简介面向金融分析、投资决策场景的AI财报分析提示词合集适合借助大模型快速解读上市公司财务报告的投资者、分析师与金融从业者使用。包内含单个PDF文件压缩包仅484KB便于直接下载、阅读与复制调用目前已有185人学习下载。内容提供整体分析、杜邦分析法等多套结构化提示词模板覆盖资产负债表、利润表、现金流量表三大报表的指标计算与解读逻辑涉及速动比率、资产负债率、存货周转率、净资产收益率、营收增长率等关键财务指标并给出8种现金流组合的判别口径与对应持有判断。每个提示词均明确了分析师角色、分步分析步骤与数据约束条件便于直接套用可系统完成企业安全性、管理层运营能力、盈利能力、成长能力及现金流质量的综合评估显著提升财报分析与投资决策效率。1. AI财报分析提示词为什么提问框架比模型选型更关键把一份上市公司年报PDF直接丢给Kimi、DeepSeek或者ChatGPT然后说“帮我分析一下这家公司”大多数时候你得到的是一堆正确的废话营收增长、净利润增长、毛利率稳定一段段套话拼成八股文。真正的财报分析不是这样做的。这套AI财报分析提示词解决的是更底层的问题——把华尔街分析师的判断流程拆成角色、指标公式、分析角度、工作流四个模块让AI先按步骤提取数据、再按公式计算指标、最后按预设角度输出结论。适合三类人自己看财报的散户投资者、需要给客户写投研报告的金融从业者、想用AI批量筛标的的量化爱好者。不需要编程基础但最好懂一点财务常识否则你无法判断AI给出的指标口径是否合理。2. 整体分析提示词拆解资产负债表、利润表与八种现金流组合2.1 三张表的分析指标先搞清楚AI要算什么第一套整体分析提示词的核心是把三张报表拆成三个独立分析阶段每个阶段先提取数据、再计算指标、最后输出判断。资产负债表阶段定义了五个指标速动比率、资产负债率、应收账款周转率、存货周转率外加一个需要人工判断的“存贷双高”现象。利润表阶段同样是五个指标净资产收益率、毛利率、净利润率、营收增长率、净利润增长率。现金流量表阶段则完全围绕经营、投资、筹资三类现金流的正负号展开。这套设计的聪明之处在于它没有让AI一次性输出所有指标而是按“安全性→管理层能力→盈利能力→成长能力→现金流类型”的顺序逐步推进。每个阶段结束时提示词都强制AI询问“是否继续下一步”这不仅是流程控制更是对AI上下文窗口的主动管理。我把这套提示词原样跑过几次发现它最适合的输入是财报PDF或年报原文而不是二手数据摘要。2.2 资产负债表的五个指标安全性与管理层能力资产负债表阶段的两个安全指标直接用公式判定。速动比率(流动资产-存货)/流动负债这个指标剔除了存货这种变现能力较差的资产用来衡量企业偿还短期债务的真实能力。资产负债率负债/资产反映企业总资产中有多大比例是通过借债形成的。提示词里有一条容易被忽略的约束判断资产负债率高不高不能只看数字必须与同行业比较同时还要看负债是短期贷款构成还是长期贷款构成长期贷款多就要盯着利息支出。管理层能力看两个周转指标。应收账款周转率营收/平均应收账款这个数越高说明回款越快存货周转率营业成本/存货平均余额衡量存货从入库到销售的速度。这两个指标是营运能力的直接体现AI在算的时候要注意“平均余额”这个口径很多AI会直接用期末数代替期初期末平均导致指标虚高。关于存贷双高提示词的处理方式是让AI先判断是否存在再分析存款用途——用于研发生产是良性趴在账上不动就是危险信号。2.3 利润表与现金流量表从盈利质量到八种现金流组合利润表阶段先看盈利能力的三个指标净资产收益率净利润/平均净资产这是股东最关心的回报率毛利率(营收-成本)/营收衡量产品本身的赚钱能力净利润率净利润/营收衡量扣除所有费用后真正落袋的比例。提示词里有个很接地气的判断逻辑如果毛利率高但净利率低说明产品好卖但公司还处于花钱换知名度的阶段品牌效应一旦形成净利率会快速释放。现金流量表阶段是整套提示词最有价值的部分。它把经营、投资、融资三类现金流的正负号组合成八种类型“-”老母鸡型值得持有“”古怪型谨慎持有“-”蛮牛型看情况“--”奶牛型值得持有“--”混吃等死型看情况“-”骗吃骗喝型不宜持有“--”赌徒型不宜持有“---”大出血型坚决不持有。这套口诀的价值在于把复杂的现金流结构压缩成可操作的判断规则。实操中我一般会让AI先把三张表的原始数据列出来确认各项现金流的正负号再套类型否则AI很容易在正负号判断上翻车。2.4 行业分析提示词跳出财务数字看公司第二套整体分析提示词补上了财务指标之外的行业视角。它要求AI按六个方向输出市场与行业概览、产品服务与竞争格局、法律政策与监管框架、面临的挑战与机遇、案例分析、未来趋势预测。这套提示词的亮点是明确要求联网搜索并提供来源链接输出控制在3000汉字以内内容优先从权威信息源获取。这套提示词和第一套是互补关系。第一套解决“这家公司财务上怎么样”第二套解决“这个行业还值不值得待”。我的用法是先跑第一套拿到财务结论再跑第二套验证行业逻辑两套叠加基本就能覆盖一次完整的个股初筛。需要注意第二套提示词里写了“拥有麦肯锡等知名咨询公司工作经验”这个背景设定在实际使用中会增加AI输出的结构化程度但也会让内容偏框架化适合做行业扫描不适合做深度尽调。3. 杜邦分析法提示词把ROE拆成盈利、效率、杠杆三根支柱3.1 杜邦模型的数据需求利润表加资产负债表就够了第三套提示词围绕杜邦分析法构建核心是把净资产收益率拆成三个乘积因子营业净利率、总资产周转率、权益乘数。ROE净利润/所有者权益同时等于营业净利率×总资产周转率×权益乘数也就是净利润/营业收入×营业收入/总资产×总资产/所有者权益。这套拆解回答了投资者最关心的问题公司的高ROE到底是靠卖东西赚钱、靠资产运转快、还是靠加杠杆堆出来的。数据提取的需求被明确分配到两张报表上。利润表提供营业收入、净利润、营业利润、EBITDA数据资产负债表提供总资产、所有者权益、流动资产、流动负债、长期债务数据。工作流要求先让用户发送财报文档AI总结业务概况后再从资产负债表和利润表提取四个公式所需数据按营业净利率、总资产周转率、权益乘数、总体分析的顺序逐步输出。每步之间同样设置“是否继续下一步”的确认节点。即使是同一个模型也能拆出完全不同的结论——这是杜邦分析提示词最有价值的地方。比如两家ROE都是15%的公司A公司可能靠高净利率B公司可能靠高周转。如果不拆开看很难判断谁的增长更可持续。3.2 三个因子的分析角度提示词里的提问清单营业净利率的分析角度被拆成五个维度收入构成分析主营业务收入占比、成本和费用控制直接成本与间接成本结构、价格策略和销售效率定价对收入的影响、产品和服务的市场需求需求量与竞争优势、宏观经济和行业趋势。每个维度都给了具体提问方向比如“分析公司的定价策略及其对销售收入和净利润的影响”这相当于给AI预设了一批高质量追问。总资产周转率的分析角度也是五个方向资产结构和组合、销售策略和市场定位、操作效率、财务管理、行业比较和历史趋势。这里面特别强调库存管理策略的检查——“是否存在过度库存或库存短缺”以及资产配置是否优化——“是否存在过多的闲置资产”。权益乘数分析角度则包括资本结构分析、债务偿还能力、财务灵活性、投资回报率、行业比较、宏观经济环境六个方向。这三个因子分析完成后提示词要求进入综合分析把经营战略和财务政策放在一起看评估市场定位、盈利模式、风险管理、增长与投资、持续改进五个方面。整个流程从数据到指标再到定性判断一环扣一环。我实际跑下来这套提示词对AI输出质量的提升最明显因为它把“为什么高”这个问题拆成了可验证的三个子问题AI不容易跑偏到空泛的公司介绍。3.3 杜邦提示词的工作流设计与输出控制杜邦提示词的工作流共七步发送财报文档→总结业务概况→提取数据并计算四个公式→营业净利率分析→总资产周转率分析→权益乘数分析→总体分析。每步都要求AI先输出分析内容和理由再询问是否继续下一步。令牌限制的处理方式在提示词里写得非常明确AI即将达到令牌限制时请用户按“继续”AI会继续完成剩余步骤。提示词中的分析角度我已经整理成可直接套用的模板## 角色 你是一位就职于华尔街的资深财务分析师拥有20年的行业经验擅长财务审计、估值和投资分析。 ## 业务概况 1. 公司提供了什么产品、服务——明确所处行业与主要业务 2. 这家公司为谁提供产品、服务——明确用户群体与市场大小 3. 这家公司用什么方式赚钱——明确销售渠道与盈利模式 ## 杜邦分析法 ### 所需指标 - 营业收入从利润表中获得 - 净利润从利润表中获得 - 总资产从资产负债表中获得 - 所有者权益从资产负债表中获得 ### 计算公式 - 营业净利率 净利润 / 营业收入 - 总资产周转率 营业收入 / 总资产 - 权益乘数 总资产 / 所有者权益 - 净资产收益率 净利润 / 所有者权益这套模板的价值在于把“分析”从开放题变成了填空题——AI只需要按格式提取数据、套公式、按预设角度展开输出质量下限大幅提高。我自己使用时会在此基础上补充一句“每个因子需要给出三年趋势”让分析结果更立体。4. DCF估值提示词设计自由现金流、折现率与终值的三段式计算4.1 三张报表各自要提取什么数据第五套提示词是整套资源中计算量最大的部分围绕折现现金流法DCF展开。DCF估值的难点不在于公式复杂而在于数据来源分散自由现金流要从利润表、资产负债表、现金流量表三处拼装折现率要通过CAPM模型计算终值要用Gordon增长模型估算。这套提示词的价值正是把这三段计算所需的数据按报表类型拆好让AI按顺序提取。利润表需要提取三类数据计算自由现金流所需营业收入/销售额、营业利润/EBITDA、净利润、折旧与摊销辅助计算折现率所需收入和利润波动性、行业位置辅助计算终值所需净利润、盈利增长趋势。资产负债表同样三类计算自由现金流所需总资产、总负债、流动资产、流动负债、长期债务辅助计算折现率所需总资产、总负债、股东权益辅助计算终值所需股东权益、财务杠杆。现金流量表则提取经营活动现金流量、投资活动现金流量含资本支出、筹资活动现金流量。4.2 自由现金流计算与未来五年预测的提示写法自由现金流的计算口径直接决定估值结果的合理性。这套提示词的工作流要求先提取近2年的自由现金流再以此为基础预测未来5年的自由现金流并且必须附上计算过程。这个“附上计算过程”的约束很关键它逼着AI把每一步加减都列出来方便人工校验。如果AI直接给出一个最终数字基本无法判断它是否把折旧加回、是否扣除了资本支出。预测未来现金流时提示词没有给出具体的增长率假设而是让AI根据历史数据推断。这意味着AI的预测质量高度依赖历史数据的完整性。交付时有两个选择一是给AI十年历史数据让它自己找趋势二是用户在提示词里手动指定第一年增长率、后续递减的假设。我一般会手动指定增长率并把假设写进提示词比如“假设未来五年营收增长率分别为15%、12%、10%、8%、6%”这样结果更可控。4.3 CAPM折现率与Gordon终值的联网约束折现率部分使用资本资产定价模型也就是CAPM公式折现率无风险利率β×市场风险溢价。无风险利率通常取十年期国债收益率β系数可以联网查询市场风险溢价在中国市场一般取5%-6%。这套提示词明确授予AI联网权限并要求提供链接这解决了一个关键痛点——如果让AI凭记忆给β值它很可能会编一个接近1的数字导致整个估值模型失真。终值部分使用Gordon增长公式终值终值期自由现金流×1永续增长率/折现率-永续增长率。永续增长率一般取2%-3%不能高于GDP增速这是DCF模型的基本纪律。整套计算完成后把预测期内的历年自由现金流分别折现加上终值折现得到企业总价值再减去净债务得到股权价值。为了校验AI的计算结果我会自己用Python快速跑一遍同样逻辑避免被AI的数字带偏# DCF估值快速校验脚本 cash_flows [100, 115, 130, 145, 160] # 未来5年自由现金流 discount_rate 0.10 # 折现率10% growth_rate 0.03 # 永续增长率3% pv sum(cf / (1 discount_rate) ** (i 1) for i, cf in enumerate(cash_flows)) terminal_value cash_flows[-1] * (1 growth_rate) / (discount_rate - growth_rate) pv_terminal terminal_value / (1 discount_rate) ** len(cash_flows) total_value pv pv_terminal print(f预测期现值: {pv:.2f}) print(f终值现值: {pv_terminal:.2f}) print(f企业总价值: {total_value:.2f})这段脚本的逻辑是先把未来五年自由现金流按折现率逐年贴现再用Gordon公式计算终值并贴现回今天两者相加得到企业总价值。折现率每变动1个百分点总价值的变化幅度可能超过10%这就是DCF估值对参数敏感度的真实体现——表面看是精确计算实际上参数稍有偏差结果就完全不同。5. 财报提示词避坑指南数据缺失、口径错乱与“继续”按钮的四个坑5.1 数据缺失时AI会编数字必须强制它说明现象AI在财报里找不到某项数据比如“平均应收账款”没有直接给出它就会自己按某种规则估算甚至直接编一个合理的数字塞进公式且不告知用户。原因提示词里写了“如果遇到数据不完整或者异常的情况时自行处理”这个授权范围太宽AI默认选择“自己补全”而不是“向用户确认”。如果补全逻辑和真实财报口径不一致后续所有指标都会失真。解决在提取数据约束里增加一句“如果某项数据无法直接从财报中获得必须明确说明该数据来源和估算方法不得静默补全”同时要求AI在输出指标时列出“数据来源计算过程”让每个数字都可追溯。这是整套提示词里最值得修改的一处。5.2 平均余额口径错乱周转率指标虚高现象应收账款周转率算出来异常高比如超过20次明显不符合行业常识。原因周转率公式中的“平均应收账款”应该是期初加期末除以二。AI经常直接拿期末应收账款当分母或者拿全年累计值当期末值导致指标被放大。实际测试中我发现AI在数据充足的情况下也倾向于用期末数因为它懒得找期初数。解决在提示词中显式声明“平均应收账款、存货平均余额的计算方式为期初余额期末余额/2如果财报中只有期末数必须在分析中注明并使用期末数作为替代”。这条规则只加一句话就能把周转率类指标的整体误差降一个量级。5.3 现金流量表正负号搞反八种组合全错位现象AI把“经营活动现金流量净额为负”的公司判定成“老母鸡型”或者把三类现金流的正负号排列组合错乱导致风险判断完全颠倒。原因正负号的判断依赖AI对财务术语的理解深度。现金流量表里的“净额”本身就包含正负含义负号有时候会被AI忽略尤其是当报表以红色字体或括号表示负数时AI对颜色的敏感度完全是玄学时好时坏。解决在提示词中要求AI先用文字描述每类现金流的方向——“经营活动产生现金净流入/净流出”再映射到八种组合类型而不是直接输入正负号。让AI多做一步语义判断错误率会明显下降。另外八种组合里“--”奶牛型和“--”混吃等死型的判断结果可能完全取决于一个负号的位置必须重点复核。5.4 “继续”按钮变成死循环分析永远走不完现象AI每完成一步就询问“是否继续下一步”用户回复“继续”后AI重新输出一遍当前步骤的摘要而不是真正进入下一步导致一次完整分析需要十几次交互才能完成。原因提示词里“执行完毕后询问我是否继续下一步”这句话在长上下文中会被AI误解。当上下文窗口接近上限时AI会倾向于重复之前的输出而不是推进流程。解决在提示词末尾增加“当用户回复继续时直接执行下一步不要重复当前步骤的内容”并且每步开始前用“第X步/共Y步”标注进度。这不仅提升交互效率还能让AI在接近令牌限制时更明确地知道该做什么。很多翻车现场问题不在逻辑而在流程控制。5.5 行业比较停留在口头没有落到具体公司现象AI在分析资产负债率时说“与同行业相比处于中等水平”但不告诉你是和哪家公司比的、用的是哪一年的数据。这种分析对决策毫无帮助。原因提示词要求“与同行比较”但没有限定比较对象的名单和比较口径。AI为了省事通常会生成一个泛化的行业均值而这个均值它自己也无法验证。解决在提示词里指定比较标的具体名单例如“美的、格力、海尔三家公司2024年资产负债率分别为X、Y、Z请与目标公司进行比较”。比较对象越具体AI的输出越可验证。这算是用提示词工程对抗AI幻觉的一个典型手法。6. 进阶用法用两步校验法让财报分析提示词的结论更可信提示词配好了不等于结论可以直接用。AI跑出来的财务指标至少要做两道校验。第一步是数据校验随便抽两个指标用财报原文手工重算一遍确认AI提取的数字和计算过程与原始数据一致。第二步是逻辑校验把AI给出的结论反向代入公式看是否自洽。比如AI说ROE是18%拆解后营业净利率8%、总资产周转率1.5次、权益乘数1.5倍三者相乘等于18%逻辑闭环这个结论才真正可靠。我一般会先抽“平均应收账款”和“资本支出”这两个最常出错的字段核对因为它们的口径直接影响周转率和自由现金流。另一个值得养成的习惯是多模型交叉验证。同一套提示词先在Kimi跑一遍再用DeepSeek跑一遍两者结论若一致置信度会高得多。如果两个模型在同一指标上出现明显分歧那大概率不是模型问题而是提示词里的某个口径没写清楚。这时候回头修改提示词比盲目相信任何一个模型都有效。把那套提示词原样丢给不同AI你会发现输出质量参差不齐不是提示词不好而是不同模型对中文财务术语的理解差异本来就很大。从那以后我每次把财报提示词套用到新标的上都会强制走一遍“数据抽检逻辑验证”这个流程。尤其是DCF测算和八种现金流组合判断这两类输出没有校验过的数字一律不进入投资笔记。这套提示词只是把AI变成了一个效率极高的初级分析师最后的把关责任始终在你自己手上。希望帮到你。本文还有配套的精品资源点击获取