ricequant/ricequant-skills/earnings-preview

Name: earnings-preview
Author: ricequant

Claude Code and agent skill by ricequant/ricequant-skills

Trust tier 3

community

By ricequant
Testing
ricequant/ricequant-skills
skills/research/earnings-preview/SKILL.md
Updated 21 Oct 2026
Version 1.0.01 version recorded

Source check pending

Checking that the SKILL.md file is still in the repository.

创建模板驱动的财报预览报告，在财报发布前基于历史财务、近期股价、卖方一致预期、研报口径与网络搜索结果搭建可追踪的预判框架。 `RQData CLI` 负责历史财务、价格、一致预期、研报与公告主数据；若需要补充目标季度预计披露日、电话会安排或近期行业动态，可额外使用 `web_search` 获取实时信息，并先落为结构化 JSON，再由 earnings-preview/scripts/generate_report.py 以客户可读方式纳入正文。务必使用此技能当用户： - 明确请求财报预览、earnings preview、pre-earnings、财报前瞻 - 想知道财报前看什么、哪些指标最关键 - 需要结合市场预期和近期股价定位财报前 setup - 需要在财报前形成一份结构化关注清单和情景分析不适用场景： - 财报发布后的复盘分析 -> earnings-analysis - 首次覆盖深度研究 -> initiating-coverage - 只问一句“什么时候发财报”

Install

npx vskill@latest install ricequant/ricequant-skills/earnings-preview

SKILL.md

RQ 股票研究 - 财报预览

核心原则

所有内容必须遵循三阶段流程：数据采集 -> 报告生成 -> HTML 渲染
assets/template.md 是唯一报告模板来源；Python 只做数据归一化、指标计算、占位符填充和结构校验
skill 必须自包含，不能依赖仓库级 utils
财报预览重在“预测框架”，不是把历史财务复述一遍
报告必须显式区分“历史事实”“市场预期”“分析师估算”
市场预期应优先来自 stock cn consensus 与 stock cn research-reports，不得伪造 consensus
目标季度预计披露日、电话会和近期行业动态若需要写入正文，必须来自 web_search，不能靠训练记忆补写
缺失数据时必须明确写“无数据 / 未提供 / 未验证”，不能留空

数据源分工

`RQData CLI` 负责

公司信息、行业、历史财务、ROE、价格与成交额
一致预期、研报、目标价和公告主数据
历史股价反应、卖方分歧和预测锚点

`web_search` 负责

目标季度预计披露日
电话会 / 业绩会安排
近期行业动态、政策变化和公司新闻

`web_search` 禁止替代的内容

财务、价格、估值、公告、卖方预期和一致预期主数据
情景分析的核心数值框架
任何本应由 RQData 提供的结构化金融数据

`web_search` 使用规则

详细字段、来源等级、落盘示例和 fallback 规则见 references/web_search.md。

允许补充的内容：

目标季度预计披露日和电话会安排
财报前近期行业与政策动态
与本次财报预览直接相关的公司新闻

落盘要求：

所有网络搜索结果必须先写入 web_search_findings.json
只写结构化记录，不把搜索草稿直接塞进报告
若未提供该文件，报告仍可交付，但涉及时间安排和近期动态的部分必须保持“未验证”边界
即便提供了 web_search_findings.json，它也只能补充预测背景，不能替代卖方预期与历史数据

硬性规则

以下任一条违反，视为输出失败：

[MUST-1] 历史财务数据、分析师预期、研报和公告必须来自 RQData CLI
[MUST-2] 目标季度预计披露日必须通过 web_search 获取实时信息，不能使用训练记忆
[MUST-3] 金额类数据必须统一转换为“亿元”等客户可读口径
[MUST-4] consensus 的 t1/t2/t3 是年度 forward buckets，不得直接伪装成目标季度单季预测
[MUST-5] 情景分析必须包含乐观 / 中性 / 悲观三个情景及对应股价反应区间
[MUST-6] 研报若进入正文，必须优先消费 summaries.core_view 等客户可读摘要层
[MUST-7] 每个关键数据点或关键结论都要标 数据来源：XXX，置信度X
[MUST-8] 客户稿不得暴露 LLM、skill、文件名、JSON 字段名或内部 workflow 术语
[MUST-9] 低置信度网络搜索结果不能单独支撑交易结论或发布日期结论

确信度评级

5：RQData CLI、交易所公告、上市公司官网、官方监管披露
4：政府 / 监管 / 行业协会 / 官方机构、权威财经媒体
3：一般新闻源，但来源清晰且与其他来源一致
2：单一来源、细节不完整、时点未充分验证
1：推断、估算、未验证信息

使用规则：

混合结论的置信度取关键来源中的最低等级
预测与情景分析统一标注为“分析师估算，置信度4”
低置信度网络搜索结果只能作为时间安排或行业背景线索

图表 / 图片需求

当前实现以结构化表格完成最小可交付版本，但财报预览仍需明确图表 / 表格需求。

图表 / 表格名称：共识预测表
目的：展示历史已披露季度与卖方年度预期口径
使用的数据文件：historical_financials.json、consensus.json、research_reports.json
关键字段：revenue、net_profit、con_targ_price、comp_con_*、net_profit_t
建议形式：表格
回答问题：市场当前预期高还是低、预期是否分歧
放置位置：## 卖方预期与市场定价
若图表缺失：必须以表格保留

图表 / 表格名称：三情景预测表
目的：展示乐观 / 中性 / 悲观三情景和预期市场反应
使用的数据文件：historical_financials.json、price_recent.json
关键字段：revenue、net_profit、gross_profit / profit_from_operation（如有）或可回退的利润率口径、close
建议形式：表格
回答问题：财报前风险收益比如何
放置位置：## 情景分析与市场反应
若图表缺失：必须以表格保留

目标产出

报告长度：5-8 页
输出文件：
Markdown 报告
HTML 报告（若本地已安装渲染器）
输出目录必须由 --data-dir / --output 指定，不能写死固定路径

目录结构

text

earnings-preview/
├── SKILL.md
├── scripts/
│   ├── extract_announcements.py
│   └── generate_report.py
├── assets/
│   └── template.md
└── references/
    ├── data_contract.md
    └── web_search.md

输入文件契约

原始数据目录由 --data-dir 指定，脚本会按下列文件名查找输入：

company_info.json
industry.json
historical_financials.json
roe_history.json
price_recent.json
hs300_recent.json
consensus.json
research_reports.json
announcement_raw.json：可选，建议提供
announcement_extracts.json：可选
peers_financials.json：可选
peers_instruments.json：可选
web_search_findings.json：可选，但若正文要写预计披露日 / 电话会 / 行业动态，则应提供

完整字段说明见 references/data_contract.md。

工作流

步骤 1：准备参数

bash

REPORT_DATE="${REPORT_DATE:-$(date +%F)}"
ORDER_BOOK_ID="${ORDER_BOOK_ID:-600519.XSHG}"
TARGET_QUARTER="${TARGET_QUARTER:-2026q1}"
PRICE_START_DATE="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=90)).isoformat())
PY
)"
REPORT_LOOKBACK_START="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=120)).isoformat())
PY
)"
ROE_START_DATE="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=540)).isoformat())
PY
)"
HISTORY_START_QUARTER="$(python3 - <<PY
from datetime import date
report_date = date.fromisoformat("${REPORT_DATE}")
print(f"{report_date.year - 2}q1")
PY
)"
HISTORY_END_QUARTER="$(python3 - <<PY
from datetime import date
report_date = date.fromisoformat("${REPORT_DATE}")
print(f"{report_date.year}q4")
PY
)"
TARGET_FISCAL_YEAR="$(python3 - <<PY
print("${TARGET_QUARTER}"[:4])
PY
)"
PREV_FISCAL_YEAR="$(python3 - <<PY
print(str(int("${TARGET_QUARTER}"[:4]) - 1))
PY
)"
 
DATA_DIR="${DATA_DIR:-$HOME/rq_equities_reports/earnings_preview}"
OUTPUT_MD="${OUTPUT_MD:-$DATA_DIR/earnings_preview_${ORDER_BOOK_ID}_${TARGET_QUARTER}_${REPORT_DATE}.md}"
PEER_STOCKS_JSON="${PEER_STOCKS_JSON:-[]}"

步骤 2：采集公司、行业与历史财务

bash

mkdir -p "$DATA_DIR"
 
rqdata stock cn instruments --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"]
}" --format json > "$DATA_DIR/company_info.json"
 
rqdata stock cn industry --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"date\": \"$REPORT_DATE\"
}" --format json > "$DATA_DIR/industry.json"
 
rqdata stock cn financial --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"fields\": [\"revenue\", \"net_profit\", \"gross_profit\", \"operating_expense\", \"cash_from_operating_activities\"],
  \"start_quarter\": \"$HISTORY_START_QUARTER\",
  \"end_quarter\": \"$HISTORY_END_QUARTER\",
  \"statements\": \"all\"
}" --format json > "$DATA_DIR/historical_financials.json"
 
rqdata stock cn financial-indicator --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"factor\": \"return_on_equity_weighted_average\",
  \"start_date\": \"$ROE_START_DATE\",
  \"end_date\": \"$REPORT_DATE\"
}" --format json > "$DATA_DIR/roe_history.json"

步骤 3：采集市场表现与预期数据

bash

rqdata stock cn price --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"start_date\": \"$PRICE_START_DATE\",
  \"end_date\": \"$REPORT_DATE\",
  \"fields\": [\"close\", \"volume\", \"total_turnover\"],
  \"adjust_type\": \"none\"
}" --format json > "$DATA_DIR/price_recent.json"
 
rqdata index price --payload "{
  \"order_book_ids\": [\"000300.XSHG\"],
  \"start_date\": \"$PRICE_START_DATE\",
  \"end_date\": \"$REPORT_DATE\",
  \"fields\": [\"close\"]
}" --format json > "$DATA_DIR/hs300_recent.json"
 
rqdata stock cn consensus --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"start_date\": \"$REPORT_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\",
  \"report_range\": 3
}" --format json > "$DATA_DIR/consensus.json"
 
rqdata stock cn research-reports --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"fiscal_year\": \"$TARGET_FISCAL_YEAR\",
  \"start_date\": \"$REPORT_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\",
  \"date_rule\": \"create_tm\"
}" --format json > "$DATA_DIR/research_reports_current_year.json"
 
rqdata stock cn research-reports --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"fiscal_year\": \"$PREV_FISCAL_YEAR\",
  \"start_date\": \"$REPORT_LOOKBACK_START\",
  \"end_date\": \"$REPORT_DATE\",
  \"date_rule\": \"create_tm\"
}" --format json > "$DATA_DIR/research_reports_prev_year.json"
 
python3 - "$DATA_DIR/research_reports_prev_year.json" "$DATA_DIR/research_reports_current_year.json" "$DATA_DIR/research_reports.json" <<'PY'
import json
import sys
from pathlib import Path
 
merged = []
for path in sys.argv[1:3]:
    payload = json.loads(Path(path).read_text())
    items = payload if isinstance(payload, list) else payload.get("data", [])
    if isinstance(items, list):
        merged.extend(items)
Path(sys.argv[3]).write_text(json.dumps(merged, ensure_ascii=False, indent=2), encoding="utf-8")
PY
 
ANNOUNCEMENT_START="$(python3 - <<PY
from datetime import date, timedelta
report_date = date.fromisoformat("${REPORT_DATE}")
print((report_date - timedelta(days=240)).isoformat())
PY
)"
 
rqdata stock cn announcement --payload "{
  \"order_book_ids\": [\"$ORDER_BOOK_ID\"],
  \"start_date\": \"$ANNOUNCEMENT_START\",
  \"end_date\": \"$REPORT_DATE\"
}" --format json > "$DATA_DIR/announcement_raw.json"

步骤 3.5：网络搜索目标季度时间安排与近期行业动态

当正文需要写目标季度预计披露日、电话会或近期行业动态时，应执行该步骤。

使用 web_search 获取目标季度预计披露日
可选补充电话会安排、近期行业动态和公司新闻
结果必须写入 web_search_findings.json

步骤 4：可选采集可比公司数据

若已有明确可比公司列表，可补充：

bash

if [ "$PEER_STOCKS_JSON" != "[]" ]; then
  rqdata stock cn instruments --payload "{
    \"order_book_ids\": $PEER_STOCKS_JSON
  }" --format json > "$DATA_DIR/peers_instruments.json"
 
  rqdata stock cn financial --payload "{
    \"order_book_ids\": $PEER_STOCKS_JSON,
    \"fields\": [\"revenue\", \"net_profit\", \"gross_profit\"],
    \"start_quarter\": \"$HISTORY_START_QUARTER\",
    \"end_quarter\": \"$HISTORY_END_QUARTER\",
    \"statements\": \"all\"
  }" --format json > "$DATA_DIR/peers_financials.json"
fi

步骤 5：整理研报观点摘要（必须）

说明：

不新增额外摘要文件，直接在 research_reports.json 原记录上回写摘要
摘要输入位置：research_reports.json -> records[].summary
摘要回写位置：research_reports.json -> records[].summaries.core_view
仅处理当前股票、且 data_source=0 的公司报告主样本
摘要应为客户可读表述，压缩原始研报的核心判断、盈利预期变化、估值或关键观察点
最终报告只消费这些摘要，不直接展示或截断原始 summary

步骤 6：提取公告原文片段（可选但推荐）

bash

python3 earnings-preview/scripts/extract_announcements.py \
  --stock "$ORDER_BOOK_ID" \
  --data-dir "$DATA_DIR" \
  --report-date "$REPORT_DATE"

说明：

该步骤会从近期正式财报、主要经营数据、业绩说明会等公告中提取可复用正文片段
announcement_extracts.json 采用两层结构：
raw_sections：保存较长原文段落，仅作为后续总结输入
summaries：保存面向最终报告的精炼总结
公司背景 / 管理层表述 / 经营展望 主要针对年报、半年报正文；季报和临时公告保留原文链接为主
若源站阻断或 PDF 不可读，也必须保留失败状态和原文链接

步骤 7：生成 Markdown 报告

bash

python3 earnings-preview/scripts/generate_report.py \
  --stock "$ORDER_BOOK_ID" \
  --quarter "$TARGET_QUARTER" \
  --data-dir "$DATA_DIR" \
  --report-date "$REPORT_DATE" \
  --output "$OUTPUT_MD"

步骤 8：渲染 HTML

脚本会优先尝试调用本地安装的 rq-report-renderer；若未安装则回退到仓库内 report-renderer/scripts/render_report.py；两者都不可用时才保留 Markdown 并打印警告。

阶段门控

Gate 1：历史与预期主数据齐备

历史财务、股价、卖方预期主数据存在
历史事实和市场预期可以明确分层
即使没有网络搜索结果，也能形成基础财报预览框架

Gate 2：预测框架完成

已识别最新已披露季度
已形成目标季度基准预测
三情景和股价反应区间可解释

Gate 3：可选网络搜索结果完成

若启用网络搜索结果，web_search_findings.json 已落盘
预计披露日和电话会若进入正文，来源等级可解释
网络搜索结果只补充时间安排和行业背景，不越权替代主数据

Gate 4：成稿完成

Markdown 已生成
若本地渲染器存在，HTML 已生成
客户稿不暴露内部术语
长度、章节、来源标注和预测框架达标

模板规则

报告必须严格基于 template.md 生成
占位符采用 [[TOKEN]] 语法，不使用 Jinja
当前模板仅允许以下占位符：
[[REPORT_DATE]]
[[COMPANY_NAME]]
[[STOCK_CODE]]
[[TARGET_QUARTER]]
[[EARNINGS_EVENT_CONTEXT]]
[[EXEC_SUMMARY]]
[[HISTORICAL_TREND]]
[[FORECAST_FRAMEWORK]]
[[EXPECTATION_SECTION]]
[[ANNOUNCEMENT_SECTION]]
[[SCENARIO_SECTION]]
[[TRADING_SETUP]]
[[RISK_SECTION]]
[[APPENDIX]]

报告质量要求

完整包含模板中的主章节
必须显式区分历史数据、卖方预期和分析师预测
不能只写“市场预期高/低”，必须给出对应数据
必须回答 4 个预测核心问题：
目标季度预计看什么
市场当前预期是什么
乐观 / 中性 / 悲观三情景分别长什么样
财报前交易定位偏向抢跑、保守还是中性
若正文写了预计披露日或电话会，必须来自网络搜索结果
若提供公告数据，正文必须保留原文链接；若提供提炼结果，应优先展示管理层和经营展望片段
近期研报样本若进入正文，必须展示整理后的客户可读摘要，不得直接截断原始 summary
不得残留 [XX]、[需要补充]、[风险1] 这类占位文本

阶段验收清单

[ ] Markdown 文件存在
[ ] 若本地渲染器存在则 HTML 文件存在
[ ] 模板占位符无残留
[ ] 主章节完整
[ ] 预测章节和情景章节带有“分析师估算，置信度4”
[ ] 市场预期章节确实引用了 consensus.json 或 research_reports.json
[ ] 若存在相关公告，正文保留原文链接
[ ] 若启用 web_search，正文真实出现网络搜索结果而不是只多一个 sidecar JSON

常见错误

把 consensus 当作季度预期直接使用，却没有说明它是 forward annual buckets
写“市场预期”“交易建议”却没有任何研报、目标价或价格行为依据
目标季度预计披露日直接靠训练记忆补写
使用固定季度、固定日期或固定同业名单
把网络搜索结果直接写成主结论，反而压过 RQData 主数据

Security

Security scanPassed, 90 of 100Pattern checks on the skill's files.
Model reviewPassed

See the full security report

Quality evaluation

Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

See evaluation results

Source

SKILL.md in the repositoryCheckingskills/research/earnings-preview/SKILL.md

Popularity

Repository stars: 50
Repository forks: 7
7-day trend score: 0

Stars and forks are for the whole GitHub repository, not this skill alone. Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

Claude Code
Cursor
GitHub Copilot
Windsurf
Codex
Gemini CLI
Cline
Amp
Roo Code
Goose
Continue
Kilo Code
Junie
Trae
OpenHands
Qwen Code
AI Agent
Tabnine Chat
Sourcegraph Cody
Amazon Q
Firebase Genkit
Sweep
Devin
Phind
Mentat
Claude Desktop
Aider
GPT Pilot
Plandex
bolt.new
v0
Replit Agent
Anse
TypingMind
BetterChatGPT
LibreChat
Warp AI
Pieces
Fig AI

Embed badge

[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/ricequant/ricequant-skills/earnings-preview/badge)](https://verified-skill.com/skills/ricequant/ricequant-skills/earnings-preview)

Something wrong with this skill or its page? Tell us.

Install

SKILL.md

RQ 股票研究 - 财报预览

核心原则

数据源分工

RQData CLI 负责

web_search 负责

web_search 禁止替代的内容

web_search 使用规则

硬性规则

确信度评级

图表 / 图片需求

目标产出

目录结构

输入文件契约

工作流

步骤 1：准备参数

步骤 2：采集公司、行业与历史财务

步骤 3：采集市场表现与预期数据

步骤 3.5：网络搜索目标季度时间安排与近期行业动态

步骤 4：可选采集可比公司数据

步骤 5：整理研报观点摘要（必须）

步骤 6：提取公告原文片段（可选但推荐）

步骤 7：生成 Markdown 报告

步骤 8：渲染 HTML

阶段门控

Gate 1：历史与预期主数据齐备

Gate 2：预测框架完成

Gate 3：可选网络搜索结果完成

Gate 4：成稿完成

模板规则

报告质量要求

阶段验收清单

常见错误

Security

Quality evaluation

Source

Popularity

Works with

`RQData CLI` 负责

`web_search` 负责

`web_search` 禁止替代的内容

`web_search` 使用规则