Check a dataset before analysis
Find missing values, inconsistent formats, duplicates, and questions that could invalidate results.
A股财报日历/业绩预告汇总。当用户说"财报日历"、"业绩预告"、"什么时候发财报"、"XX什么时候出报告"、"earnings calendar"、"最近谁发财报"、"业绩快报"、"业绩预告汇总"、"哪些公司业绩超预期"时触发。汇总近期已发布和即将发布的财报/业绩预告,分析业绩超预期和不及预期的情况。支持研报风格(formal)和快速查询风格(brief)。不适用于个股深度财报分析(用 a-share-earnings-an
---
name: a-share-earnings-calendar-823c4714d0c6
description: A股财报日历/业绩预告汇总。当用户说"财报日历"、"业绩预告"、"什么时候发财报"、"XX什么时候出报告"、"earnings calendar"、"最近谁发财报"、"业绩快报"、"业绩预告汇总"、"哪些公司业绩超预期"时触发。汇总近期已发布和即将发布的财报/业绩预告,分析业绩超预期和不及预期的情况。支持研报风格(formal)和快速查询风格(brief)。不适用于个股深度财报分析(用 a-share-earnings-analysis)。
---
# A股财报日历/业绩预告汇总
## 数据源
```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 个股财务数据(已发布的)
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 个股行情(看业绩公告后股价反应)
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
```
核心数据通过 akshare 获取:
```bash
# 业绩预告汇总(date 格式 YYYYMMDD,取季末日期:0331/0630/0930/1231)
python -c "import akshare as ak; df=ak.stock_yjyg_em(date='20260331'); print(df.head(20).to_json(orient='records', force_ascii=False))"
# 业绩快报
python -c "import akshare as ak; df=ak.stock_yjkb_em(date='20260331'); print(df.head(20).to_json(orient='records', force_ascii=False))"
```
补充:用 web 搜索获取财报披露时间表、市场一致预期、分析师预测。
## Workflow
1. **确定查询范围** — 即将发布财报的公司 / 已发布业绩预告汇总 / 特定公司财报时间
2. **数据获取** — 根据当前日期推断对应报告期(date 参数),拉取业绩预告/快报数据;必要时 web 搜索披露排期
3. **业绩梳理**
- 按类型分类汇总:预增/预减/扭亏/首亏/续盈/续亏/略增/略减
- 超预期/不及预期筛选(vs 市场一致预期 or 前期预告中值)
- 按行业分组统计,找出景气行业和承压行业
4. **市场反应分析** — 已公布业绩的公司,拉取公告后股价表现(1日/3日/5日涨跌幅)
5. **输出** — 根据风格生成报告
## 风格
| 维度 | formal | brief |
|------|--------|-------|
| 输出 | 完整业绩日历报告 | 关键信息列表 |
| 覆盖 | 全市场统计+重点个股 | 仅用户关注的个股/板块 |
| 分析 | 超预期/低于预期详细分析 | 预增/预减数量统计 |
| 时间表 | 未来2周完整披露排期 | 近期重点关注 |
默认 brief;用户要求"详细/报告/研报"时用 formal。
## 关键规则
1. **披露截止日**:年报/一季报 4月30日前,中报 8月31日前,三季报 10月31日前
2. **数据可靠性**:正式财报 > 业绩快报 > 业绩预告(预告通常给范围)
3. **"超预期"需有参照**:市场一致预期 or 前期预告范围中值 or 历史增速趋势
4. **区分"已发布"和"即将发布"**,所有数据标注时效
5. **date 参数映射**:根据当前日期推断最近报告期季末日(0331/0630/0930/1231)
6. 参考 `references/earnings-calendar-guide.md` 了解业绩预告类型定义和财报季节奏
## 使用示例
### 示例 1: 基本使用
```python
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
```
### 示例 2: 命令行使用
```bash
python scripts/run_skill.py --input data.json
```
---
name: a-share-earnings-calendar-823c4714d0c6
description: A股财报日历/业绩预告汇总。当用户说"财报日历"、"业绩预告"、"什么时候发财报"、"XX什么时候出报告"、"earnings calendar"、"最近谁发财报"、"业绩快报"、"业绩预告汇总"、"哪些公司业绩超预期"时触发。汇总近期已发布和即将发布的财报/业绩预告,分析业绩超预期和不及预期的情况。支持研报风格(formal)和快速查询风格(brief)。不适用于个股深度财报分析(用 a-share-earnings-analysis)。
---
# A股财报日历/业绩预告汇总
## 数据源
```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 个股财务数据(已发布的)
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 个股行情(看业绩公告后股价反应)
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
```
核心数据通过 akshare 获取:
```bash
# 业绩预告汇总(date 格式 YYYYMMDD,取季末日期:0331/0630/0930/1231)
python -c "import akshare as ak; df=ak.stock_yjyg_em(date='20260331'); print(df.head(20).to_json(orient='records', force_ascii=False))"
# 业绩快报
python -c "import akshare as ak; df=ak.stock_yjkb_em(date='20260331'); print(df.head(20).to_json(orient='records', force_ascii=False))"
```
补充:用 web 搜索获取财报披露时间表、市场一致预期、分析师预测。
## Workflow
1. **确定查询范围** — 即将发布财报的公司 / 已发布业绩预告汇总 / 特定公司财报时间
2. **数据获取** — 根据当前日期推断对应报告期(date 参数),拉取业绩预告/快报数据;必要时 web 搜索披露排期
3. **业绩梳理**
- 按类型分类汇总:预增/预减/扭亏/首亏/续盈/续亏/略增/略减
- 超预期/不及预期筛选(vs 市场一致预期 or 前期预告中值)
- 按行业分组统计,找出景气行业和承压行业
4. **市场反应分析** — 已公布业绩的公司,拉取公告后股价表现(1日/3日/5日涨跌幅)
5. **输出** — 根据风格生成报告
## 风格
| 维度 | formal | brief |
|------|--------|-------|
| 输出 | 完整业绩日历报告 | 关键信息列表 |
| 覆盖 | 全市场统计+重点个股 | 仅用户关注的个股/板块 |
| 分析 | 超预期/低于预期详细分析 | 预增/预减数量统计 |
| 时间表 | 未来2周完整披露排期 | 近期重点关注 |
默认 brief;用户要求"详细/报告/研报"时用 formal。
## 关键规则
1. **披露截止日**:年报/一季报 4月30日前,中报 8月31日前,三季报 10月31日前
2. **数据可靠性**:正式财报 > 业绩快报 > 业绩预告(预告通常给范围)
3. **"超预期"需有参照**:市场一致预期 or 前期预告范围中值 or 历史增速趋势
4. **区分"已发布"和"即将发布"**,所有数据标注时效
5. **date 参数映射**:根据当前日期推断最近报告期季末日(0331/0630/0930/1231)
6. 参考 `references/earnings-calendar-guide.md` 了解业绩预告类型定义和财报季节奏
## 使用示例
### 示例 1: 基本使用
```python
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
```
### 示例 2: 命令行使用
```bash
python scripts/run_skill.py --input data.json
```
Imported from the listed AgentSkill.sh category. Complete supplied package files and notices are retained. Required external tools and credentials are not installed. No bundled code was executed during import. Individual agent task behavior has not been tested.