什么AI可以做财务分析

很多财务同行经常直接把一份上百页的上市公司年报或者公司的内部资产负债表、利润表PDF扔给通用大语言模型，敲下一行字：“请帮我深度分析这家公司的财务状况。”

结果往往令人大失所望：模型吐出来的全都是“营业收入实现增长，但仍需注意市场竞争风险”、“毛利率略有波动，建议加强成本管控”这类放之四海而皆准的空话，甚至连报表里最基本的勾稽关系都会算错。

其实，大语言模型的核心机制是基于概率预测下一个文本Token，而专业财务分析的核心逻辑是数字的分毫不差与严密的财务勾稽。 如果直接让纯语言模型去做复杂的四则运算或跨表合并，很容易出现“算术幻觉”。

要做真实、严谨的财务分析，必须明确工具的技术边界，选对工具，并且用工程化的流程来约束大模型。

一、 主流财务分析 AI 工具选型与能力边界

市面上宣称能做财务分析的工具很多，但底层逻辑各不相同。在实际业务中，可以根据数据计算能力、长文本解析深度以及合规私密性将主流工具划分为三类：

导师选型建议：

1.分析公开上市公司年报：首选 Kimi 或 智谱清言 处理附注与管理层讨论；结合 Claude 3.5 Sonnet 做结构化指标对比。

2.处理企业内部经营分析报表：必须在本地离线或私有化环境，使用 支持 Python 调用的工具 跑本地清洗代码，杜绝将敏感明细数据直接投喂公网。

二、 避开“AI算术幻觉”的标准实操工作流（SOP）

把一份原始报表变成具备业务决策价值的财务分析报告，需要建立标准化的实操步骤：

[原始数据脱敏] ➔ [结构化表格转换 (CSV/Excel)] ➔ [结构化 Prompt 约束] ➔ [Python 执行/公式固化] ➔ [财务附注与业务交叉核验]

第 1 步：数据脱敏与标准化准备

切记：合规是财务人员的职业生命线。

•科目与客户脱敏：在将内部数据上传前，使用 Excel 批量替换功能，将具体客户名称替换为“客户A”、“客户B”，将具体供应商替换为“供应商1”，将涉及商业机密的具体项目代码进行编码处理。

•格式规整：不要直接截屏长图扔给 AI。优先整理为干净的 `.csv` 或标准 `.xlsx` 格式，删除合并单元格，确保表头只有一行。

第 2 步：约束 AI 使用代码运行，而非直接“猜”数字

凡是涉及财务指标测算，必须在提示词中加入强约束：“禁止直接口算数值，必须编写并执行 Python 代码计算每一步财务比率，并输出计算过程。” 这样就能彻底规避模型因概率预测产生的算术误差。

第 3 步：执行“杜邦分析+异常波动”穿透

分析不仅仅是计算净资产收益率（ROE），更关键的是顺着 ROE 逐级拆解净利率、资产周转率和权益乘数，锁定驱动业绩变动的底层因子。

第 4 步：附注对账与防幻觉核查

AI 输出所有结论后，财务人员必须执行“三看”：

1.看口径：营业收入是否包含了主营业务与其他业务；

2.看基期：同比和环比的计算基准是否经受过会计政策变更或追溯调整；

3.看异常：对增幅超过 20% 或与行业趋势背离的指标，要求 AI 给出具体报表项目来源，人工复核年报附注。

三、 拿来即用的高阶财务分析 Prompt 模板

在实际工作中，提示词的颗粒度决定了输出分析报告的深度。以下整理了三套经过实战检验的结构化提示词模板：

模板 1：上市公司年报附注与财报排雷深度穿透

# 角色设定
你是一位拥有15年审计与法务会计经验的资深注册会计师（CPA），擅长识别财务粉饰与报表隐藏风险。

# 分析任务
请基于我提供的 [公司名称] [年度] 财务报表及附注数据，执行财务风险深度排查。

# 分析维度与约束
1. 现金流与利润背离度排查：对比分析“经营活动现金流量净额”与“净利润”近三年的匹配程度，计算净现比（经营现金流净额 / 净利润）。若该指标长期低于 1，结合应收账款与存货附注，分析是否存在压货或收入确认激进的情况。
2. “存贷双高”异常检验：统计货币资金总额、短期借款、长期借款及利息收支情况。如果货币资金储备高但同时背负高额有息负债和财务费用，请明确指出是否存在质押受限或资金真实性风险。
3. 资本化与资产质量评估：穿透无形资产及开发支出附注，计算研发支出资本化比例。若研发资本化比例超过 20%，请提示利润调节风险；同时检查应收账款账龄结构及坏账计提比例是否充分。

# 输出要求
- 输出一张 Markdown 核心风险预警表，包含：风险维度、关键指标数值、行业常规基准值、潜在风险点、建议核查的附注页码。
- 语言风格：专业、严谨、客观，杜绝泛泛而谈的套话。

模板 2：企业内部管理月度经营分析与杜邦拆解

# 角色设定
你是一家年营收超50亿集团企业的管理会计总监，擅长业财融合与经营诊断。

# 任务目标
请对上传的 [月份/季度] 内部管理报表数据（包含：各业务线收入、毛利、销售费用、研发费用、管理费用及应收回款）进行多维杜邦经营拆解。

# 必须执行的计算步骤
1. 请编写 Python 脚本计算以下指标并展示完整计算公式与结果：
   - 杜邦三因子：净资产收益率 (ROE) = 销售净利率 × 总资产周转率 × 权益乘数。
   - 营运资金指标：应收账款周转天数 (DSO)、存货周转天数 (DIO)、应付账款周转天数 (DPO) 以及现金循环周期 (CCC)。
2. 进行变动归因分析：
   - 拆解本期净利润同比波动的最主要负向拉动项（分析是毛利率下滑、销售费用率激增还是信用减值损失）。
   - 区分固定成本与变动成本，计算各事业部的边际贡献率。

# 输出格式
1. 关键指标概览表格（本期数、上年同期数、变动率、预算达成率）。
2. 异常指标归因（重点分析波动幅度大于 15% 的科目）。
3. 针对业务部门的经营改进管理建议（必须基于数据支撑，列出至少 3 项具体业务动作）。

模板 3：现金流压力测试与周转天数测算

# 角色设定
你是一位专注资金链风控的资深财务分析师。

# 任务要求
请对附件中的现金流量表及营运资金数据进行极端情境压力测试：
1. 基准测算：计算公司当前自由现金流 (FCF = 经营活动现金流量净额 - 资本开支)。
2. 压力情景设定：
   - 情景 A（温和悲观）：下半年营业收入下降 15%，应收账款周转天数延长 30 天。
   - 情景 B（极端悲观）：下半年营业收入下降 30%，回款周期延长 60 天，且无法新增外部银行借款。
3. 测算指标：在这两种情境下，现存账面非受限资金与月均刚性经营支出（薪酬+租金+税费+利息）能支撑企业运转多少个月（资金跑道安全期）。
4. 输出结果请以表格形式展现现金流断流风险点，并给出缩减资本开支、调整账期的应急方案。

四、 政策趋势与职业能力构建：财务人如何构筑真实护城河

很多财务人在尝试 AI 工具时往往产生本领恐慌，担心自己未来会被自动化工具取代。

但是，请看清一个基本事实：财政部和人社部的政策导向，从来不是淘汰会计人员，而是引导财务人员从传统的“被动核算记账”转型为“主动战略与管理决策”。

1. 官方政策指引

•政策依据：财政部印发的《会计改革与发展“十四五”规划纲要》（财会〔2021〕27号）以及《会计信息化发展规划（2021-2025年）》（财会〔2021〕36号）中明确提出：以数字化技术为支撑，推进单位会计工作数字化转型，拓展会计职能，从单纯的记录反映向价值创造、决策支撑转变。

•这意味着，会做账、会贴发票的“账房先生”正在失去市场空间，而能够驾驭数据、结合业务、为管理层提供决策支持的分析型人才，需求持续增加。

2. 官方资格证书与职业技能等级对应路径

要成为一名不可替代的高价值财务分析专家，仅凭摸索 AI 提示词是远远不够的。必须把严谨的专业理论与新兴的数字工具紧密融合：

复习与实操心法口诀：

“专业定框架，AI跑数据；常识辨真伪，业务穿到底。”

面对一份报表，中级或CPA知识库赋予你的是分析框架与敏锐嗅觉（比如看到研发费用骤降就要怀疑是否转移至在建工程）；AI 工具提供的是快速清洗数据与批量运算的速度；而你深入产销研一线了解的真实业务场景，才是判定最终结论是否靠谱的唯一尺度。

五、 财务分析使用 AI 的三大合规与风控死穴

一线实操中，如果忽视了风控边界，可能会带来严重的合规与职业灾难：

1.绝对不可触碰数据泄露红线：

企业未披露的财报底稿、采购成本价、核心客户结算流水，属于企业核心商业机密。切勿直接将包含敏感明细的文件上传至公网公共服务平台。 解决方式是：要么采用离线本地开源模型进行处理，要么在数据源端完成彻底的代号脱敏。

2.严防“因果倒置”与逻辑编造：

大模型经常会把两个碰巧同时发生的数据强行关联。例如，某季度销售费用增加 10%，同时净利润下降 5%，AI 可能会直接归结为“销售费用增加侵蚀了利润”。但实际业务可能是原材料价格大幅上涨导致毛利腰斩，而销售费用完全在预算控制内。任何归因结论，必须要求 AI 列出证据链，由财务人员亲自结合采购单价、销售量变动进行二次验算。

3.不可忽视会计政策与估计变更的“暗坑”：

企业如果在报告期内调整了折旧年限（如从 5 年延长至 10 年）、或者将原本计入费用的项目调整为资本化，AI 可能会误判为“企业成本控制能力强化”。必须要求 AI 专门调取“会计政策、会计估计变更和差错更正”附注，将口径还原一致后再进行历史横向比较。

把 AI 当作一位高效率的“数据分析初级助理”，让它负责搬砖、跑数、排查附注；而你作为“主导财务专家”，负责设计分析模型、审定逻辑假设、对接业务痛点与给出战略决策。这才是当下使用 AI 做财务分析的科学姿态。