分析师如何用AI在300页年报里秒找关键数据

参考对象：写作风格参考《彭博商业周刊》的叙事方式，用具体人物的工作场景切入，将技术方案融入故事线中。

凌晨两点，上海陆家嘴某私募基金的研究室里还亮着灯。

张琳盯着屏幕上那份刚发布的宁德时代2023年年报，300多页的PDF，她已经翻了四个小时。明天上午九点要向投委会汇报，而她还在找一组关键数据——公司储能业务在海外各地区的营收占比。

她记得在年报里看到过，但忘了具体在哪一页。搜索"储能"，跳出了47个结果；搜索"海外"，跳出了82个结果。她试着组合关键词，但年报里的表述是"境外"而不是"海外"，是"电能存储"而不是"储能"。

手机响了，是基金经理发来的消息："储能出海的数据找到了吗？"

张琳揉了揉眼睛，打开了一个问答界面，输入："宁德时代2023年储能业务在境外各地区的营收分别是多少？占总营收比例如何？"

十秒后，屏幕上跳出答案：

> <strong>储能业务境外营收</strong>：189.47亿元，同比增长87.6%>
> <strong>分地区构成</strong>：
> – 欧洲：78.3亿元（占比41.3%）
> – 北美：52.1亿元（占比27.5%）
> – 亚太（不含中国）：41.8亿元（占比22.1%）
> – 其他地区：17.27亿元（占比9.1%）
>
> <strong>数据来源</strong>：年报第156页"分产品、分地区营业收入情况"表格
>
> <strong>同比变化</strong>：2022年储能业务境外营收101.0亿元，2023年增长87.6%，增速高于境内市场的34.2%

张琳愣住了。她花了四个小时没找到的数据，AI用了十秒。更让她惊讶的是，答案不仅给出了数字，还指出了具体页码，甚至做了同比分析。

这就是基于RAG技术构建的上市公司年报智能问答系统，正在改变金融从业者与海量财务文档的交互方式。

金融分析师的困境：数据海洋里的溺水者

中国A股市场有5000多家上市公司，每家每年发布年报、半年报、季报，再加上临时公告、招股说明书、再融资预案——一个覆盖全市场的研究员，每年需要阅读的文档超过10万页。

这不是夸张。以一份典型的年报为例：

– <strong>页数</strong>：200-400页
– <strong>字数</strong>：15-30万字
– <strong>表格</strong>：50-100个
– <strong>财务指标</strong>：数百个

传统的分析 workflow 是这样的：收到年报PDF → 人工翻阅目录 → 定位关键章节 → 提取财务数据 → 录入Excel → 计算分析指标 → 撰写研究报告。一份深度研报，从数据收集到成稿，往往需要3-5个工作日。

痛点不仅仅是慢，更是”找不到”和”看不全”。

找不到：用户问”公司海外储能业务的毛利率变化”，但年报里可能写的是”境外电能存储业务毛利情况”，关键词不匹配就搜不到。

看不全：一份年报里关于某个业务的数据可能分散在多个章节——主营业务分析里有收入数据，成本分析里有毛利率数据，风险提示里有市场格局描述。人工阅读很难保证不遗漏。

算不准：财务分析需要大量计算，比如同比、环比、占比、复合增长率。人工计算容易出错，而且不同分析师的计算口径可能不一致。

某券商研究所做过统计：分析师平均每天花在数据查找和整理上的时间超过4小时，占工作总时间的40%以上。而因为数据遗漏或计算错误导致的研报勘误，平均每个分析师每年会发生2-3次。

方案核心：让AI成为分析师的”第二大脑”

这个系统的目标不是替代分析师，而是把他们从繁琐的数据查找和整理工作中解放出来，让他们把精力集中在需要人类判断的环节——商业模式分析、竞争格局研判、投资价值评估。

技术实现上，这套方案有三个关键环节：

第一步：把PDF变成结构化的知识

年报PDF的解析是个技术难点。这些文档不是简单的文字排版，而是包含复杂表格、多级标题、图表注释的混合文档。传统的PDF解析工具（如PyPDF2、pdfplumber）能提取文字，但面对以下场景就力不从心了：

– <strong>跨页表格</strong>：一个财务表格可能横跨3-4页，需要识别并合并
– <strong>层级标题</strong>："第三节 公司业务概要"下面有"一、主营业务"，下面还有"（一）产品构成"，需要保留层级关系
– <strong>图表关联</strong>：文字里提到"详见图3-1"，需要知道图3-1在哪、是什么内容

解决方案是采用专业的文档解析引擎（如TextIn、庖丁解文），通过边界框（bounding box）定位文档中的关键区域——文字块、标题、表格、图片——然后按照阅读顺序重组为结构化的Markdown格式。

“`
解析后的结构化数据示例：

第三节 公司业务概要

一、报告期内公司所处行业情况

#### （一）行业发展概况

2023年全球新能源汽车销量达到1,465万辆，同比增长35.4%。其中，中国新能源汽车销量949.5万辆，占全球销量的64.8%。

表3-1：全球主要新能源汽车市场销量情况

*数据来源：IEA Global EV Outlook 2024*
“`

第二步：构建金融专用的知识库

解析后的文档需要进一步处理，构建适合金融问答的知识库。这里有几个关键设计：

1. 多粒度分块策略

不同类型的内容采用不同的分块方式：

– <strong>章节级</strong>：对于"公司概况"、"行业分析"等描述性内容，按章节分块，保留完整上下文
– <strong>表格级</strong>：对于财务数据表格，整张表格作为一个块，确保数据完整性
– <strong>句子级</strong>：对于关键结论、风险提示，细粒度分块，提高检索精度

2. 金融实体标注

在分块时标注金融领域的关键实体，便于后续精准检索：

– <strong>时间实体</strong>：2023年、2023Q3、报告期内、同比
– <strong>公司实体</strong>：公司名称、子公司、关联公司
– <strong>指标实体</strong>：营业收入、净利润、毛利率、ROE、资产负债率
– <strong>业务实体</strong>：动力电池、储能系统、锂电池材料

3. 结构化数据入库

财务三张表（资产负债表、利润表、现金流量表）的数据提取为结构化格式，存入关系型数据库。这样对于"某公司2023年净利润是多少"这类问题，可以直接查表，而不是从文本中检索。

第三步：意图识别与多路检索

用户的问题千差万别，系统需要先识别问题类型，再选择最合适的检索策略：

问题类型识别：

多路检索策略：

– <strong>向量检索</strong>：将用户问题embedding，在向量库中召回语义相似的文本块
– <strong>关键词检索</strong>：提取问题中的金融实体（公司名、时间、指标），在结构化数据库中精准匹配
– <strong>SQL查询</strong>：对于明确的数据查询，生成SQL语句直接查询财务数据库

“`python
def route_question(question):
intent = classify_intent(question) # 分类问题类型
entities = extract_entities(question) # 提取金融实体

if intent == "fact_query" and entities.has("财务指标"):
# 事实查询且有明确指标 → SQL查询
sql = generate_sql(entities)
data = execute_sql(sql)
return generate_answer_from_data(data)

elif intent == "calculation":
# 计算题 → 提取原始数据后计算
chunks = vector_search(question)
data = extract_numbers(chunks)
result = calculate(data)
return generate_answer_with_calculation(result)

else:
# 开放性问题 → RAG生成
chunks = vector_search(question)
return rag_generate(question, chunks)
“`

第四步：答案生成与溯源

金融领域的问答对准确性要求极高，不能"差不多就行"。系统需要做到：

1. 答案溯源：每个数据点都要标注来源，比如”年报第156页表3-2″

2. 计算过程透明：如果是计算得出的结果，要展示计算步骤，比如”毛利率 = (营业收入 – 营业成本) / 营业收入 = (1,000 – 800) / 1,000 = 20%”

3. 不确定性提示：如果检索到的信息不足以回答问题，要明确告知用户，而不是编造答案

落地效果：从”人找数据”到”数据等人”

某头部券商研究所部署该系统后，对分析师的工作效率进行了三个月的跟踪：

更深层的变化是工作模式的转变。

以前，分析师是"人找数据"——带着问题去翻文档，文档是死的，人是活的。现在，是"数据等人"——分析师把问题抛给系统，系统从海量文档中精准定位答案。

一位资深分析师说："以前我写一份研报，70%的时间花在找数据和核对数据上，只有30%的时间在思考。现在反过来了，系统帮我处理了繁琐的部分，我可以把精力放在真正有价值的地方——判断这些数据意味着什么，对投资有什么启示。"

技术延展：从年报问答到投研助手

年报问答只是金融AI应用的起点。沿着这个方向，还可以做更多：

研报自动生成：基于年报数据，自动生成财务分析、同业对比、风险提示等研报章节，分析师在此基础上修改完善，而不是从零开始写。

多文档交叉验证：同时查询公司年报、行业研报、新闻资讯，交叉验证信息。比如公司说”市场占有率第一”，系统可以自动检索第三方机构的行业报告进行验证。

风险预警：设置监控规则，当某家公司的财务指标出现异常（如应收账款激增、现金流恶化）时，自动推送预警。

合规审查：在研报发布前，自动检查是否涉及敏感信息、是否符合披露规范。

这些场景的共同点是：<strong>把金融从业者从重复性、规则性的工作中解放出来，让他们专注于需要人类智慧和判断的环节。</strong>

写在最后

回到凌晨两点的陆家嘴。

张琳把AI生成的答案复制到PPT里，又花了十分钟核对了一遍数据来源——第156页的表格，没错。她关上电脑，看了眼时间，凌晨两点半，还能睡四个小时。

走出写字楼，江风吹来，她突然想起三年前刚入行的时候。那时候没有这些工具，一份年报要翻整整两天，经常通宵。有一次她把"归属于母公司股东的净利润"看成了"净利润"，导致整个估值模型出错，被基金经理骂了半个小时。

现在，AI帮她避免了这些低级错误。但她知道，这并不意味着她的工作变轻松了。相反，市场对分析师的要求越来越高——以前大家比拼的是谁找数据更快，现在比拼的是谁对数据的解读更深、对趋势的判断更准。

技术替代的是重复劳动，放大的是人类的价值。

当AI能在十秒内找到那一行数据，分析师的价值就不再是"找得到"，而是"看得懂"和"想得深"。

*本文技术方案参考了基于RAG的上市公司财报智能问答系统实现，该系统已在多家券商、基金公司、私募机构的投研场景中落地应用。*