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
