A股业绩预告雷达

解决什么问题

财报季看 A 股业绩预告最头疼的是信息太散：CNInfo 的官方公告是 PDF 原文，Tushare 的结构化名单又经常滞后。想快速锁定真正“业绩超预期 / 加速 / 高景气”的个股，靠人工翻公告既慢又容易被累计同比数字误导。这个技能把全市场预告扫描、PDF 解析、三口径利润增速拆解和营收匹配度检查交给脚本，把“谁优秀、为什么优秀”的判断留给模型，让投研读者在财报季快速建立候选池。

核心能力

• 以 cninfo 为预告主源，按公告日独立分页扫描巨潮“业绩预告”分类，解析 PDF 提取归母净利、扣非净利、同比和变动原因；tushare 只做集合校验、字段差异对照和显式例外，不用它的候选名单限制官方发现。
• 把净利润预告区间按中值折算成一个数，拆出 当年累计同比 / 最新单季度同比 / 环比 三个口径，并按最新总市值计算预告中值年化 PE；营收侧使用最近实际报告期 trailing actual，明确标注“非预告”。
• 输出 forecast_scan_.json、cninfo_enrich_.json 等证据层数据，脚本负责取数、确定性拆解、护栏标记、断层方向分组和渲染投影，不在脚本里替模型判断业绩好坏或给买卖建议。
• 模型读证据逐股判 强 / 中 / 观察 / 剔除，结合扣非与归母差额识别一次性损益，再用 verdict.py 落 forecast_verdict / forecast_theme_trend / forecast_period_overview 台账，最后渲染一期一页 HTML，支持 K 线按需分片加载。

关键步骤

1. 确定报告期，缺省取今天之前最近的季度末，例如 2026H1 对应 20260630。
2. 运行 python3 scripts/forecast_scan.py --period 20260630，脚本先扫 CNInfo 官方预告分类并解析新 PDF，再调用 Tushare 做集合和字段差异校验。
3. 模型读 JSON 逐股判断，重点看 profit_growth 三口径、flags 机械阈值、change_reason 一次性损益识别和 revenue_trailing 营收匹配，先圈出候选池。
4. 需要人工核验或定向重解析时运行 python3 scripts/cninfo_enrich.py --codes ... --refresh，它不承担发现新增公司的职责。
5. 运行 python3 scripts/verdict.py context --period 20260630 获取待判个股、主线注册表和待判主线，模型逐只判 tier 与 theme_id，逐主线判 theme_trends[]，并据 industry_summary 写产业结构综述。
6. 落台账后运行 python3 scripts/render_period_html.py --period 20260630 生成 HTML；自动化链路必须加 --require-ann-cutoff 做发布门禁，发布时要连同 forecast_.klines/ 目录一起复制。

适用边界

• 只覆盖已披露预告的公司。业绩平稳、未触发强制预告的公司可能根本没有预告，“没有预告”不等于“业绩差”。
• 预告通常不披露营业收入，收入侧只能用最近实际报告期；净利多为归母口径，单季拆解统一用 income.n_income_attr_p。
• 季初样本会偏少，过几天重跑或放宽 --start-ann 才能补全；公告日期按日历日扫描，默认截止北京时间运行日 +1。
• base_consistency=diverge、income_missing、cninfo missing 和 theme_registry 为空都要如实说明。
• 引用 PE 必须标口径：有扣非就写“扣非年化 PE（归母年化 PE）”，扣非 ≤0 要点破利润主要为非经常性损益；扭亏小基数的数百倍 PE 按低基数失真处理，改看绝对利润规模。
• 本技能不做单股基本面深挖，不做盘面复盘，不写买入 / 卖出 / 止损 / 目标价 / 仓位，只输出业绩优秀度分档和持续性待验证条件。