财务分析系统产品系统

一 业务背景
- 数据环境成熟 ：数据高度结构化、口径统一，是天然适合自动化分析的数据源；
- 决策需求真实 ：投资、授信、经营三类决策都依赖财务指标，但需求频率高（每季更新）、计算重复度高；
- 技术条件具备 ：Python 数据栈（pandas + numpy + matplotlib）已完全覆盖"结构化数据 + 公式规则 + 可视化"的需求，实现成本低；
- 样本理想 ：各大行业，商业模式差异大（高毛利科技 vs 高杠杆金融 vs 重资产汽车），能充分检验指标体系与行业对标方法的区分度。

二 立项原因（痛点驱动）
1 指标计算繁琐易错 42 项指标手工/Excel 计算，口径不统一、难规模化 指标计算引擎一次定义、批量计算、口径锁定 2 缺分析框架 单点指标无法回答"ROE 由什么驱动""会不会违约" 杜邦归因 + Z-Score + 增长质量 + 投资建议，形成闭环 3 报告产出低效 数据→图表→文档链路断裂，数据一变报告作废 报告由数据动态生成，重跑脚本即得新报告 4 结果不可复现 手工过程留痕困难，他人无法验证 脚本化流水线 + 固定随机种子，一键复现 5 难以迁移扩展 分析能力沉淀在个人 Excel 里，换公司/换行业即失效 方法论沉淀为代码资产，未来可接 SEC EDGAR 等真实数据源

痛点 （手工低效、框架缺失、不可复现）→ 机会 （数据结构化 + 工具链成熟）→ 方案 （两段式自动化流水线：指标计算引擎 + 可视化报告生成）→ 价值 （快：重跑即新报告；准：口径统一零手工；稳：固定种子可复现；广：方法论可迁移到任何标准化三表数据）。
一句话： 用工程化手段把"个人经验"变成"可复用资产" 。

按“输入 → 处理 → 输出”分层，共 6 项功能：

功能 说明
1 多项指标计算引擎 输入三大报表 CSV，输出覆盖 9 大类的指标主表：盈利 7 项、偿债 6 项、营运 5 项、现金流质量 3 项、杜邦 4 项、Z-Score 6 项、同比增长 3 项 + 2 个评级模型
2 增长质量评级 收入 CAGR × 净利率变化 → 高质量 / 中质量 / 低速 / 负增长 4 档，区分“越增长越赚钱”与“增收不增利”
3 四级投资建议引擎 ROE、Z 值、负债权益比、OCF/NI 四维度规则树 → Buy / Watch / Caution / Value Trap
4 衍生数据产品 行业基准表（分行业中位数）、2024 快照、中英文双列名指标表
5 10 张专业图表 趋势、利润率结构、ROE/ROA、杜邦分解、偿债预警、CCC、Z-Score 轨迹、增长热力图、现金流四象限、行业雷达
6 自动化分析报告 8 章节中文报告，MD + HTML 双格式，结论全部由数据动态生成，零硬编码

模块一：02_ratio_calculation.py（约 185 行）
- 三表合并 ：`pd.merge` 按`Ticker + Company + Year` 内连接成 60 行宽表；
- 指标计算 ：全部 pandas 向量化——比率类直接列运算；周转类按`DSO = 应收/收入×365` 等公式；同比增长用`groupby('Ticker').shift(1)` 对齐上一年；
- 杜邦分解 ：净利率 × 资产周转率 × 权益乘数，并保留一列与直接法 ROE 验算（误差≈0）；
- Z-Score ：`1.2·X1 + 1.4·X2 + 3.3·X3 + 0.6·X4 + 1.0·X5` ，按 2.99 / 1.81 双阈值打三级评级；
- 评级模型 ：`np.select` 实现规则树，避免逐行循环；
- 四路输出 ：英文主表（代码用）、中文列名表（阅读用，靠 rename 映射生成）、行业基准（`groupby('行业').median()` ）、2024 快照（布尔过滤）。
模块二：03_visualization.py（约 560 行）
- 图表层 ：`rcParams` 全局配置中文字体（Noto Sans CJK SC / SimHei，`axes.unicode_minus=False` 修复负号）；双子图趋势、`imshow` 热力图（RdYlGn 映射增速）、极坐标雷达、四象限散点加均值参考线、`axhline` 阈值警戒线，统一 150 DPI 输出 PNG；
- 报告引擎 ：所有结论实时取数——ROE 前三名用`nlargest(3)` ，偿债状态逐公司按阈值打标，评级分布用`value_counts` ；数据一变，重跑即得新报告；
- 双格式输出 ：Markdown 直接拼接；HTML 用内嵌 CSS 模板渲染，图表走相对路径