用 Python 和 AI 做财务报表分析：从环境搭建到自动出结论
AI财务报表分析的核心思路是：先把财务数据整理成结构化文本或表格，再通过大模型接口让模型按固定格式输出分析结论，最后人工核对关键数字。
本文适合会用一点电脑操作、没写过代码的财务或运维人员，按步骤做完就能跑通一个可重复使用的分析脚本。
先明确你要解决什么问题
动手之前先想清楚分析目标，不同目标对应的数据准备和提示词差别很大：
- 比率计算：让模型算流动比率、资产负债率、毛利率等，需要提供完整的报表科目和金额。
- 趋势对比：对比两到三期报表，需要把多期数据按科目对齐后一起给模型。
- 异常发现：让模型指出科目变动异常或勾稽关系可疑的地方，适合先做初步筛查。
- 文字总结：把报表转成管理层能看懂的说明，适合配合前面三类结果使用。
建议第一次只选一个目标，跑通后再扩展。不要一上来就让模型做完整审计判断，模型输出需要人工复核，不能直接作为对外披露依据。
环境准备：Python 和依赖库
以下步骤在 Windows 10/11、macOS 和主流 Linux 发行版上思路一致。
需要提前准备好：
- 安装 Python 3.9 及以上版本，安装时勾选“Add Python to PATH”。
- 准备一个可调用的大模型 API 密钥，例如 OpenAI 兼容接口的密钥。本文示例使用 OpenAI 官方 Python SDK，其他兼容接口只需改
base_url。 - 财务报表导出为 CSV 或 Excel，建议每张表单独一个文件，科目名称和金额分列存放。
打开终端或命令提示符，执行：
python --version
pip install openai pandas openpyxlpandas 用来读取和清洗表格，openpyxl 让 pandas 能读 .xlsx 文件，openai 是调用接口的 SDK。
安装完成后用 pip show openai 确认版本，不同大版本 SDK 的调用写法可能有差异，以你安装版本的官方说明为准。
数据清洗：把报表变成模型能读的文本
模型对整齐的“科目 + 金额”文本理解最好。
假设你的利润表文件叫 income.csv，包含“项目”和“本期金额”两列，可以用下面的脚本读取并转成文本：
import pandas as pd
df = pd.read_csv("income.csv")
df = df.dropna(subset=["项目", "本期金额"])
df["本期金额"] = pd.to_numeric(df["本期金额"], errors="coerce")
df = df.dropna(subset=["本期金额"])
text = "\n".join(f"{r['项目']}: {r['本期金额']}" for _, r in df.iterrows())
print(text)运行后检查输出，确认没有乱码、没有把合计行重复计算。金额单位要统一，比如全部用元或全部用万元，并在提示词里写明单位，否则模型可能把万元当元来解读。
如果数据涉及真实企业敏感信息，先做脱敏或只上传测试数据，再决定是否接入外部接口。
调用模型生成分析结论
下面是一个最小可运行示例，把清洗后的文本放进提示词，要求模型按固定结构输出：
from openai import OpenAI
client = OpenAI(api_key="你的密钥")
prompt = f"""你是一名财务分析助手。以下是某公司利润表数据，金额单位为元：
{text}
请完成：
1. 计算毛利率、净利率（如数据支持）；
2. 指出同比或环比变动最大的三个科目；
3. 用 200 字以内给出结论，并说明哪些判断受数据限制。
输出使用 Markdown 列表，不要编造未提供的数字。"""
resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": prompt}],
temperature=0
)
print(resp.choices[0].message.content)关键点有三个：temperature=0 让输出更稳定；
提示词里明确“不要编造未提供的数字”；
要求模型说明数据限制，方便你判断结论可信度。
模型名称和可用性会随时间变化，以你所用平台的当前文档为准。
避坑指南：新手最容易踩的四个坑
- 金额单位不统一：元、千元、万元混用会让比率算错，提示词和清洗脚本里都要统一。
- 把合计行当明细：合计行参与计算会重复计数，清洗时过滤掉“合计”“总计”类科目，或单独处理。
- 直接信任模型算数：大模型做加减乘除可能出错，比率类结果建议用 pandas 算好再让模型解读，或对模型输出逐项复核。
- 密钥写死在代码里：不要把密钥提交到代码仓库，改用环境变量读取，例如
os.environ["OPENAI_API_KEY"]。
结果验证：三步确认输出可用
- 核对数字：把模型给出的比率和用计算器或 Excel 公式算出的结果对比，差异超过舍入误差就要查数据。
- 检查引用：模型提到的科目和金额必须能在原始报表中找到，找不到的视为编造。
- 复查结论边界：确认模型是否说明了数据缺失、期间不可比等限制，没有说明的结论不要直接使用。
如果接口返回 401，检查密钥是否正确；
返回 429 通常是频率或额度限制，降低调用频率或检查账户余额；
连接超时先确认本机网络能否访问接口地址，再检查代理设置。
AI财务报表分析能明显减少整理和初稿时间，但结论的准确性仍取决于数据质量和人工复核。
建议先用历史报表跑一遍，把脚本和提示词固定下来，再逐步接入更多报表类型。
