yanmu-report-generator

股票研究专家研木的Skill — 将DCF和Comps分析结果生成专业券商研报（PDF或Word）

研木 · 报告生成器 (yanmu-report-generator)

功能

将金融数据采集 + DCF估值分析 + 可比公司估值分析结果，整合为专业排版的券商研究报告。

核心架构

多源数据输入

报告生成器需要三个数据源同时输入才能生成完整报告：

text

┌─────────────────┐    ┌────────────────┐    ┌──────────────────┐
│ financial-data  │    │   dcf-model    │    │   comps-model    │
│ (含历史业绩 +   │    │ (DCF估值 +     │    │ (可比公司估值 +   │
│  分析师预期)    │    │  敏感性分析)   │    │  雷达图/条形图)  │
└────────┬────────┘    └───────┬────────┘    └────────┬─────────┘
         │                     │                      │
         └──────────┬──────────┴──────────┬───────────┘
                    │                     │
                    ▼                     ▼
            ┌───────────────────────────────────┐
            │      generate_report.py            │
            │  - COMPANY_PROFILES (12支股票)      │
            │  - 动态模板（无硬编码）               │
            │  - 评级自动判断                      │
            └───────────────────────────────────┘
                     │
                     ▼
            ┌───────────────────┐
            │ 📄 PDF /  Word    │
            │ 专业券商研报       │
            └───────────────────┘

COMPANY_PROFILES 系统

内置12支股票的公司档案，覆盖：

• tagline — 一句话定位（如"中国互联网科技超级平台"）
• industry — 所属行业
• industry_median — 行业中位数参考
• business_segments — 业务构成（板块、营收、占比、说明）
• regional_revenue — 地区构成
• risk_factors — 核心风险因素
• net_cash / shares_outstanding — 财务参数
• consensus_target / consensus_eps_2026e / consensus_growth_2026e — 分析师预期

评级自动判断

条件	评级
DCF目标价 > 当前价	买入 (BUY)
DCF目标价 ≥ 当前价×0.8（20%以内）	持有 (HOLD)
DCF目标价 < 当前价×0.8（低于20%以上）	减持 (SELL)

工作流程

1. 运行报告生成脚本

bash

python3 {baseDir}/scripts/generate_report.py \
  --ticker <股票代码> \
  --company <公司名称> \
  --format pdf|docx \
  --dcf-data <dcf_output.json> \
  --comps-data <comps_output.json> \
  --financial-data <financial_data.json> \
  --chart-dir <图表目录> \
  --output <输出路径>

2. 参数说明

参数	必填	来源	说明
--ticker	✅	用户	股票代码
--format	✅	用户	pdf / docx
--dcf-data	✅	dcf-model	DCF估值JSON
--comps-data	✅	comps-model	可比公司估值JSON
--financial-data	✅	financial-data	金融数据JSON（历史业绩+分析师预期）
--chart-dir		用户	图表目录（热力图/雷达图/条形图）
--output		用户	报告输出路径
--target-price	❌	dcf-data	DCF目标价（自动获取）
--current-price	❌	dcf-data	当前价（自动获取）
--rating	❌	自动	不传则自动判断（买入/持有/减持）

3. 报告结构

报告的每一章节都动态生成，不留硬编码：

章节	内容来源
封面	tagline(动态)、ticker、评级、目标价、涨幅
核心观点	自动判断的评级 + 涨幅 + 公司名
关键指标	comps_data(动态提取PE/ROE/市值/毛利率)
公司概况	tagline + industry(动态)
主营业务	COMPANY_PROFILES.business_segments
历史业绩	financial_data.history（2023-2025年）
DCF估值	dcf-output（含假设、预测表、估值汇总、敏感性矩阵）
可比公司	comps-output（倍数对比、雷达图、行业排名）
投资建议	自动评级的评级结论
风险提示	COMPANY_PROFILES.risk_factors

4. 输出路径

文件名格式：<股票代码>_研究报告_<日期>.pdf|docx

数据依赖关系

text

financial-data  → 历史业绩 + 分析师预期 + 实时股价
      ↓
dcf-model      →  FCF预测 + 敏感性分析 + 隐含股价
      ↓
comps-model    →  估值倍数对比 + 雷达图
      ↓
generate_report →  PDF/Word 研报

注意事项

• 三个JSON文件必须全部提供，否则对应章节会显示空白
• PDF中文渲染自动探测字体：优先内置字体，否则自动使用系统字体（macOS苹方/黑体、Windows微软雅黑/黑体、Linux Noto/文泉驿），无需手动配置
• 运行依赖：pip3 install fpdf2 python-docx（缺库时脚本会提示）
• 评级默认自动判断，也可通过 --rating 手动指定