A股/港股财务数据本福特检验

为什么要做本福特检验

财报里的金额往往跨度很大，人工扫表很难判断「首位数字分布」是否异常。本福特定律（Benford's Law）描述自然数据集中首位数字 d 的出现概率约为 log10(1+1/d)；若某份报表大量科目显著偏离该分布，可能提示录入错误、口径调整或更值得深挖的异常，不能替代审计结论，但适合作为快速筛查。

技能如何工作

你输入 A 股或港股 的股票名称或代码后，技能会：

• 通过 akshare 拉取近 12 个季度 的完整三表：资产负债表、利润表、现金流量表（A 股走新浪财经 stock_financial_report_sina，港股走东方财富 stock_financial_hk_report_em）
• 从三表中抽取所有非零正数金额科目作为样本
• 用 scipy 做 Chi-square goodness-of-fit 拟合检验，输出卡方统计量与 p 值
• 生成交互式 HTML 报告，包括：实际 vs 理论的首位数字频率对比图、三表分别结果、合并总体结果、偏差最大的科目列表，以及检验结论与风险提示

数据处理依赖 pandas / numpy。

适用边界与注意点

• 样本来自财报科目数值本身；重组、并购、大量四舍五入或人为凑整 都可能让分布偏离本福特预期，需结合业务解释，而非单看 p 值。
• 港股与 A 股数据源不同，缺失季度或字段变更时，有效样本量会变化，小样本下检验功效有限。
• 本技能面向探索性数据分析；任何「造假」判断都应结合原始 PDF/公告与专业审计流程。