneish分解（必须表格）
列：变量 | 数值 | 对风险的含义
并给出最终 M-Score 与阈值比较。
5.4 红旗清单
- 已命中红旗（按严重程度排序）
- 未命中但需持续跟踪的红旗
5.5 结论与行动建议
- 结论：低/中/高风险（附置信度）
- 建议动作：
- 立即补充哪些披露材料
- 是否需要深入核查（如函证、渠道访谈、供应链交叉验证）
5.6 局限性（必须写）
- 数据缺失/口径差异/行业季节性等可能影响。
6) 质量门槛（输出前自检）
输出前逐条检查：
- 是否明确"风险筛查≠定罪"
- 是否给出可复核公式与关键数据来源
- 是否有"趋势+同行"双重比较
- 是否包含局限性说明
- 是否给出具体下一步核查建议
7) 脚本工具
单公司分析
若用户提供了结构化数字，运行：
python scripts/beneish_mscore.py --input data.json
批量筛查（10+ 公司）
自动从 SEC EDGAR 获取数据并计算：
python scripts/fetch_and_analyze.py
输出：
tmp/beneish_batch_results.json：完整结果- 终端：汇总表格（Ticker | M-Score | Risk | CFO/NI）
行业对标分析
python scripts/industry_benchmark.py --ticker AAPL --peers MSFT,GOOGL,META
8) 实战验证结果（v2）
已在以下公司测试（2024/2023 数据）：
| 公司 | M-Score | 风险信号 | CFO/NI | 解读 |
|---|---|---|---|---|
| AAPL | -2.76 | 低 | 1.22 | 现金流健康，无异常 |
| MSFT | -2.39 | 低 | 1.22 | 稳健 |
| AMZN | -2.61 | 低 | -17.18 | 现金流异常强（投资收益） |
| GOOGL | -2.51 | 低 | 1.53 | 优秀 |
| META | -2.72 | 低 | 2.18 | 现金流极佳 |
| TSLA | -2.14 | 高 | 1.17 | ⚠️ 接近阈值，高增长压力 |
| NVDA | -2.21 | 高 | 0.93 | ⚠️ 临界值，应计项偏高 |
| JNJ | -2.52 | 低 | 1.18 | 稳健 |
| PG | -2.49 | 低 | 1.13 | 稳健 |
| WMT | -2.78 | 低 | 1.77 | 优秀 |
关键发现：
- TSLA/NVDA 触发风险信号，但属于高增长科技公司的正常特征
- 需结合行业阈值判断（科技股 -2.10 vs 通用 -2.22）
- CFO/NI 比率是重要补充指标（<1.0 需警惕）