A株財務ファクターレポートスキル

A株財務ファクターレポート（A-Share Financial Factor Report）

このスキルを使用して、金融コースワーク向けの応用中国語レポートを作成します。テキストは中国語で、実際のA株データ、Pythonで生成されたチャート、ファクター構築、グルーピング・回帰/アルファ分析、機械学習によるファクター説明、そしてWord形式の成果物を含みます。

標準成果物

ユーザーから特に指示がない限り、以下を作成します。

• outputs/ 内の .docx レポート。
• outputs/ 内の、データ、チャート、結果ファイルを再構築するPythonスクリプト。
• outputs/ 内のCSVデータ/結果。
• outputs/ 内のPNGチャート。
• ユーザーが「コード打包」や「コードファイル形式での出力」（コードファイル形式の出力）を求める場合の、オプションのコードファイルZIP。

DOCXの作業には、可能であれば documents スキルも使用します。python-docx で生成し、可能な限りレンダリング・検証を行い、LibreOfficeレンダリングが利用できない場合はその旨を開示します。

ワークフロー

1. ファクターの選択または確認

   • ユーザーが「换一个指标」（指標を変えて）と言った場合は、スレッド内でまだ使用されていない新しいファクターを選択します。
   • 良い選択肢：毛利率质量（粗利率の質）、经营现金流质量（営業CFの質）、存货周转（在庫回転率）、应收账款质量（売掛金の質）、应付账款议价（買掛金交渉力）、ROE质量（ROEの質）、资产负债率风险（負債比率リスク）、收入增长质量（収益成長の質）、费用率控制（費用率コントロール）、估值因子（バリュエーションファクター）。
   • ユーザーが継続を要求しない限り、企業と指標の重複を避けます。

2. 実際のA株データの使用

   • ネットワークが許可されている場合は、優先的に东方财富（東風財富）の公開インターフェースを使用します。
   • 小規模ケースでは、明確な業種対比のある3～4社のA株上場企業を使用します。
   • 大規模サンプルのアルファ検証では、実行時間を管理可能にするため、約300社の非金融A株企業を使用します。
   • 営業関連ファクターの場合は金融業を除外します。ただし、ファクターが明示的に金融セクター固有のものである場合は除きます。
   • データソースを「东方财富公開財務インターフェース / 2024年年次報告ベース」として明記します。

3. ファクターの構築

   • 解釈可能な2～4つの財務指標を構築します。
   • 指標を組み合わせる前に標準化します。
   • 計算式はシンプルに保ち、ウェイトを平易な中国語で説明します。
   • 例： 质量因子 = 0.50 × 标准化核心指标 + 0.25 × 标准化辅助指标1 + 0.25 × 标准化辅助指标2

4. チャートの生成

   • 最低限：1つのコア指標棒グラフ、1つの補助指標棒グラフ、1つのファクター散布図/ランキングチャート。
   • アルファ分析を行う場合：グルーピング別リターンチャートとアルファ/ベータ係数チャートを追加します。
   • 中国語のタイトルとラベルを使用します。チャートはWord内で読みやすく保ちます。

5. アルファ検証

   • 画像要件に従います。つまり、1社のみの説明をしないでください。ファクターが広範な株式リターンや価格トレンドを説明できるかを検証します。
   • ファクターで5つのグループに分け、将来のリターンを比較します。
   • OLSを実行： Return = α + β × Factor + controls + ε
   • 可能であれば、規模、ROE、レバレッジ、バリュエーションなどのコントロール変数を使用します。
   • 正直に解釈します：
     • 高いグループが低いグループを上回り、βが有意で正の場合：ファクターは正のアルファの証拠を示していると言えます。
     • αが正でもβが有意でない場合：市場/サンプルの切片は存在するが、ファクター自体は証明されていないと言います。
     • グルーピングと回帰結果が矛盾する場合：両方を説明し、慎重な結論を選択します。

6. 機械学習セクション

   • sklearnがインストールされていない場合でも、概念的なMLファクター生成セクションを含めます。
   • 適宜、Lasso、Ridge、Random Forest、XGBoostに言及します。
   • MLが複数の財務特徴量を組み合わせて将来のリターン/ROE/キャッシュフロー改善を予測することを説明します。
   • 過学習を避けるために、財務ロジックとアウト・オブ・サンプル検証を強調します。

7. レポート構成 コースワーク向けに以下の9部構成を使用します：

   • 摘要（要旨）、关键词（キーワード）
   • 一、研究背景与问题提出（研究背景と問題提起）
   • 二、数据来源与处理口径（データソースと処理基準）
   • 三、指标构建与因子逻辑（指標構築とファクターロジック）
   • 四、Python 图表与结果分析（Pythonチャートと結果分析）
   • 五、传统方法：分组与回归分析 / Alpha 检验（伝統的手法：グルーピングと回帰分析 / アルファ検定）
   • 六、机器学习方法生成综合因子（機械学習手法による複合ファクター生成）
   • 七、公司案例解读（企業ケーススタディ）
   • 八、投资应用建议与局限（投資応用の提案と限界）
   • 九、结论（結論）
   • 附件：数据与代码（付録：データとコード）

8. 長さ

   • ユーザーが5000/5500/5700字以上を要求した場合、python-docx を使用して最終的なDOCXテキストの長さを検証します。
   • 埋め草ではなく、方法論、アルファ解釈、業種別注意事項、MLワークフローを通じて簡潔に拡張することを優先します。

APIノート

データ取得スクリプトを実装または修正する際は、references/eastmoney-fields.md を参照してください。

新しい指標スクリプトを作成する際は、scripts/factor_report_template.py を開始点として使用してください。これをワークスペースの outputs/ または work/ にコピーし、以下を適応させてください：

• 企業リストとフィールド
• ファクター計算式
• チャートタイトル
• レポートのナラティブ

一般的な解釈用語

平易な中国語での説明を使用します：

• 「Alpha 是否存在」（アルファが存在するか）は、一般的な変数をコントロールした後でもファクターが超過リターンを生み出すかを意味します。
• 「因子对 return 有解释力」（ファクターがリターンに説明力を持つ）は、高ファクターグループと低ファクターグループで将来のリターンに差があるか、回帰のβが有意であることを意味します。
• 「不能证明 Alpha 存在」（アルファの存在を証明できない）は許容され、過剰に主張するよりも良い場合が多いです。
• 「该指标能解释经营质量，但短期不一定预测股价」（この指標は経営の質を説明できるが、短期的には必ずしも株価を予測しない）は、有効な慎重な結論です。

最終応答

最終的な .docx と主要なサポートファイルをリンクします。以下に言及します：

• 選択したファクターと企業
• 大規模サンプルでのアルファ検証の有無
• 主要な結論
• 生成されたコード/データ/チャートファイル