财报是看懂一家公司的钥匙，但三张表上百个科目，关键数字藏在脚注里；估值靠拍脑袋，DCF 算出来的「目标价」经不起推敲；风险拆解流于「行业竞争加剧」套话。把财报原文丢给大模型直接说「帮我分析这家公司」「估个值」，它要么编一组漂亮但子虚乌有的市场数据，要么照搬管理层口径当结论。这套 Prompt 包按三级递进：入门级让 AI 从财报三表里提取关键科目并标注异常，进阶级让它用 DCF 和倍数法搭估值框架、拉同业对标，专家级做经营/财务/行业/治理四维风险拆解并给出多空逻辑与敏感性。每条都贴上原文、声明数据须人工核验、末尾标注非投资建议——这三条是把 AI 从「编数据当分析师」拉回「辅助工具」的关键。适合投资者、分析师、财务从业者——任何要读财报、又不想被 AI 编造的数据带偏的人。
推荐模型：财报动辄上百页，长文档解析和数值推理建议用 Claude（长上下文，表格和脚注处理稳）或 DeepSeek（推理链长，适合估值计算和逻辑推演）。
一、入门级：财报三表速读
场景：拿到一份财报（年报或季报原文），想快速抓出三张表的关键科目、发现异常点。重点不是让 AI「写分析报告」，而是让它按表逐项提取数字、标注反常之处——营收骤增但现金流为负、应收账款增速远超营收、存货周转变慢。
你是资深财务分析师。请基于我提供的财报原文，按以下结构输出三表速读：
1. 利润表关键科目（最近一期 + 同比）：
- 营业收入、营业成本、毛利 / 毛利率
- 销售费用、管理费用、研发费用
- 营业利润、净利润
2. 资产负债表关键科目：
- 货币资金、应收账款、存货
- 总资产、总负债、资产负债率
- 净资产（股东权益）
3. 现金流量表关键科目：
- 经营活动现金流净额
- 投资活动现金流净额
- 筹资活动现金流净额
- 自由现金流（经营现金流 - 资本开支）
4. 异常标注：列出 3-5 个需要关注的异常点，每条标注类型：
- 收入与现金流背离（利润涨但经营现金流为负）
- 应收 / 存货异常增长（增速显著超营收）
- 利润率骤变（毛利率 / 净利率大幅波动）
- 负债结构突变（短期借款激增）
- 非经常性损益占比过高（扣非净利与净利差额大）
约束：
1. 只提取我提供的财报中真实存在的数字，不得编造或补全未给出的数据
2. 缺失数据标「原文未披露」，不要臆测
3. 所有数据须人工核验权威源（交易所公告 / 审计报告），AI 可能抄错或漏行
4. 避免使用空洞评价词，每个结论须有具体数字或事实支撑
5. 末尾声明：「以上为 AI 辅助分析，非投资建议，须专业人士复核」
财报文本/数据：{{粘贴财报原文或关键段落}}为什么这几条约束：财务数据是事实型信息，AI 最容易犯的错是「编一个合理但不存在的数字」——比如你只贴了利润表，它顺带把现金流也填上。强制「只提取原文存在的数字」和「缺失标未披露」能堵住这个口子。异常标注用类型标签，是把 AI 从「泛泛说有风险」拉到「具体哪个科目反常」——比如营收涨 30% 但经营现金流为负，AI 应标成「收入与现金流背离」并指向具体数字。自由现金流单独列，因为它比净利润更能反映公司真实造血能力。
二、进阶级：公司估值与同业对比
场景：读完三表想进一步估个值、拉同业对标。重点不是让 AI 给你一个「目标价」，而是让它搭出 DCF 和倍数法的框架、列出所有假设、拉可比公司——真正的估值判断留给你自己。
你是资深估值分析师。请基于我提供的公司财报与行业信息，搭建估值框架：
1. 倍数法（相对估值）：
- 选取 3-5 家同业可比公司，列出 P/E、P/B、EV/EBITDA、P/S 倍数
- 计算目标公司当前对应倍数，与同业中位数 / 均值对比
- 标注倍数偏高 / 偏低，给出可能原因（增速差异、风险溢价、周期位置）
2. DCF（绝对估值）：
- 列出自由现金流预测的 5 个关键假设：营收增速、毛利率、资本开支占比、税率、WACC
- 每个假设给出「乐观 / 中性 / 悲观」三档，说明取值依据
- 输出三档对应的估值区间，不要给单一「目标价」
3. 假设清单：用表格列出所有假设项、取值、依据来源（行业报告 / 历史数据 / 管理层指引）
4. 交叉验证：倍数法与 DCF 结果是否一致，差异在哪、可能原因
约束：
1. 同业倍数须标注数据时点，提示「须人工核验最新行情数据，AI 可能给出过时或编造的倍数」
2. 不得编造股票价格、市值、最新财务数据；未提供的标「需补充」
3. 所有假设须可追溯，AI 不得自行填入未说明来源的数字
4. 明确区分「AI 计算的估值区间」与「投资决策」——估值是工具不是结论
5. 避免使用空洞评价词，每个结论须有具体数字或事实支撑
6. 末尾声明：「以上为 AI 辅助分析，非投资建议，须专业人士复核」
公司财报+行业：{{粘贴公司财报关键数据 + 行业概况}}为什么这么搭：估值的最大陷阱是「黑箱出一个目标价」——AI 给你一个数字你却不知道假设从哪来。要求列出每个假设的乐观/中性/悲观三档并标注依据，是把黑箱拆开：你会发现估值结果 80% 取决于你对增速和 WACC 的假设，改一个点结论就翻面。同业对标用中位数而非均值，因为均值容易被极端值拉偏。交叉验证这一步很关键：如果倍数法说便宜、DCF 说贵，说明你对未来增速的假设可能和当下市场定价不一致，这恰恰是需要想清楚的地方。
三、专家级：风险拆解与投资逻辑
场景：已经读懂三表、搭了估值，想做完整的风险评估和投资逻辑推演。一条 Prompt 串起四维风险拆解 + 多空逻辑 + 敏感性分析，比直接说「帮我分析这家公司值不值得投」强在让 AI 按维度逐项排查、给出可证伪的逻辑而非模糊结论。
你是资深买方分析师。请基于我提供的公司、财报与行业信息，按以下结构输出：
1. 四维风险拆解：
- 经营风险：主营业务护城河、客户 / 供应商集中度、产能利用率、产品生命周期
- 财务风险：杠杆水平、短期偿债能力（流动比率 / 速动比率）、现金流稳定性、商誉减值风险
- 行业风险：竞争格局变化、监管政策、技术替代、周期位置
- 治理风险：股权结构、关联交易、管理层诚信与激励、信息披露质量
2. 多空逻辑：
- 看多逻辑（3 条）：每条给出支撑证据和可证伪的检验条件
- 看空逻辑（3 条）：每条给出支撑证据和可证伪的检验条件
3. 敏感性分析：
- 列出 3 个对估值 / 结论影响最大的变量
- 每个变量给 ±10% / ±20% 变动情景下对关键指标的影响
4. 投资逻辑小结：
- 用一段话总结：核心矛盾是什么、什么情况下看多逻辑成立、什么情况下看空逻辑成立
- 列出需要持续跟踪的 3-5 个关键指标 / 事件
约束：
1. 不得编造市场数据、股价走势、监管文件内容；未提供的标「需补充」
2. 多空逻辑须有可证伪的检验条件，不允许「行业前景广阔」这类不可验证的空话
3. 敏感性分析须基于已提供的财报数据推算，不臆测未给数据
4. 所有结论须标注「依赖所提供信息，实际情况须人工核验权威源」
5. 避免使用空洞评价词，每个结论须有具体数字或事实支撑
6. 末尾声明：「以上为 AI 辅助分析，非投资建议，须专业人士复核，并遵守当地金融法规」
公司+财报+行业：{{粘贴公司概况、财报关键数据、行业信息}}为什么四维而非笼统说「分析风险」：四维结构逼 AI 逐项覆盖，不会漏掉治理这类容易被忽视但杀伤力最大的维度——很多暴雷公司在财务暴雷前治理风险已经很明显（关联交易异常、信披质量下降）。多空逻辑要求「可证伪的检验条件」，是防止 AI 写出「行业前景广阔、公司竞争力强」这类正确但无用的废话：每条逻辑必须能被某个具体指标或事件证伪，比如「看多逻辑：新品放量驱动营收增速回升至 20%+，检验条件：下两季度新品营收占比是否突破 15%」。敏感性分析单独成步，是为了量化「哪个假设最要命」——如果估值结论对 WACC 极敏感但对增速不敏感，你就知道该把精力花在确定折现率上。
四、速查 Cheatsheet：30 秒看懂一份财报
场景：没时间跑完整三表提取，只想快速判断一份财报「健康还是可疑」。一条精简 Prompt 抓五个最关键的信号。
你是资深财务分析师。请快速扫描这份财报，用 5 个信号判断公司财务健康度：
1. 盈利质量：净利润 vs 经营现金流是否同向（利润涨现金流也涨 = 健康；利润涨现金流跌 = 预警）
2. 营收真实性：应收账款增速 vs 营收增速（应收增速远超营收 = 放松信用冲收入，预警）
3. 资产质量：存货增速 vs 营收增速（存货堆积 = 滞销或减值风险）
4. 偿债压力：短期借款 vs 货币资金（短借远超现金 = 流动性紧张）
5. 非经常性损益占比：扣非净利润 vs 净利润（差额大 = 盈利靠非经常项，不可持续）
输出：每个信号给「健康 / 中性 / 预警」判断 + 一句话原因 + 对应数字。
约束：只基于提供的财报原文判断，不编造数据；避免空洞评价词；末尾声明「以上为 AI 辅助分析，非投资建议，须专业人士复核」。
财报文本/数据：{{粘贴}}这条的价值在「五个信号对应五类最常见的财报粉饰手法」：利润和现金流背离是最经典的——纸面赚钱但收不回现金；应收和存货增速跑赢营收，是放松信用政策和压货冲收入的信号；非经常性损益占比高说明主业不赚钱。用「健康 / 中性 / 预警」三档而非给分，是因为快速判断不需要精确评分，只需要知道「要不要往下细看」。
五、通用约束与合规提示
无论用哪一级 Prompt，以下约束已嵌入每条：
- 禁止编造数据：AI 不得编造股价、市值、最新财务数据、监管文件内容。所有数字须人工核验权威源（交易所公告、审计报告、Wind / Bloomberg 等数据终端）。AI 可能抄错行、张冠李戴、或把不同期数据混到一起。
- 区分 AI 分析与人审：每条 Prompt 末尾均声明「以上为 AI 辅助分析，非投资建议，须专业人士复核」。AI 输出的是结构化整理和推理辅助，不是投资决策。
- 合规底线：金融分析涉及投资决策，AI 输出非投资建议，以权威财报 / 数据源为准，遵守当地金融法规。在中国境内，证券投资咨询需持牌；把 AI 分析当作研究辅助而非投资建议对外发布。
- 去 AI 味提示：AI 写金融分析容易堆「综上所述」「值得注意的是」「公司前景广阔」这类空话。在 Prompt 里加一条「避免使用空洞评价词，每个结论须有具体数字或事实支撑」，能有效压住 AI 味。
推荐模型：财报原文动辄上百页，长文档解析建议用 Claude（200K 上下文，表格和脚注处理稳）或 DeepSeek（推理链长，适合估值计算和逻辑推演）。两者在数值提取和逻辑推理上表现较好，但仍须人工复核关键数字。
参考来源
- Anthropic Prompt Engineering 概览（结构化、分步、贴上下文的通用原则）：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
- Damodaran 估值方法论（DCF、倍数法、风险评估的公认框架，纽约大学 Stern 商学院）：https://pages.stern.nyu.edu/~adamodar/
- CFA Institute 财务报表分析框架（三表分析、比率分析、风险识别）：https://www.cfainstitute.org/
- 国际会计准则理事会 IFRS（财务报告准则，科目定义与披露要求）：https://www.ifrs.org/
- OpenAI Prompt Engineering 指南（明确指令、拆步骤、提供示例）：https://platform.openai.com/docs/guides/prompt-engineering