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

pip install akshare pandas numpy

3.2 运行默认案例（康美药业）

python script/run_demo.py

3.3 指定股票代码

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

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