Akshare Fraud Pattern

---
name: akshare-fraud-pattern
description: 用于基于AkShare数据的欺诈模式识别场景。适用于金融工作中的基础任务单元。
---

# AKShare Fraud Pattern Detector

一个基于 **AKShare** 的企业欺诈模式识别 Skill，默认以 **康美药业（600518）** 作为示例企业，使用公开财务报表与财务指标数据，构建适合 A 股场景的财务异常识别流程。

## 1. 数据来源

本 Skill 使用 `akshare` 提供的公开数据接口，重点依赖以下几类数据：

1. **财务分析指标**
   - 用于提取毛利率、净利率、应收账款周转率、存货周转率、资产负债率、ROE、经营现金流等指标。
2. **资产负债表**
   - 用于提取总资产、流动资产、固定资产、应收账款、存货、货币资金、短期借款等科目。
3. **利润表**
   - 用于提取营业收入、营业成本、销售费用、管理费用、财务费用、净利润等科目。
4. **现金流量表**
   - 用于提取经营活动现金流净额、投资活动现金流净额、筹资活动现金流净额等科目。

默认分析目标公司：
- `600518` 康美药业（历史上具有典型财务造假争议，适合作为欺诈模式识别案例）

> 说明：实际运行时，脚本会优先尝试 AKShare 当前文档中常见的东方财富财务报表接口；若接口字段或函数名发生调整，脚本内置了兼容映射与兜底逻辑。

---

## 2. 功能

本 Skill 的目标不是做“司法定性”，而是做 **财务异常风险筛查**。主要能力包括：

### 2.1 财务报表自动拉取
- 使用 AKShare 自动下载指定上市公司的：
  - 财务分析指标
  - 资产负债表
  - 利润表
  - 现金流量表

### 2.2 欺诈模式识别
Skill 会计算并识别以下典型异常模式：

1. **收入与现金流背离**
   - 营收增长明显，但经营现金流持续弱于净利润。
2. **应收账款异常扩张**
   - 应收账款增速显著高于营收增速，提示可能存在收入确认激进。
3. **存货异常扩张**
   - 存货增长显著快于营收增长，提示可能存在压货、减值滞后或虚增资产风险。
4. **毛利率与费用率异常波动**
   - 毛利率短期异常抬升，且与销售费用/管理费用/财务费用走势不匹配。
5. **资产质量恶化**
   - 货币资金、应收、存货、固定资产等关键科目与经营表现不一致。
6. **Beneish 风格指标近似识别**
   - 用 A 股常见可得字段构造近似 DSRI、GMI、AQI、SGI、DEPI、SGAI、LVGI、TATA 风险因子。
7. **综合风险评分**
   - 将多个财务异常信号合成为一个 0-100 的风险分数，并输出解释说明。

### 2.3 输出结果
脚本会输出：
- 清洗后的财务数据表
- 各类异常信号明细
- 综合风险评分
- 文本版结论摘要
- CSV 结果文件，便于二次分析

---

## 3. 使用示例

### 3.1 安装依赖

```bash
pip install akshare pandas numpy
```

### 3.2 运行默认案例（康美药业）

```bash
python script/run_demo.py
```

### 3.3 指定股票代码

```bash
python script/run_demo.py --symbol 600518 --name 康美药业
```

### 3.4 输出目录示例

运行后会在 `output/` 目录下生成：

- `raw_financial_indicators.csv`
- `raw_balance_sheet.csv`
- `raw_income_statement.csv`
- `raw_cashflow_statement.csv`
- `fraud_risk_signals.csv`
- `fraud_risk_summary.txt`

---

## 4. 交易说明

本 Skill **不是自动交易系统**，也**不直接连接券商或交易终端**。

使用边界如下：

1. 本 Skill 仅用于：
   - 财务风险筛查
   - 上市公司基本面研究
   - 欺诈模式识别教学与案例分析
   - 量化研究前置过滤

2. 本 Skill 不提供：
   - 买卖建议
   - 收益承诺
   - 实盘下单功能
   - 投资适当性判断

3. 若将本 Skill 的结果用于投资决策，建议配合以下信息交叉验证：
   - 审计意见
   - 年报/半年报附注
   - 监管问询函与回复
   - 重大诉讼、立案调查、处罚公告
   - 行业景气度与同行对比

4. 对于高风险样本：
   - “高风险” ≠ “已构成财务造假”
   - “低风险” ≠ “完全不存在问题”

因此，输出结果应被视为 **研究型风险提示**，不应被视为法律结论或投资建议。

---

## 5. License

### 本 Skill 代码 License

本压缩包中的自编脚本默认采用 **MIT License** 使用方式：
- 允许学习、修改、再分发
- 请保留原始版权与许可说明
- 使用者需自行承担使用风险

### 第三方依赖说明

1. **AKShare**
   - 本 Skill 依赖 AKShare 获取公开财经数据。
   - 请同时遵循 AKShare 项目自身 License 以及其数据源站点的使用条款。

2. **公开数据源**
   - AKShare 聚合的数据来自公开网站与公开接口。
   - 不同源站可能对抓取频率、展示方式、商用用途有不同限制。
   - 使用者应自行确认合规性，尤其是商用和大规模采集场景。

---

## 6. 文件结构

```text
akshare-fraud-pattern-detector/
├── skill.md
└── script/
    ├── fetch_akshare_data.py
    ├── fraud_signals.py
    └── run_demo.py
```

---

## 7. 设计思路概述

该 Skill 采用“**数据抓取 → 字段标准化 → 风险特征构造 → 综合评分 → 文本解释**”的流水线：

1. **抓取数据**：从 AKShare 拉取财务报表与财务指标；
2. **字段映射**：兼容不同版本接口字段命名差异；
3. **构造风险因子**：提取营收、净利、现金流、应收、存货、杠杆等信息；
4. **识别模式**：判断收入确认激进、现金流失真、资产虚胖、费用异常等模式；
5. **输出结论**：给出量化评分和可读解释，便于研究报告直接引用。

---

## 8. 适用场景

- A 股上市公司财务异常筛查
- 反舞弊课程案例演示
- 风险控制前置过滤器
- 事件驱动研究中的公司质量排查
- 尽调辅助工具原型