中国证券深度分析报告生成器

执行方式

一条命令完成全部流程，在 skill 根目录下运行：

python3 run_analysis.py <用户输入>

<用户输入> 可以是：

• 单只分析：600519、00700.HK、510300、贵州茅台
• 多只对比：贵州茅台 五粮液、510300 510500（空格分隔，最多5只）

输出：

• 单只模式 → {名称}_{类型}深度分析报告_{日期}.pdf
• 对比模式 → {名称1}_vs_{名称2}_对比分析报告_{日期}.pdf

前置条件

首次使用时安装依赖：

pip install requests pandas matplotlib reportlab numpy python-dotenv --break-system-packages

确认 .env 文件存在于 skill 根目录，至少包含：

TUSHARE_API_TOKEN=<token>
MINIMA_API_KEY=<key>

• TUSHARE_API_TOKEN 必填，否则无法获取数据
• MINIMA_API_KEY 可选，为空时 AI 建议降级为规则化量化建议

工作流程

run_analysis.py 通过 Provider 适配器执行五步：

1. 初始化 Provider → 根据 .env 配置创建 DataProvider / LLMProvider / SearchProvider
2. 解析输入 → resolve_input() 将名称/代码转为标准 ts_code
3. 识别类型 → DataProvider.identify_security() 判断 etf / stock / hk_stock
4. 获取数据 → DataProvider.fetch_*() 调用对应 API（约60-120秒）
5. 互联网研究 → SearchProvider.search_company() 获取近期事件/研报（A股/港股）
6. 生成PDF → 调用对应 generator（reportlab + matplotlib，约20秒）

类型路由：

类型	数据获取	数据维度	PDF生成
ETF	DataProvider.fetch_etf_data()	基本+净值+持仓+规模	create_etf_pdf()
A股	DataProvider.fetch_stock_data()	21项API	create_stock_pdf()
港股	DataProvider.fetch_hk_stock_data()	9项API	create_hk_stock_pdf()

报告内容

ETF报告（9章）

封面 → 投资摘要 → AI买卖建议 → 业绩分析（净值走势图+收益率+跟踪误差） → 持仓分析 → 同类对比 → 规模与流动性 → 费率分析 → 风险提示

A股报告（16章）

1. 公司概况 → 2. AI投资建议（5档评级+操作策略） → 3. 股价与估值（vs上证综指） → 4. 业绩分析（营收/利润图） → 5. 财务健康度（现金流+资产负债） → 6. 行业可比估值 → 7. 三情景分析 → 8. 主营业务构成（按产品/地区） → 9. 资金面综合分析（主力资金流向/融资融券/股东人数/大宗交易/股权质押） → 10. 分红送股历史 → 11. 业绩预告 → 12. 概念板块与投资题材 → 13. 股东结构 → 14. 公司研究与行业动态（AI互联网研究） → 15. 宏观环境参考 → 16. 审计与合规

港股报告（10章）

1. 公司概况 → 2. AI投资建议 → 3. 股价走势（含MA20/MA60） → 4. 业绩分析 → 5. 财务健康度 → 6. 现金流质量 → 7. 南向资金持仓分析 → 8. 核心财务指标趋势与分红 → 9. 公司研究与行业动态 → 10. 宏观环境参考

股票对比报告（10章）

1. 对比概览（基本面快照表） → 2. AI对比分析建议（通俗语言） → 3. 股价走势叠加（归一化） → 4. 估值对比（PE/PB柱状图） → 5. 成长性对比（营收/净利增速） → 6. 盈利质量对比（DuPont视角） → 7. 财务健康度对比 → 8. 分红与股东回报 → 9. 资金面信号（仅A股） → 10. 综合评分表（★星级+加权得分）

ETF对比报告（10章）

1. 基金概览 → 2. AI对比分析建议 → 3. 净值走势叠加 → 4. 收益率对比（1月/3月/1年） → 5. 风险指标对比 → 6. 跟踪效率对比 → 7. 成本对比（费率） → 8. 流动性对比 → 9. 持仓分析对比 → 10. 综合评分表

「说人话」特色：对比报告每个章节都配有通俗易懂的解读（用生活化比喻），让金融小白也能看懂。

插件化架构（Provider Pattern）

三大核心组件均可通过 .env 独立替换，无需修改代码：

组件	环境变量	默认值	可选值
数据源	DATA_PROVIDER	tushare	可扩展
AI模型	LLM_PROVIDER	minimax	openai（兼容 GPT/DeepSeek/通义千问）
搜索引擎	SEARCH_PROVIDER	ai_summary	tavily、none

切换示例（使用 DeepSeek 替代 MiniMax）：

LLM_PROVIDER=openai
OPENAI_API_KEY=your_key
OPENAI_API_URL=https://api.deepseek.com
OPENAI_MODEL=deepseek-chat

扩展新 provider：继承 providers/base.py 中的基类 → 实现接口 → 在 providers/__init__.py 注册。

代码输入规则

输入	解析结果
600519	→ 600519.SH（6位数字，6/9开头=SH）
300750	→ 300750.SZ（6位数字，其他=SZ）
510300	→ 510300.SH（6位数字，5开头=SH）
00700	→ 00700.HK（≤5位数字=港股）
00700.HK	→ 00700.HK（已带后缀，直接用）
贵州茅台	→ 搜索 A股→基金→港股，返回匹配代码
腾讯控股	→ 搜索 A股→基金→港股，返回 00700.HK

错误处理

• TUSHARE_API_TOKEN 为空 → 数据获取失败，脚本报错退出
• API 连接失败 → 脚本报错退出，提示检查网络
• 代码无法识别 → 提示用户检查代码或名称
• AI 建议调用失败 → 自动降级为规则化建议（不影响报告生成）
• 互联网研究失败/超时 → 自动跳过（不影响报告生成）

配置文件

config.py 统一管理所有配置，优先从 .env 环境变量读取：

Provider 选择：DATA_PROVIDER / LLM_PROVIDER / SEARCH_PROVIDER

数据源：TUSHARE_API_URL / TUSHARE_API_TOKEN

AI模型：

• MiniMax：MINIMA_API_URL / MINIMA_MODEL / MINIMA_API_KEY
• OpenAI兼容：OPENAI_API_URL / OPENAI_MODEL / OPENAI_API_KEY

搜索：TAVILY_API_KEY（Tavily 模式时需要）

业务参数：ETF_INDEX_MAP、PE_HIGH、FEE_EXCELLENT 等评估阈值