上市公司财务与投资分析

为什么需要这套方法

财报分析最常见的失败不是模型不够聪明，而是算错了还没人发现：单位按"百万元"录入却当成"亿元"换算，得出 PE=1604 这种荒谬值；拿数月前的市值给高波动股票算 PS，结论从"极贵"直接反转成"合理"；或者用历史印象里的盈利能力反推 PE，而公司其实已经盈利暴跌。更隐蔽的是口径问题——美股科技巨头 GAAP 净利里一大半是股权投资的账面升值，港股互联网公司 IFRS 与 Non-IFRS 净利润能差出十几个百分点，A 股"扣非"和"归母"更是两套故事。手工算几十行数字、再夹带几处假设，几乎必然出错。

它如何工作

核心是一套先验证、再分析的流水线：

• 数据获取：优先交易所直链 PDF 和巨潮资讯网、SEC EDGAR 等一手来源，拿到后先查有没有"更正公告"，再决定用哪个版本。
• 勾稽验证：三大报表的内部一致性全部通过才能继续。归母净利 + 少数股东损益 = 净利润、负债 + 权益 = 总资产、期初现金 + 净增加 = 期末，一项对不上就停下来修数据。
• 估值交叉验证：用财报净利反算 PE，与行情软件对账；差异大时先排查是数据错还是假设错——资料里记录的片仔癀案例证明，往往是后者。
• Python 计算 + 数量级核对：指标一律用代码算并展示过程，算完立刻用常识检查数量级，荒谬值就是报错信号。
• 分析与对比：盈利能力、费用、现金流、偿债结构按比率而非绝对值做同业对比，再补定性评分，并做敏感性分析看排序是否稳健。

按公司类型切换口径

这是最容易翻车的一环，技能强制区分三类框架：

• 成熟盈利公司：PE / PB / EV，回答"质地好不好 + 估值便不便宜"。
• 亏损成长股：PE 直接失效，切换为 PS / Forward PS + 现金跑道 + "情景 × 赔率 × 胜率"框架，并穿透可转债公允价值带来的 GAAP 失真。
• 周期股：当期 PE 反向失真（顶部低 PE 是陷阱），改用 PB / PS 和正常化盈利，核心问题是周期位置、生存能力与反转弹性。

适用边界

这套方法解决的是数据严谨性与逻辑可追溯，不承诺预测准确。估值必须用实时行情，财报数据可以容忍滞后；评分中涉及文化与管理层的部分本质上主观，换一个评估者分数可能不同，资料要求明确标注依据类型和置信度。输出遵循固定结构（数据来源 → 勾稽结论 → 核心结论先行 → 分维度论证 → 风险与反方观点 → 敏感性 → 局限性），不包含任何仓位建议，也不构成投资结论。