AI辅助固收投研实务系列开篇：信用债复杂场景下AI嵌入真实研究工作流的标杆案例

内容目录为什么很多AI投研没有真正进入研究工作流程 4Financialanalysis项目介绍 5财报附注是AI在固收领域重点跑通的场景 9两个实务案例 12万科：AI可以把融资成本拆到传统人工很难稳定做到的细度 12杭海新城控股：AI可以将城投场景里的经验工程化 18AI嵌入哪些工作流：沿着信用研究员与基金经理的真实流程看 236.结语 257.风险提示 25图表目录图1.AI辅助投研的关键分界 4图2.Financialanalysis仓库首页/README展示图 5图3.研究链路示意图 6图4.输入输出转换图 6图5.附注优先证据链图 7图6.团队共享底座图 7图7.AI投研两种路径对比图 8图8.财报附注样例展示1-复杂表格结构 10图9.财报附注样例展示2-文字信息并存 11图10.财报附注样例展示3-高密度多重信息 12图11.案例运行过程：财报搜索下载 13图12.案例运行过程：财报PDF解析 13图13.案例运行过程：结构化信息提取 13图14.案例运行过程：结构化信息提取 1315.1600知识库和经验 14图16.案例运行过程：信息索引化校验 14图17.案例运行过程：结构化数据仓库化 14图18.案例运行过程：形成可追踪Excel数据库底稿 15图19.案例运行过程：形成可追踪分析报告底稿 15图20.万科财报附注概览（数值） 15图21.万科财报附注概览（公式） 15图22.万科债务口径（数值） 17图23.万科债务口径（公式） 17图24.万科现金流桥（数值） 17图25.万科现金流桥（公式） 17图26.案例运行过程展示：信息识别 18图27.案例运行过程展示：复用知识库经验后的城投口径处理 18图28.案例运行过程展示：复用知识库经验后的城投口径处-2 19图29.案例运行过程展示：复用知识库经验后的城投口径处-3 19图30.杭海新城控股财报附注概览（数值） 20图31.杭海新城控股债务口径（数值） 21图32.杭海新城控股债务口径（公式） 21图33.杭海新城控股城投属性拆分（数值） 22图34.杭海新城控股城投属性拆分（公式） 22图35.信用研究员与基金经理的真实工作流 23图36.买方团队共享同一套材料、证据和框架 24图37.AI从材料、证据和流程进入投研 25表1：Financialanalysis项目总结表 9为什么很多AIAIAIAIAI这也是为什么“工程化”比“智能化”更重要。智能化回答的是能不能看、能不能说；工程化回答的是能不能稳定地看、稳定地说、稳定地复用、稳定地交接。对于信用研究这种需要长期跟踪、批量复审和多人协作的工作来说，后者更关键。图辅助投研的关键分界站在当前时点，信用债研究正在面对的，不只是方法更新，而是研究对象和研究组织方式同时变化。过去很多框架之所以有效，是因为主体类型、行业边界和融资方式都相对稳定，研究员可以在既有范式里不断迭代经验。但现在的情况不一样了：传统主体进入存量化阶段，新增主体和新赛道不断出现，很多历史上看似稳定的指标，放到今天的信用语境里，含义已经开始变化。这就意味着，研究人员不仅要继续看新的主体，还要重新审视过去已经看过的主体，甚至把历史财报重新找回来读一遍。如果没有工程化的工作流，这种“重看”几乎是不可能批量完成的。人脑很难长期保持同样的口径去处理上百份、上千份财报，也很难把一条附注里的细节和另一份主体的细节稳定地AIFinailnyis项目介绍Financialanalysis是一个围绕债券发行主体财务分析搭建的开源研究项目，核心目标不是生成摘要，而是把信用研究中最依赖人工经验的环节，拆解为可执行、可复核、可交接的流程。图2.Financialanalysis仓库首页/README展示图投证券证券研究所整理从项目内容看，它覆盖了几个连续环节：原始材料采集、文档解析、附注优先分析、结构化工作底稿生成、正式分析报告输出，以及知识沉淀与版本治理。也就是说，它处理的不是单一文本任务，而是一条完整的研究链路。对信用研究来说，这种链路比单个功能更重要，因为真正的难点往往不在于某一步，而在于步骤之间如何衔接、如何复核、如何留下可追踪的痕迹。图3.研究链路示意图投证券证券研究所整理从输入和输出看，这个项目面向的是年报、半年报、公告、募集说明书、评级报告等非结构化或半结构化材料，输出的是可以继续用于判断的证据索引、结构化字段、分析底稿和最终图4.输入输出转换图投证券证券研究所整理从方法上看，这个项目强调的是附注优先和证据可回溯。信用研究中很多关键问题并不在正文里，而在附注、补充披露和其他说明里；如果这些信息不能被准确定位、拆分和归档，后续结论就很难复核。Financialanalysis的作用，就是把这些原本分散在人工阅读中的动作固定下来，使同一套材料在不同主体、不同时间和不同研究员之间都能按照相对一致的方式处理。图5.附注优先证据链图投证券证券研究所整理从协作上看，它对应的是投研团队里最常见的痛点：个人经验难以沉淀、不同研究员口径不图6.团队共享底座图投证券证券研究所整理另外，过去关于主体、行业的财务知识高度经验化且模糊化，一个资深财务专家的经验往往只能在其亲自参与工作时发挥作用。如果要教授给团队其他成员，过去往往只能采用“传帮带”的模式。这种经验很难成为团队共享知识库，核心问题在于它不够结构化。现在通过这样的方式，其实构建了每一个主体的数据库。通过分析每一份财报，积累起一条条财务经验知识，已经能够形成：一个资深财务专家的成长范式提供给整个团队的高价值财务知识库因此，这一项目的价值主要体现在它提供了一种可验证的研究组织方式：先把材料处理标准化，再把证据链建立起来，最后把工作底稿、正式报告和知识治理串成闭环。基于该项目，AI具体的，Financialanalysis关心的不是这家公司赚了多少钱这个单一的问题，而是：主体是谁、财务结构怎样、债务压力在哪里、现金是否够用、条款有没有保护、风险是不是已经显性化。PDFWord、PPT图投研两种路径对比图这套框架的关键，不是自动化三个字，而是可回头。信用研究最怕的不是信息多，而是信息散；最怕的也不是结论慢，而是结论回不去。这个项目的价值，就在于把回不去变成可以回去。从工程角度看，这种“可回头”不是一个口号，而是几个具体能力的组合：每一步都有输入和输出，每一个输出都能追到原始材料，每一个结论都能回到原始证据，每一次更新都能留这也是为什么工程化在这里不仅是流程问题，也是治理问题。一个项目真正成熟，不是因为它能跑一次，而是因为它能把每一次运行留下来的痕迹都接进下一次运行里。对研究工作来说，这意味着结论不是孤立的文件，而是可以被追踪、被修正、被复用的知识资产。如果把这些产物再往前展开，会发现它们其实对应着研究团队最关心的几件事：第一，研究结果能不能快速交接给别人；第二，历史判断能不能被拿回来重新核对；第三，同类主体后续来了，能不能直接继承前面的证据链；第四，哪些经验可以沉淀成统一口径，哪些还必须保留人工判断空间。项目越往后做，这些问题越重要。因为真正难的不是一次生成，而是把一次生成变成下一次生成的入口。表表1：Financialanalysis项目总结表汇总Financialanalysis的项目定位、工作链路、核心方法与研究价值模块输入输出作用对应研究价值项目定位债券发行主体财务分析需求、信用研究场景开源研究项目说明项目不是摘要工具，而是研究底座把AI放进真实研究流程，而非外围提效原始材料采集年报、半年报、公告、募集说明书、评级报告等可处理的原始文档集合统一来源，减少材料遗漏与分散让研究从统一材料入口开始文档解析PDF、Word、PPT、图片等非结中间文本、可读内容、可检索把原始文档转为后续分析可降低人工翻阅成本，提高可复构化材料对象用的形态核性附注优先分析财报正文、附注、补充披露、债务、受限资金、担保、或有优先抓取信用判断真正关键提升证据质量，避免只看正文说明性内容事项等证据索引的信息结构化工作底稿证据索引、关键字段、分析结果结构化底稿、章节记录、临时分析结果把零散阅读动作沉淀为标准化底稿支持复核、交接和跨主体比较正式分析报告结构化底稿、证据链、研究结可交付分析报告与正式文本把底稿转成研究输出让AI辅助结果进入正式研究论交付知识沉淀与版本治重跑记录、历史版本、采纳记知识库、版本痕迹、治理产物保留痕迹，支持后续复用与让一次生成变成下一次生成的理录修正入口团队协作与交接个人经验、团队口径、历史底稿共享底座、统一流程、可追踪交接减少重复劳动，提升团队一致性支持多人协作和长期跟踪投证券证券研究所整理财报附注是AI如果说AI在信用研究里最先应该落地到哪里，答案大概率不是正文摘要，而是财报附注。原因在于，财报附注是大文本、复杂文本、非标准化文本，恰恰是传统人工最耗时、最容易遗漏、也最难保持一致性的部分。主体的真实债务结构、担保安排、受限资产、回售赎回条款、融资用途、重大事项披露，常常都藏在附注和注释里。报表正文提供规模，附注提供结构；正文能看出有多少，附注才能看出是什么、怎么形成、受什么约束。过去一直以来，财报附注的分析与跟踪是信用研究员的核心工作，占据了大量的人力。就整个信用团队的工作量占比来说，财报分析的压力非常大。例如：300600600600100200面对如此庞大的数据量，研究员不只是要阅读，还要从中提取出结构化的数据进行分析。可想而知，整个工作量是非常巨大的。而且很关键的一点是，这项工作非常容易出错，且质量难以统一掌控：(a)资深的研究员可能会分析得深入一些。(b)资历浅的人分析得就会相对浅一些。所以，财报附注分析这一场景，是非常适合用AI来进行增强。图8.财报附注样例展示1-复杂表格结构投证券证券研究所整理，中国货币网AI做的，不是直接替研究员下判断，而是把长文本先拆开、先定位、先归AI图9.财报附注样例展示2-文字信息并存投证券证券研究所整理，中国货币网如果附注能够先被结构化，那么后面的很多研究动作就会被同时简化：横向比较可以更快，时间序列变化可以更清楚，主体之间的差异也更容易被捕捉。更现实一点说，这意味着研究员不必每次都从“找材料”开始，而是可以直接从“看变化”开始。这种前移带来的效率，才是真正可感知的提效。比如财报附注中常见的科目，并不是每一个都要一视同仁地处理：有些科目只是结果展示，有些科目是中间过渡，有些科目则直接对应信用判断的核心约束。货币资金、受限资金、一年内到期债务、应收与其他应收、存货跌价准备、资本化利息、担保和或有事项，这些往往AIAI的优势用起来。下面这张图就是一个典型的财报附注样本，可以用来说明这类材料为什么适合先被结构化，再进入研究判断。图10.财报附注样例展示3-高密度多重信息投证券证券研究所整理，中国货币网两个实务案例万科：AI可以把融资成本拆到传统人工很难稳定做到的细度万科作为一家上市房地产企业，具有复杂的集团架构体系，以及分散在全国各地的庞大资产提示词:对“万科”2025ExcelchinamoneymineruPDF/financial-analyzerExcelspreadsheet。注意不要使用任何已有的运行结果，这是全新的，请从头开始运行。第一步是材料准备。先读取半年报正文、财务报表、附注、债务和租赁相关披露，再把涉及图11.案例运行过程：财报搜索下载 图12.案例运行过程：财报解析投券证研究整理 投券证研究整理第二步是附注拆解。围绕借款、债券、应付款项和租赁负债，逐项抽取利息支出、资本化金额、资本化比例，并进一步核对这些数字与财务费用、存货、项目开发成本之间的关系。这里最关键的，不是某一个数字本身，而是确认利息到底是被费用化了，还是被资本化并继续留在项目链条里。图13.案例运行过程：结构化信息提取 图14.案例运行过程：结构化信息提取投券证研究整理 投券证研究整理15501600行高质量的财务分析知识库和经验，学习效率超过了一名资深财务专家的程度。图15.案例运行过程：项目运行至今已通过实务分析积累了超过1600行高质量的财务分析知识库和经验投证券证券研究所整理第三步是交叉校验。把资本化利息、现金、短债、资产减值和存货跌价放在一起看，验证融AI图16.案例运行过程：信息索引化校验 图17.案例运行过程：结构化数据仓库化投券证研究整理 投券证研究整理第四步是形成可复用底稿。最终把名义融资成本、折年融资成本、资本化比例、短债覆盖情况、资产减值压力和持续经营风险等指标整理成结构化结果，便于后续与其他房企、其他时间段进行横向比较。图18.案例运行过程：形成可追踪Excel数据库底稿 图19.案例运行过程：形成可追踪分析报告底稿投券证研究整理 投券证研究整理72.5732.1544.3一并纳入融资成本池，并且分母改为期初与期末有息债务的平均余额，则半年度融资成本约5.26细。同时，它在计算过程中是先结构化数据源，然后再采用公式计算。可追踪、可观测非常方便检查这也很好地解决了过去让AI处理这种复杂性问题时，容易出现幻觉的问题。图20.万科财报附注概览（数值） 图21.万科财报附注概览（公式）投券证研究整理中国币网 投券证研究整理中国币网进一步看，资本化利息比例较高，说明利息负担并没有退出利润表后的经营过程，而是被继续推入项目开发和存货形成过程；现金与一年内到期债务之间存在明显缺口，说明流动性并不能只靠账面余额解释；资产减值和存货跌价持续出现，说明项目出清和资产价值重估仍在进行。把这几项放在一起，就可以得到一整条压力传导链。而这恰恰是财务分析里面，尤其是高阶财务分析里面最重要的：将零散的线索串联起来，形成一个企业成长发展的故事。同人一样，每一家企业都有自己的故事、独特的发展路径。恰恰是企业发展的个性化差异巨大，让整个财务分析的世界如万花筒一般缤纷多彩。同样的一个指标，在一家主体看来是异常，但在另一家主体可能就是合理的，所以很难从单一指标上得出一个结论。同时在时间线上，在一段时间内这个指标是合理的，但经过一段时间之后，你会发现它会变得不合理。所以更关键的不是直接输出结论，而是去输出一套可以追踪的分析底稿。这样的分析底稿：一端是债务规模、到期结构和融资成本，另一端是现金、存货、减值和期-30.3983.07238.77图22.万科债务口径（数值） 图23.万科债务口径（公式）投券证研究整理中国币网 投券证研究整理中国币网这一步的价值在于，它把看报表变成了看传导链。研究员后续如果再看同类房企，就可以直接沿着这条链对照：现金有没有继续下降，资本化利息有没有继续收缩，期后支持有没有放大，经营现金流有没有真正转正。这样的底稿比单次结论更适合持续跟踪。现金流页则把净亏损、减值和筹资活动摆在一起，让利润到现金的桥梁也能被回头核验。图24.万科现金流桥（数值） 图25.万科现金流桥（公式）投券证研究整理中国币网 投券证研究整理中国币网杭海新城控股：AI可以将城投场景里的经验工程化杭海新城控股这个样本的处理，重点不是规模大小，而是口径复杂。对于城投场景，最容易出问题的地方不在报表本身，而是在于，同样的业务、同样的指标、同样的资产、同样的负债，在城投这里含义并不是完全相同的。城投本身具有非常大的特殊性，需要从其自身的业务背景、性质，尤其是最核心的与政府的关联性这一角度去考虑。所以，整个分析过程非常依赖经验的积累。整个分析过程同样可以分成几步。第一步是主体识别。先确认主体属性、控股关系、政府支持背景和经营范围，再把年报中和政府债券置换、专项应付款、长期应付款、其他应付款、政府补助、对外担保相关的段落先筛出来。这样做的意义，是先把“准财政”主体与普通工业或制造类主体区分开。图26.案例运行过程展示：信息识别 图27.案例运行过程展示：复用知识库经验后的城投口径处理投券证研究整理 投券证研究整理图28.案例运行过程展示：复用知识库经验后的城投口图29.案例运行过程展示：复用知识库经验后的城投口径处径处理-2 理-3投券证研究整理 投券证研究整理466.0320.61610.31609.78比99.91，开发成本559.92亿元、开发产品50.39亿元，核心仍是土地一级开发、代建和安置房，商品房仅约0.53亿元；政府补助约6.62亿元，是利润的重要来源；对外担保约50.98图30.杭海新城控股财报附注概览（数值）投证券证券研究所整理，中国货币网从研究结果看，这个样本最重要的信息有三点。第一，政府债券置换和长期应付款中的部分项目，需要按有息债务处理，不能简单当作无息负债。第二，专项应付款通常不应并入有息债务，但必须在分析中单独披露，避免口径混淆。第三，政府补助、资本公积注入和担保网络共同决定了主体的真实信用轮廓，这些信息如果不通过附注优先抽取，很容易在粗读里被Excel67.4424.212.43277.4579.142.6112.746.62公积注入12.08亿元专项债资金6.93亿元都是主体继续运转的重要来源经营性往来端里，应收账款约 16.01亿元且约81.75来自政府/国有控股单位，其他应收款总额61.07亿元，其中政府/国企单位往来约34.87亿元、占57.11分约4.73这种拆分和溯源过去工作量是非常庞大并且容易出错的。图31.杭海新城控股债务口径（数值） 图32.杭海新城控股债务口径（公式）投券证研究整理 投券证研究整理从附注结果看，存货结构也非常典型：土地一级开发401.21亿元、代建项目135.43亿元、73.140.5350.98图33.杭海新城控股城投属性拆分（数值） 图34.杭海新城控股城投属性拆分（公式）投券证研究整理 投券证研究整理这两个样本的共同价值，是把AI的作用放回到研究动作本身：先找材料，再拆附注，再核对口径，再形成证据链，最后落到可以复用的结构化结果。这样得到的，不只是一个案例结论，而是一套可以迁移到其他主体上的分析方法。AI如果把一个信用研究员或者基金经理的日常流程摊开，最先看到的不是写报告，而是一个很长的链条。图35.信用研究员与基金经理的真实工作流投证券证券研究所整理先确