前文链接：

99%的人不知道的AI读财报的技巧 01

99%的人在用AI省时间，只有1%的人在用AI建立自己的帝国

如何用 AI 搭建自己的量化交易工作站 01 ｜建立基础骨架

普通交易者如何用AI建立自己的宏观框架？

在投资世界里，有一个很奇怪的现象。

每年全球投资者会阅读几百万份财报，但真正能从财报中提取有效信息的人却非常少。

原因并不是财报太复杂。

真正的问题是，大多数人阅读财报的方式，本质上是一种商业故事叙事（story telling)， 他们在寻找故事。

比如说，

收入增长了多少。

管理层如何描述未来。

公司如何讲自己的战略。

这种阅读方式在心理上很舒服，因为故事容易理解。但从投资研究的角度来说，它几乎没有任何优势。

真正的财报分析，其实是一种底层财务指标& 结构解析过程。

你不是在读一篇文章，你是在观察一台商业机器如何运作，过去，这种结构分析需要花费大量时间。研究员可能需要花几个小时甚至几天时间才能彻底拆解一份200页的年报。

但AI的出现改变了这一点。

如果使用得当，一份财报可以被快速转化为：

结构化信息 → 异常信号 → 商业模型 → 投资假设

这也是为什么越来越多的对冲基金正在把AI引入研究流程。

但绝大多数个人投资者仍然停留在最基础的一步：

让AI总结财报，这其实是AI能力最浅层的应用。

真正有价值的方式，是把AI当作一个 研究系统。

下面是一套可以真正落地的AI财报分析流程。

第一步，用AI拆解财报结构

任何财报分析的第一步，都不是看利润。

而是理解公司的结构。

一家公司本质上是一个商业系统，它由收入来源、成本结构、资本配置和风险因素组成。

AI可以帮助我们快速拆解这些结构，例如，你可以将财报PDF上传到AI，然后使用类似这样的提示：

请分析这份财报，并输出以下结构：

收入来源结构、毛利率驱动因素、现金流质量、资本支出趋势、主要风险。

如果想直接获取上市公司财报，可以使用：

SEC EDGAR

https://www.sec.gov/edgar/search/

或者更易读的版本：

Macrotrends

https://www.macrotrends.net

这些网站可以让你快速获取上市公司的财务数据和历史记录。

在完成结构拆解后，你通常会得到一个非常重要的结果：

公司到底是如何盈利的？

例如，很多人认为Netflix是一家内容公司，但通过财报结构拆解你会发现，它的核心收入来自订阅模型。

这意味着它更像是一个 订阅平台，而不是传统媒体公司。

这种结构理解会直接影响你的投资判断。

第二步，用AI寻找异常信号

真正的财报分析从来不是看增长，而是寻找 不符合逻辑的地方。

职业投资者最常问的问题其实是：

到底哪里不对劲？

例如：

收入增长，但现金流下降。

利润增长，但库存上升。

销售增长，但应收账款暴涨。

这些现象往往意味着公司内部发生了某种变化。

AI在识别这些异常方面非常强大。

你可以让AI扫描财报中的关键指标，例如：

收入与现金流的差异

毛利率变化

库存增长

应收账款变化

资本开支异常

如果想获得更直观的财务数据，可以使用：

QuickFS

https://quickfs.net

或者：

Koyfin

https://www.koyfin.com

这些工具可以帮助你快速查看公司多年财务指标，并与AI分析结合。

很多时候，真正的风险并不会直接出现在利润表中，而是隐藏在现金流或资产负债表里。

AI可以帮助你更快发现这些信号。

第三步，重建公司的商业模型

理解财报的真正目标，其实不是理解数字。

而是理解 商业引擎。

一家公司的利润是如何产生的？

增长来自哪里？

成本如何变化？

这些问题构成了公司的商业模型。

AI可以根据财报数据帮助你反向重建这个模型。

例如，你可以让AI分析：

核心收入来源

成本结构

利润驱动因素

扩张方式

竞争优势

通过这种方式，你可以得到一张公司的商业结构图。

例如，如果你分析Apple，你会发现一个非常关键的变化：

服务收入（Services）已经成为利润的重要来源。

Apple的毛利率结构正在逐渐从硬件转向 软件与服务。

这意味着Apple越来越像一个 生态平台公司，而不仅仅是硬件公司。

这种商业模型变化通常会提前反映在财报结构中。

第四步，进行时间序列分析

许多投资者只阅读单个季度财报。

这是一个非常常见的错误。

真正有价值的信息往往来自 趋势变化。

AI可以帮助你快速对比多个季度甚至多年的财报。

例如，你可以让AI分析：

过去四个季度的收入趋势

毛利率变化

运营费用变化

现金流趋势

在很多情况下，你会发现一些非常重要的信号。

例如：

收入持续增长，但利润下降。

或者：

利润增长，但现金流恶化。

这些结构性变化往往意味着商业模式正在发生变化。

如果需要获取历史财务数据，可以使用：

Financial Modeling Prep

https://financialmodelingprep.com

或者：

Alpha Vantage

https://www.alphavantage.co

这些API甚至可以直接连接AI分析流程。

第五步，分析管理层语言

很多人忽略财报电话会议。

但在华尔街，这些会议往往比财务数字更重要。

原因很简单，管理层的语言变化通常会提前反映公司内部的真实情况。

AI可以分析这些语言变化。

例如，你可以让AI扫描earnings call transcript，并识别：

风险提示增加

不确定性词汇

未来指引变化

管理层情绪变化

你可能会发现某些词语开始频繁出现，例如：

demand softness

macro uncertainty

challenging environment

这些词汇往往意味着管理层对未来开始变得谨慎。

而这些信号通常 领先于财报数据。

如果需要获取电话会议记录，可以使用：

Seeking Alpha

https://seekingalpha.com

或者：

Quartr

https://quartr.com

第六步，用AI生成投资情景

最终的目标不是总结财报。

而是生成 投资假设。

你可以让AI根据财报生成三种情景：

Bull case

Base case

Bear case

然后列出每个情景的关键变量。

例如，对于Amazon来说，关键变量可能包括：

AWS增长

电商需求

物流成本

如果AWS继续高速增长，可能形成Bull case。

如果电商需求下降，可能形成Bear case。

通过这种方式，你的投资研究就会从简单的阅读，转变为 决策框架。

AI正在改变投资研究

过去的财报分析流程是：

人类阅读

然后尝试理解。

现在更有效的方式是：

AI先把信息结构化。

人类再进行判断。

AI负责处理 信息密度。

人类负责处理 意义密度。

真正的分水岭不是谁拥有更多信息。

而是谁拥有 更好的结构。

如果你只是用AI总结财报，你只是在加快阅读速度。

但如果你用AI：

拆解结构

识别异常

重建商业模型

进行情景推演

那么一份200页的财报，就会变成一套完整的研究框架。

而这，才是AI真正改变投资研究的地方。