According to AlphaMoat, as of 2026-10, Earnings Reader has 7,599 downloads and 2 stars — ranked by downloads #3,687 among 10,914 AI skills in this ranking, and #407 of 1,228 in Professional.
The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.
| Platform | Downloads | Stars | Comments |
|---|---|---|---|
| ClawHub ↗ | 1.8K | 1 | - |
| SkillHub ↗ | 7.6K | 2 | — |
Platforms count differently and update at different times.
A股财报研读助手 - 解读利润表/资产负债表/现金流量表
The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.
| Month | Downloads | MoM | Stars |
|---|---|---|---|
| 2026-10 | 7.6K | — | 2 |
| 2026-09 | 5.4K | — | 2 |
| 2026-08 | 4.1K | +172.8% | 2 |
| 2026-07 | 1.5K | -34.5% | 1 |
| 2026-06 | 2.3K | +27.5% | 2 |
| 2026-05 | 1.8K | — | 1 |
| 2026-03 | 604 | — | 1 |
The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.
--- name: earnings-reader description: A股财报研读助手 - 解读利润表/资产负债表/现金流量表 keywords: - 财报 - 利润表 - 资产负债表 - 现金流 - 估值 ---
# Earnings Reader — 财报研读
## 数据获取
```bash
PYTHON=python3.12
EARNINGS=skills/akshare-finance/scripts/earnings.py
# 获取财报摘要
$PYTHON $EARNINGS report <股票代码>
# 例: $PYTHON $EARNINGS report 600519
# 查看业绩预告
$PYTHON $EARNINGS earnings
# 行业概览
$PYTHON $EARNINGS industry
```
## 财报分析框架
### 三表分析
1. **利润表**: 营收增速、毛利率、净利率趋势
2. **资产负债表**: 资产负债率、流动比率、商誉占比
3. **现金流量表**: 经营现金流/净利润比、自由现金流
### 关键指标
| 指标 | 健康范围 | 红灯 |
|------|----------|------|
| ROE | >15% | <8% |
| 净利率 | >10% | <3% |
| 资产负债率 | <60% | >80% |
| 营收增速 | >10% | <0% |
| 经营现金流/净利润 | >0.8 | <0.5 |
### 估值对比
- PE/PB 历史分位
- 同行业对比
- PEG 合理性
## 输出格式
### 个股财报速读
```
## {公司名} 财报速读
### 核心数据 (最近4个季度)
| 指标 | Q3 | Q2 | Q1 | 全年 |
|------|----|----|----|----|
| 营收 | xx亿 | xx亿 | xx亿 | xx亿 |
| 净利 | xx亿 | xx亿 | xx亿 | xx亿 |
| ROE | xx% | xx% | xx% | xx% |
### 趋势判断
- 增长性: [加速/稳定/减速]
- 盈利质量: [优/良/中/差]
- 风险点: [具体描述]
### 投资观点 (仅供参考)
```
## 注意
- 财报数据来源: AKShare (东方财富)
- 仅用于研究分析,不构成投资建议
- Macro agent 关注行业趋势,个股交易建议由 trading agent 负责
AIGC创作过程自动存证技能。自动识别创作平台与生成工具,将创作过程记录存证并盖有公安备案电子印章,具备可信时间戳,可以在全国电子印章互认平台核验。
反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「这是不是诈骗」「要不要转钱」「怎么止损」「钱还能不能追回来」,或需要识别诈骗话术、拆解骗局结构、生成报案材料与取证清单时使用。同时在对话中主动嗅探「转账、验证码、屏幕共享、安全账户、保证金、刷单、稳赚、百万保障、跑分」等风险词并插入预警,即使对方并未询问反诈。适用场景还包括:家属求助劝阻疑似被骗的亲人、企业/银行/支付机构/互联网平台做涉诈账户识别与交易监测规则、涉诈资金链(跑分、卡四件套、GOIP)分析、反诈合规与员工培训、反诈实战演练。
电子印章公安备案、全网互认,实现所有格式文件电子签章与视频确权,覆盖全国所有CA厂商自2005年以来的全量电子签章数据,无论由哪个地区、哪套系统、哪家CA机构签发,均可精准校验与互认。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
律师AI办案工作台:从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防(模拟法庭三方对打、质证策略、庭审发问)、赔偿与费用计算、期限提醒、复盘归档;覆盖民事、刑事、劳动、非诉、破产、执行、行政、仲裁八大领域,111 个技能(5 件路由·导航+106 件专家);法条引用 1,756 条/109 部(其中逐条带源标注 655 条、其余按离线库或待核口径;扫描口径与台账构成见 README),时效五档标注、法规版本变动前自动预警(预警锚点含商标法2026修订、刑诉法第四次修正)——法条直连国家法律法规数据库官方 API 实时核验,结论可复核、不装懂;2026-10 官方评测五项满分。不用记命令或技能名,直接说人话:欠钱不还、被车撞、被辞退、离婚分财产、合同违约。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
当用户上传交底材料、研发报告、技术方案文档,并要求撰写专利、撰写初稿,或请专利代理师视角输出可申请的专利文件时触发。也涵盖如下说法:'帮我把这份交底写成专利''生成专利文件''生成初稿''专利撰写'等,无论是否明确说'生成专利文件'。
露禾论文写作助手(免费版):一句话生成引用可溯源、不编造的专业学术论文,按国标 GB/T 7714 插入真实文献引用,中英文 3000/5000/8000 字,一键导出 Word。说「写论文 / 帮我写论文」即可使用。
Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.